ECTS Informacijski paket za akademsku godinu 2023. / 2024.

Obrada i analiza podataka

 

Naziv
Obrada i analiza podataka
Organizacijska jedinica
Odsjek za sociologiju
ECTS
6
Šifra
51336
Semestri
ljetni
Nastavnici
Satnica
Predavanja
30
Vježbe u praktikumu
30
Preduvjeti za upis i polaganje kolegija
Za upis kolegija se moraju

Cilj
Cilj kolega je osposobiti polaznike/ice za odabir i primjenu statističkog programskog paketa, odnosno za samostalnu pripremu, organizaciju, analizu, prezentaciju i interpretaciju kvantitativnih podataka u društvenim istraživanjima. Kolegij omogućuje polaznicima/icama praktičnu primjenu metodoloških i statističkih znanja koristeći različite statističke programske pakete. Ovaj kolegij dio je statističko-analitičkog i metodološkog obrazovanja koje studentima pruža razumijevanje analitičkih procedura i uobičajenih praksi u obradi i analizi kvantitativnih podataka.

U nastavi, vježbama i na ispitu primarno će se koristiti statistički paket IBM SPSS. Na kraju semestra studenti će imati priliku upoznati se s besplatnim paketima JASP i jamovi. Sadržajne teme obuhvaćaju sljedeće cjeline: pregled statističkog paketa IBM SPSS, deskriptivna statistička analiza, tablični i grafički prikazi podataka, uvjetni odabir slučajeva, kreiranje i transformiranje varijabli, parametrijske i neparametrijske statističke procedure (hi-kvadrat test, t-test, analiza varijance, neparametrijske zamjene za t-test i analizu varijance), korelacijska i linearna regresijska analiza, procjena pouzdanosti indeksa i skala te faktorska analiza.
Sadržaj
  1. Pregled programa za statističku obradu podataka; Opis programa IBM SPSS Statistics i JASP
  2. Učitavanje podataka u drugim formatima (Excel, ASCII–text format, datoteke ranijih verzija SPSS–a); Spajanje datoteka (dodavanje ispitanika i/ili varijabli) [Merge files – Add Cases, Add Variables]
  3. Frekvencije, postoci, percentili, izrada tablica [Frequencies, Descriptives, Tables]; Deskriptivna statistika [Frequencies, Descriptives]; Z-vrijednosti [Descriptives]
  4. Hi-kvadrat test [Crosstabs]; Koeficijenti asocijacije za nominalne varijable [Crosstabs]; Testiranje oblika distribucije [Nonparametric Tests, Chi-Square]
  5. Odabir i analiza skupina ispitanika [Select Cases, Split File]
  6. T-test za jedan uzorak [One-Samples T Test]; za nezavisne uzorke (homogene i nehomogene varijance) [Independent-Samples T Test]; za zavisne uzorke [Paired-Samples T Test]
  7. Ponderiranje podataka [Weight Cases]
  8. Kreiranje i transformiranje varijabli [Compute, Count, Recode]
  9. Bivarijatna korelacija [Correlate Bivariate]; Pearsonov koeficijent korelacije; Kendallov tau-b koeficijent korelacije; Spearmanov koeficijent korelacije; Kovarijanca [Correlate Bivariate]; Parcijalna korelacija [Correlate Partial]; Linearna regresija [Regression Linear]
  10. Analiza varijance; post–hoc testovi [One-Way ANOVA]
  11. Uvjetni odabir slučajeva [Procedura IF]; Uvjetno transformiranje varijabli [Procedura IF]
  12. Procjena pouzdanosti indeksa i skala [Scale Reliability Analysis]
  13. Izrada grafičkih prikaza.
  14. Faktorska analiza [Factor]
  15. Multipla regresijska analiza [Regression Linear]

Ishodi učenja
  1. Formulirati cilj analize te osmisliti plan obrade podataka.
  2. Preurediti anketne podatke ili podatke iz drugih izvora podataka zahtjevima analize.
  3. Razlikovati statističke programske pakete i programske procedure primjerene različitim vrstama podataka/varijabli te ih primijeniti u statističkoj analizi.
  4. Analizirati podatke primjerenim statističkim pokazateljima te ih tablično ili grafički prezentirati.
  5. Analizirati podatke primjenom uobičajenih procedura univarijatne i bivarijatne statistike.
  6. Komentirati i donesti zaključke temeljem ispisa analiza statističkih programskih paketa.
  7. Prezentirati rezultate statističke analize sukladno znanstvenim smjernicama u društvenim znanostima.
Metode podučavanja
(1) Predavanja uz prezentaciju rada na računalu.
(2) Vježbe koje se izvode samostalnim radom polaznika(ica na računalu.
Metode ocjenjivanja
Ispit se može položiti kroz dva kolokvija, sredinom i na kraju semestra.

Polaznici koji ne pristupe kolokvijima ili ne polože oba kolokvija pristupaju ispitu u ispitnim rokovima. Provjera znanja ispitom i kolokvijima provodi se rješavanjem zadataka na računalu.

Kriteriji i način bodovanja na kolokvijima i ispitu unaprijed su definirani i poznati polaznicima/icama.

Obavezna literatura
  1. Nastavni materijali dostupni na sustavu Omega.
  2. Field, A. (2017). Discovering Statistics Using IBM SPSS Statistics (5th Edition). London, UK: SAGE Publications. (poglavlja 4, 5, 7, 8, 9, 10, 12, 18, 19)
  3. Klasnić, K., i Koletić, G. (2023). Osnove JASP-a za sociologe (i one koji se tako osjećaju). [u procesu objavljivanja]
Dopunska literatura
  1. Field, A. (2003). Discovering statistics using SPSS for Windows: Advanced techniques for the beginner. London, UK: SAGE Publications.
  2. Goss-Sampson, M. A. (2020). Statistical Analysis in JASP: A Guide for Students (4th ed.). (odabrana poglavlja)
  3. Navarro, D.J., Foxcroft, D.R., i Faulkenberry, T.J. (2019). Learning Statistics with JASP: A Tutorial for Psychology Students and Other Beginners. (odabrana poglavlja).
  4. Navarro, D.J., I Foxcroft, D.R. (2022). Learning statistics with jamovi: a tutorial for psychology students and other beginners. (odabrana poglavlja).

Obavezan predmet na studijima
  1. Sociologija, sveučilišni prijediplomski jednopredmetni studij, 4. semestar