Аспирантура
2020/2021




Методология исследования и базовая статистика
Статус:
Курс обязательный
Направление:
44.06.01. Образование и педагогические науки
Кто читает:
Институт образования
Когда читается:
1-й курс, 1 семестр
Формат изучения:
без онлайн-курса
Преподаватели:
Захаров Андрей Борисович,
Минина Елена Владимировна,
Нисская Анастасия Константиновна
Язык:
русский
Кредиты:
4
Контактные часы:
44
Программа дисциплины
Аннотация
Дисциплина «Методология исследования и базовая статистика» относится к циклу дисциплин по выбору и изучается на 1-м году обучения. Обучение в рамках данного блока не требует предварительной подготовки сверх тех навыков и способностей, которые необходимы для поступления в аспирантскую школу по образованию (знание базовой статистики). Основные положения дисциплины должны быть использованы в дальнейшем при изучении дисциплин: • Разработка инструментов измерения, • Углубленная психометрика, • Углубленная статистика.
Цель освоения дисциплины
- Целями освоения дисциплины «Методология исследования и базовая статистика» являются: ● дать аспирантам четкое понимание принципов исследовательского дизайна и базовых статистических понятий; ● ознакомить с основными качественными и количественными методологическими парадигмами; ● развить умения формировать выборку, а также применять методы описательной статистики и статистического вывода, включая корреляционный и регрессионный анализ.
Планируемые результаты обучения
- понимать принципы научного исследования
- знать различия между качественными, количественными и смешанными методами
- уметь формулировать эмпирически проверяемые вопросы для количественных исследований и гипотезы для различных исследовательских задач
- уметь выбирать инструменты измерения для различных исследовательских задач
- уметь вычислять описательные статистики
- уметь выдвигать статистические гипотезы, соответствующие различным исследовательским вопросам
- понимать, чем отличаются различные вероятностные и невероятностные способы формирования выборки и каковы их сильные стороны
- понимать сильные и слабые стороны исследовательских дизайнов, наиболее часто используемых в исследованиях в образовании
- уметь вычислять и интерпретировать размер эффекта
- уметь учитывать выборочные весы при различных способах организации выборки
- понимать сильные и слабые стороны корреляционных исследований
- понимать сильные и слабые стороны лонгитюдных исследований
- применять теорию причинно-следственного вывода для решения исследовательских задач
- понимать сильные и слабые стороны доэкспериментальных дизайнов
- понимать сильные и слабые стороны рандомизованных контролируемых дизайнов
- осуществлять рандомизованное контролируемое исследование
- понимать сильные и слабые стороны дизайна прерванных временных серий
- понимат сильные и слабые стороны дизайна разорванной регрессии
- использовать способы балансировки данных в неэкспериментальном дизайне
- использовать различные способы мэтчинга
Содержание учебной дисциплины
- Общее представление о научном исследованииФилософия о науке и научном методе. Позитивизм и постпозитивизм. Номотетическая и идиографическая стратегия исследований. Задачи исследований в социальных науках. Этические стандарты исследований с людьми, этические комиссии. Защита прав участников исследований: информированное согласие, конфиденциальность.
- Количественная и качественная парадигмыОбщее представление о количественной и качественной парадигмах: их методологические различия, исследовательские задачи и процедуры. Исследование в количественной парадигме: обзор основных дизайнов. Смешанные исследования.
- Проблемы исследования, вопросы и гипотезыТеоретические обзоры: задачи, процедуры и применение в науке. Обнаружение проблем исследования. Формулировка исследовательских вопросов и гипотез: хорошие и плохие гипотезы. Теория как мост от исследовательского вопроса к проверяемой гипотезе.
- Переменные и измерительные шкалыВиды переменных и их место в научном исследовании: а) наблюдаемые и латентные, б) независимые, зависимые и побочные, г) предикторы, критерии и ковариаты, медиаторы и модераторы. Типичные переменные в социальных исследования. Виды шкал: номинативные, порядковые, интервальные, отношений. Параметрические и непараметрические статистики.
- Характеристики количественных данныхРезультат измерения как случайная величина: непрерывные и дискретные величины. Генеральная совокупность и выборка. Теоретические и эмпирические распределения. Распределение одной, двух и множества переменных. Описательные статистики: меры центральной тенденции и меры разброса, асимметрия и эксцесс. Нормальное распределение: свойства и критерии диагностики. Стандартное нормальное распределение и его вероятностная интерпретация.
- Проверка статистических гипотезСтатистическая гипотеза: определение. Подход с проверкой нулевой гипотезы: нулевая и альтернативная гипотеза, процедура проверки и критерии принятия решений. Односторонние и двусторонние гипотезы. Квантили, критические значения и наблюдаемые значения статистик, уровень значимости. Новая статистика: размеры эффекта, доверительные интервалы и их связь с проверкой гипотез. Ошибки первого и второго рода и связанные с ними риски.
- Размер эффекта и статистическая мощностьПонятие размера эффекта. Основные семейства размеров эффекта: корреляция, различие средних, соотношение шансов, доля объясненной дисперсии. Способы перевода размера эффекта в другие единицы. Оценка величины размера эффекта. Понятие и задачи мета-анализа. Понятие статистической мощности: основные задачи анализа мощности. Анализ мощности в GPower.
- ВыборкиСвойства и задачи выборки. Критерии качества выборки: репрезентативность и точность выборочных оценок. Выборочная ошибка. Единицы выборки: наблюдения и кластеры. Невероятностные и вероятностные стратегии построения выборок. Невероятностные стратегии: удобная выборка, целевая выборка, метод снежного кома, самоотбор. Систематические стратегии.
- Вероятностные стратегии и комплексные выборкиЦелевые и доступные генеральные совокупности. Простая случайная выборка с возвращением и без. Стратифицированная случайная выборка. Кластерная случайная выборка. Двухэтапная процедура построения выборки. Комплексные выборки. Оценка влияния кластеров на выборочную ошибку и эффективный объём выборки, расчёт эффекта дизайна. Выборочные веса: теория и процедуры.
- Валидность научного исследованияПонятие внутренней и внешней валидности. Основные угрозы внутренней и внешней валидности. Роль валидности статистического вывода. Понятие валидности измерительного инструмента: валидность инструмента и валидность исследования.
- Коэффициенты корреляции и корреляционные исследованияОписательные исследования. Корреляция и каузальность. Параметрические и непараметрические коэффициенты корреляции: допущения и источники ошибки. Проблемы корреляционных исследований (выбросы, надежность измерения, аггрегация, проблема третьей переменной). Коэффициент детерминации. Общее представление о регрессионных моделях.
- Дизайны корреляционных исследованийДизайны без воздействия. Срезовые дизайны: основные исследовательские вопросы и угрозы валидности. Лонгитюдные дизайны и временные серии: основные исследовательские вопросы и угрозы валидности. Иерархические структуры данных и общее представление о задачах многоуровневых методов. Исследования без воздействия на одном наблюдении: исследование значимого случая. Исторические исследования.
- Теория причинно-следственного выводаНеобходимые условия причинности. Каузальная модель Неймана-Рубина: единицы, воздействия, потенциальные следствия. Что такое эффект: ITE, ATE, ATT, ATU. SUTVA. Способы назначения: unconfounded, ignorable и non-ignorable. Проблема эндогенности и ошибки: почему рандомизованный эксперимент является «золотым стандартом» в каузальном анализе.
- Угрозы внутренней валидности и доэкспериментальные дизайныУгрозы внутренней валидности. Доэкспериментальные (слабые) дизайны и как они обходятся с этими угрозами: дизайн с пост-тестом на одной группе, дизайн на одной группе с претестом и пост-тестом, дизайны с неэквивалентными группами, отсутствующим воздействием, повторным воздействием, case-control.
- Рандомизованные контролируемые дизайныРандомизованные контролируемые дизайны и угрозы внутренней валидности: дизайн с посттестом и контрольной группой, дизайн с претестом и посттестом и контрольной группой, множественные воздействия и контрольные группы, факторные дизайны, дизайны с повторными измерениями, лонгитюдные дизайны. Ситуации, когда рандомизация желательна и затруднена.
- Шаги в осуществлении рандомизованного контролируемого исследованияРазработка исследовательского вопроса. Выбор генеральной совокупности и стратегии построения выборки. Варианты рандомизации: простая, кластерная, стратифицированная. Оценка минимального выявляемого размера эффекта и статистической мощности для разных вариантов дизайна. Как организовать воздействие: наличие воздействия, разные виды воздействий, дозировка (уровни) воздействия. Достоверность (fidelity). Оценка эффекта воздействия.
- Дизайн прерванных временных серийСтруктура дизайна прерванных временных серий. Изменения наклона (slope) и остаточного среднего (intercept). Отложенные эффекты. Осложнение дизайна дополнительными условиями. Частые проблемы дизайна прерванных временных серий.
- Дизайн разорванной регрессииОбщая структура дизайна. Разорванная регрессия как эффект воздействия в рандомизованном контролируемом эксперименте. Моделирование разорванной регрессии. Соответствие точки отсечения. Неточная разорванная регрессия. Дизайн разорванной регрессии и угрозы внутренней валидности.
- Балансировка данных при помощи propensity scores, взвешиваниеСпособы балансировки данных в неэкспериментальном дизайне. Conditional ignorability. Проблема размерности и свойства propensity scores. Способы анализа с использованием propensity scores. Оценка propensity scores: определение ковариатов и выбор корректной модели. Многомерный анализ с использованием propensity scores в качестве весов.
- Стратификация и мэтчингТехники мэтчинга: разные виды «жадного мэтчинга», оптимальный мэтчинг. Баланс и common support. Диагностика баланса. Анализ на парных (matched) выборках: техники и выбор ковариатов. Стратификация при помощи propensity scores и анализ внутри страт. Угрозы внутренней валидности при использовании propensity scores.
Промежуточная аттестация
- Промежуточная аттестация (I семестр)0.5 * Контрольная работа + 0.5 * Экзамен
Список литературы
Рекомендуемая основная литература
- Cohen, L., Manion, L., & Morrison, K. (2018). Research Methods in Education (Vol. Eighth edition). New York: Routledge. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1614634
Рекомендуемая дополнительная литература
- Batchelder, J. S., & Rachal, J. R. (2000). Efficacy of a Computer-Assisted Instruction Program in a Prison Setting: An Experimental Study. Adult Education Quarterly, 50(2), 120. https://doi.org/10.1177/07417130022086946
- Brian A. Jacob, & Lars Lefgren. (2004). Remedial Education and Student Achievement: A Regression-Discontinuity Analysis. The Review of Economics and Statistics, (1), 226. https://doi.org/10.1162/003465304323023778
- Clark, M., & Cundiff, N. (2011). Assessing the Effectiveness of a College Freshman Seminar Using Propensity Score Adjustments. Research in Higher Education, 52(6), 616–639. https://doi.org/10.1007/s11162-010-9208-x
- Colm O’Muircheartaigh, & Larry V. Hedges. (2014). Generalizing from unrepresentative experiments: a stratified propensity score approach. Journal of the Royal Statistical Society Series C, (2), 195. https://doi.org/10.1111/rssc.2014.63.issue-2
- Greifeneder, R., Alt, A., Bottenberg, K., Seele, T., Zelt, S., & Wagener, D. (2010). On writing legibly: Processing fluency systematically biases evaluations of handwritten material. https://doi.org/10.1177/1948550610368434
- Morgan, P. L., Frisco, M., Farkas, G., & Hibel, J. (2008). A Propensity Score Matching Analysis of the Effects of Special Education Services. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.F1834341
- Multilevel analysis of individuals and cultures. (2008). Erlbaum. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsnar&AN=edsnar.oai.tilburguniversity.edu.publications.8debce94.6854.4edd.b0f6.8bae61fccd4c
- Rajeev H. Dehejia, & Sadek Wahba. (2002). Propensity Score-Matching Methods For Nonexperimental Causal Studies. The Review of Economics and Statistics, (1), 151. https://doi.org/10.1162/003465302317331982