WM: Wykorzystanie algorytmów data mining w psychologii: analiza skupień
Informacje ogólne
Kod przedmiotu: | WF-R-PS-WMAD |
Kod Erasmus / ISCED: |
14.4
|
Nazwa przedmiotu: | WM: Wykorzystanie algorytmów data mining w psychologii: analiza skupień |
Jednostka: | Instytut Psychologii |
Grupy: |
Grupa przedmiotów ogólnouczelnianych - Doktoranci Przedmioty dla doktorantów psychologii Wykłady monograficzne kierunkowe z psychologii Wykłady monograficzne pozakierunkowe |
Punkty ECTS i inne: |
(brak)
|
Język prowadzenia: | polski |
Poziom przedmiotu: | średnio-zaawansowany |
Symbol/Symbole kierunkowe efektów uczenia się: | SD_ PS _W02 SD_ PS _W04 SD_ PS _W05 SD_ PS _K04 SD_ PS _K05 |
Skrócony opis: |
Celem kursu jest przybliżenie działania algorytmów przeprowadzających analizę skupień, łączenia tej metody z układami równań strukturalnych a także wykorzystania jej do wykreślania profili osób badanych i testowania dopasowania krzywych empirycznych do krzywych modelowych. |
Pełny opis: |
1. Wprowadzenie do algorytmów Generalised k-means Cluster Analysis, informacje podstawowe na temat metody 2. Podstawowe informacje na temat działania algorytmu: grupowanie osób badanych do skupień. 3. Podstawowe informacje na temat działania algorytmu: obliczanie różnic miedzy skupieniami. 4. Podstawowe informacje na temat działania algorytmu: określanie wyników osób w skupieniach na podstawie średniej normalizowanej. 5. Przeprowadzenie analizy skupień i raportowanie wyników – ćwiczenie 1. 6. Przeprowadzenie analizy skupień i raportowanie wyników – ćwiczenie 2. 7. Przeprowadzenie analizy skupień i raportowanie wyników – ćwiczenie 3. 8. Podstawowe założenia modelowania przy pomocy układów równań strukturalnych 9. Obliczenie pierwszego modelu przy pomocy układu równań strukturalnych w programie AMOS. 10. Obliczanie analizy skupień dla zmiennych z modelu strukturalnego. Określanie charakterystyki skupień ze względu na zmienne. 11. Obliczenie drugiego modelu przy pomocy układu równań strukturalnych w programie AMOS. 12. Obliczanie analizy skupień dla zmiennych z drugiego modelu strukturalnego. Określanie charakterystyki skupień ze względu na zmienne. 13. Wykreślanie krzywej teoretycznej. 14. Wykreślanie krzywej empirycznej na podstawie wyników analizy skupień. 15. Szacowanie dopasowania krzywej empirycznej do krzywej teoretycznej. |
Literatura: |
Elder, J., Hill, T., Miner, G., Nisbet, B., Delen, D., & Fast, A. (2012). Practical Text Mining and Statistical Analysis for Nono-structured Text Data Application. Oxford: Elsevier. Nisbet, R., Elder, J., & Miner, G. (2009). Handbook of statistical analysis and data mining applications. Burlington, MA: Academic Press (Elsevier). Szymańska, A. (2017b). Wykorzystanie analizy skupień metodą data mining do wykreślania profili osób badanych w badaniach psychologicznych [Using cluster analysis in the data mining method to draw profiles of participants surveyed in psychological research]. Studia Psychologiczne, 55(1), 25–40. |
Efekty kształcenia i opis ECTS: |
WIEDZA: - doktoranci poprawnie posługują się terminologią metody analizy skupień, m. in. posiadają wiedzę na temat sposobu klasyfikacji obiektów, średnią normalizowaną itd. UMIEJĘTNOŚCI: - przeprowadzają analizę skupień z wykorzystaniem algorytmów KOMPETENCJE: - poprawnie interpretują wyniki analizy Opis punktów ECTS Udział w zajęciach: 30 godzin Przygotowanie do zajęć oraz przygotowanie raportów, czytanie literatury: 30 godzin |
Metody i kryteria oceniania: |
Podstawą zaliczenia kursu jest oddanie raportu końcowego prezentującego wyniki opracowane z wykorzystaniem metody analizy skupień |
Właścicielem praw autorskich jest Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie.