Программа дисциплины «Современные методики социологического исследования» для направления 040200. 62 «Социология» подготовки магистров первого года обучения 

Вид материала

Программа дисциплины

Содержание 1 Область применения и нормативные ссылки 2 Цели освоения дисциплины 3 Компетенции обучающегося, формируемые в результате освоения дисциплины 4 Место дисциплины в структуре образовательной программы 5 Тематический план учебной дисциплины 6 Формы контроля знаний студентов 7 Содержание дисциплины 8.2 Критерии выставления оценки за текущий контроль 8.3 Вопросы для оценки качества освоения дисциплины 8.4 Критерии выставления оценки за промежуточный и итоговый контроль 9 Образовательные технологии 10 Порядок формирования оценок по дисциплине 11.1 Базовые учебники 11.2 Основная литература 11.3 Дополнительная литература

Подобный материал:

• Программа дисциплины «Программный пакет r и его применение в нейронных сетях и деревьях, 130.45kb.
• Рабочий план социологического исследования. Функции и основные элементы программы социологического, 17.2kb.
• Примерной программы наименование дисциплины: Современные социологические теории Рекомендуется, 169.92kb.
• Программа дисциплины «Методы анализа латентных признаков» для направления 040200., 268.76kb.
• Программа дисциплины «Социология культуры» для направления 040200. 62 «Социология», 532.71kb.
• Программа дисциплины «Социальная структура действия»  для направления 040200., 442.43kb.
• Программа дисциплины «Основы социологической теории и методологии» для направления, 231.19kb.
• Программа дисциплины правоведение  для направления/ специальности 040200. 62 «Социология», 496.85kb.
• Программа учебной дисциплины «Социология гендерных отношений и семьи» Для направления/специальности, 188.36kb.
• Программа дисциплины «Планирование и организация социологического исследования», 180.7kb.

Правительство Российской Федерации


Государственное образовательное бюджетное учреждение

высшего профессионального образования


Национальный исследовательский университет - Высшая школа экономики

Факультет социологии Санкт-Петербургского филиала

Кафедра методов и технологий социологических исследований


Программа дисциплины

«Современные методики социологического исследования»

для направления 040200.62 «Социология» подготовки магистров первого года обучения





Автор программы:

Понарин Э.Д., Ph.D. (Sociology), ponarin13@gmail.com


Одобрена на заседании кафедры

Зав. кафедрой

___________ проф. А.А. Вейхер

« » 20 г


Рекомендована секцией УМС

«___»____________ 20 г

Председатель

____________


Утверждена УС факультета

«___»_____________20 г.

Ученый секретарь

_______________

________________________ [подпись]


Санкт-Петербург, 2010/2011 уч. год

^ 1 Область применения и нормативные ссылки


Настоящая программа учебной дисциплины устанавливает минимальные требования к

знаниям и умениям студента и определяет содержание и виды учебных занятий и отчетности.

Программа предназначена для преподавателей, ведущих данную дисциплину, учебных

ассистентов и студентов направления подготовки/специальности 040200.62, обучающихся по магистерской программе «Современные методы и технологии в изучении социальных проблем общества» по специализации «Социология», изучающих дисциплину «Современные методики социологического исследования».


Программа разработана в соответствии с:


• Образовательной программой для направления 040200.62 «Социология» по магистерской программе «Современные методы и технологии в изучении социальных проблем общества»

• Рабочим учебным планом университета по направлению подготовки/ специальности 040200.62 по специализации «Социология», утвержденным в 201_г.


^ 2 Цели освоения дисциплины

Целями освоения дисциплины «Современные методики социологического исследования» является ознакомление слушателя с миром статистики на примерах, взятых из различных приложений в социальных науках и повседневной жизни. Усилия слушателя будут направлены на понимание метода, а не на сложные вычисления. В первой части курса слушатель научится решать статистические задачи с использованием SPSS, наиболее популярного статистического пакета в социальных науках. Во второй части курса слушатель будет решать задачи прикладного регрессионного анализа, используя язык статистического программирования R.


^ 3 Компетенции обучающегося, формируемые в результате освоения дисциплины

В результате освоения дисциплины студент должен:

Знать теоретические основы современных методов анализа данных;

Уметь анализировать данные, конструировать модели и находить смысл этих моделей с точки зрения социолога;

Обладать навыками применения техник статистического анализа данных на практических примерах.


В результате освоения дисциплины студент осваивает следующие компетенции:

Компетенция	Код по ФГОС/ НИУ	Дескрипторы – основные признаки освоения (показатели достижения результата)	Формы и методы обучения, способствующие формированию и развитию компетенции
Студент должен знать теоретические основы современных методов анализа данных	ОК-1	Необходимо иметь представление об основных теоретических и методологических направлениях анализа данных	Знакомство слушателей с теоретическими основами современных методов анализа данных, в т.ч. с методами описательной статистики, дисперсионным и регрессионным методами анализа
Студент должен уметь анализировать данные, конструировать модели и находить смысл этих моделей с точки зрения социолога	ОК-1	Необходимо применять освоенные статистические техники как с использованием программы SPSS, так и программного пакета R	Обучение слушателей техническим возможностям программы SPSS и R
Студент должен обладать навыками применения техник статистического анализа данных на практических примерах	ОК-1	Необходимо интерпретировать полученные результаты	Обучение слушателей основным принципам интерпретации полученных результатов

^ 4 Место дисциплины в структуре образовательной программы

Для специализаций 040200.62 «Социология» настоящая дисциплина является базовой.


Изучение данной дисциплины базируется на следующих дисциплинах:

• Теория вероятностей и математическая статистика
  
• Базовые компьютерные технологии исследовательской и проектной деятельности
  
• Современные методы сбора социологической информации
  

Для освоения учебной дисциплины, студенты должны владеть следующими знаниями и компетенциями:

• теоретическими и методологическими техниками анализа данных с использованием языка R
  
• практическими навыками построения моделей средства R
  
• интерпретировать полученные результаты
  

Основные положения дисциплины должны быть использованы в дальнейшем при изучении следующих дисциплин:

• Научно-исследовательский семинар «Методы обработки и представления социологических данных»
  
  ^ 5 Тематический план учебной дисциплины
  
  
  

№	Название раздела	Всего часов	Аудиторные часы		Самостоя­тельная работа
			Лекции	Семинары (практические занятия)
1	Задачи статистики	3	2	0	1
2	Простейшие операции в SPSS	4	0	2	2
3	Формальный статистический вывод и биномиальные задачи	6	2	2	2
4	Хи-квадрат	9	3	3	3
5	Нормальная переменная	16	4	6	6
6	Непараметрическая статистика	9	3	3	3
7	Линейная регрессия	18	6	6	6
8	Логарифмически линейные модели	10	3	3	4
Прикладной регрессионный анализ и генерализованные линейные модели
9	Принципы моделирования	3	2	0	1
10	Знакомство с R	8	0	4	4
11	Линейная регрессия в R	8	2	2	4
12	Дисперсионный анализ в R	8	2	2	4
13	Логистическая регрессия	8	2	2	4
14	Пуассоновская регрессия	8	2	2	4
15	Диагностика остатков	8	2	2	4
16	Многоуровневые линейные модели	8	2	2	4
	Итого:	134	37	41	56

^ 6 Формы контроля знаний студентов

Тип контроля	Форма контроля	Кафедра	Период проведения	Формат работы **	Объем, длительность	Проверяемые компетенции
Текущий	Контрольная работа			тестирование	40 минут
	Эссе				3-4 тыс. слов
	Реферат
	Коллоквиум			письменная работа	120 минут
	Домашнее задание	Методов и технологий социологических исследований	В течение всего курса
Промежу­точный	Зачет	Методов и технологий социологических исследований	8 неделя третьего модуля	Письменная работа	180 мин.	Овладение теоретическими основами прикладной статистики
	Экзамен			Письменный по билету, 2 вопроса и задача	90 мин.
Итоговый	Зачет	Методов и технологий социологических исследований	8 неделя четвертого модуля	Письменный	180 мин.	Овладение техниками методов прикладного регрессионного анализа

^ 7 Содержание дисциплины


Раздел состоит из лекций и практических занятий. В ходе практических занятий будут рассмотрены задачи, отвечающие по содержанию теоретической части, рассмотренной в лекции. Контроль успеваемости включает двенадцать домашних работ, две контрольные работы (зачеты) и курсовую работу. Курс рассчитан на 78 аудиторных часа.


1) Третий модуль: Введение в прикладную статистику


Лекция 1. Задачи статистики. Методы сбора данных. Уровни измерений и типы переменных (2 часа)

• генеральная совокупность и выборка;
  
• оценки параметров по выборке;
  
• номинальные (в т.ч. биномиальные);
  
• порядковые;
  
• равноинтервальные (метрические шкалы).
  

Лаборатория 1. Простейшие операции в SPSS (2 часа)

• Ввод данных;
  
• Получение двумерных таблиц;
  
• Получение одномерных графиков.
  

равноинтервальные (метрические шкалы).

Ввод данных. Получение частот, двумерных таблиц и одномерных графиков. (2 часа)


Лекция и лаборатория 2. Формальный статистический вывод на примере решения биномиальных задач. (3 часа)

• нулевая и альтернативная гипотезы;
  
• уровень значимости;
  
• биномиальное распределение.
  

Лекция и лаборатория 3. Хи-квадрат (6 часов)

• задачи с двумя биномиальными переменными;
  
• задачи со сложными номинальными переменными;
  
• задачи с порядковыми переменными.
  

Лекция и лаборатория 4. Анализ нормально распределённой переменной (6 часов)

• понятие о нормальном распределении;
  
• стандартизация и z-тест;
  
• Т-тест и доверительные интервалы;
  
• нормальная аппроксимация биномиального распределения.
  

Лекция и лаборатория 5. Непараметрическая статистика (6 часов)

• понятие о непараметрической статистике;
  
• сырые числа, знаки и ранги;
  
• знаковый тест;
  
• ранговые тесты (тесты Манна-Уитни и Уилкоксона).
  

Лекция и лаборатория 6. Многомерный анализ на примере линейной регрессии (6 часов)

• мультиколлинеарность и взаимодействие переменных;
  
• понятие о методе наименьших квадратов;
  
• многомерная регрессионная модель и частные коэффициенты;
  
• пошаговый поиск наилучшей модели;
  
• номинальная независимая переменная в регрессионных моделях;
  
• гетероскедастичность и метод взвешенных наименьших квадратов.
  

Лекция и лаборатория 7. Логарифмически линейные модели (6 часов)

• понятие о логарифмически линейных моделях;
  
• задачи с двумя биномиальными переменными;
  
• задачи со сложными номинальными и порядковыми переменными;
  
• многомерные задачи;
  
• критерии пригодности модели.
  

2)Четвертый модуль: Прикладной регрессионный анализ и генерализованные линейные модели


Лекция 1. Принципы моделирования: иерархичность, баланс точности и экономичности,
коллинеарность, взаимодействие переменных (2 часа)

• иерархичность;
  
• баланс точности и экономичности;
  
• коллинеарность;
  
• интерактивные эффекты;
  

Лаборатория 1. Знакомство с R: задачи из первого модуля в R (2 часа)

• язык R;
  
• задачи из первого модуля в R;
  

Лекция и лаборатория 2. Линейная регрессия в R (4 часа)

• линейная регрессия с номинальной переменной;
  
• панельные графики;
  

Лекция и лаборатория 3. Дисперсионный анализ в R (4 часа)

• однофакторный ДА;
  
• двухфакторный ДА;
  
• графическое представление данных ДА.
  

Лекция и лаборатория 4. Логистическая регрессия (4 часа)

• бинарная логистическая регрессия;
  
• разложение номинальной зависимой переменной на иерархическую серию бинарных переменных;
  
• мультиномиальная логистическая регрессия.
  

Лекция и лаборатория 5. Пуассоновская регрессия (4 часов)

• понятие о распределении Пуассона;
  
• регрессия с оффсетом;
  
• использование логарифмически линейных моделей для анализа таблиц сопряженности.
  

Лекция и лаборатория 6. Диагностика остатков (4 часов)

• гетероскедастичность;
  
• нелинейность;
  
• пошаговый и автоматизированный поиск наилучшей модели.
  

Лекция и лаборатория 7. Многоуровневые линейные модели (4 часов)

• многоуровневый дисперсионный анализ;
  
• многоуровневая регрессия с вариацией точек пересечения;
  
• многоуровневая регрессия с вариацией наклонов.
  

8 Оценочные средства для текущего, промежуточного и итогового контроля студента

8.1 Тематика заданий текущего контроля


Примерные вопросы/задания для зачетов, проводимых в письменной форме:


Вопросы для зачёта 1

На зачёте требуется уметь решить с помощью SPSS предложенные преподавателем три задачи, правильно выбрав нужный метод из следующего списка:

1. Биномиальный тест
   
2. Т-тест для одной выборки
   
3. Т-тест для парных выборок
   
4. Т-тест для независимых выборок
   
5. Знаковый тест
   
6. Тест Манна-Уитни
   
7. Тест Уилкоксона
   
8. Использование критерия хи-квадрат для анализа двумерных таблиц
   
9. Построение доверительного интервала для средней в генеральной совокупности для равноинтервальной переменной
   
10. Построение доверительного интервала для разницы между средними в генеральной совокупности для равноинтервальной переменной
    
11. Построение доверительного интервала для пропорции в генеральной совокупности
    
12. Построение доверительного интервала для разницы между пропорциями в генеральной совокупности
    
13. Нахождение минимально необходимого размера выборки при заданном уровне точности измерения
    

Вопросы для зачёта 2

На зачёте требуется уметь решить с помощью SPSS предложенные преподавателем две задачи:

14. Нахождение наилучшей регрессионной модели
    
15. Нахождение наилучшей логарифмически линейной модели
    

Требования к курсовой работе

Курсовая работа должна использовать многомерный анализ с помощью R и данные, находящиеся в публичном доступе, для ответа на вопрос, находящийся в сфере научных интересов слушателя.


^ 8.2 Критерии выставления оценки за текущий контроль


В рамках курса оценивается выполнение домашних работ и итоговый зачет по дисциплине. Домашние работы нацелены на выработку у студентов навыков решения конкретных задач и осознанного применения различных методов статистического анализа с использованием таких программ, как SPSS и R.

Курс завершается письменным зачетом и курсовой работой, целью которых является проверка усвоенных знаний студентов по всему курсу.

Оценки по всем формам текущего контроля выставляются по 10-ти балльной шкале. Итоговая оценка получается суммированием набранных студентом баллов по схеме:

0-3 баллов – «неудовлетворительно»;

4-5 баллов – «удовлетворительно»;

6-7баллов – «хорошо»;

8-10 баллов – «отлично».


^ 8.3 Вопросы для оценки качества освоения дисциплины

Примерный перечень вопросов к зачету по всему курсу для самопроверки студентов:

1. Биномиальный тест
   
2. Т-тест для одной выборки
   
3. Т-тест для парных выборок
   
4. Т-тест для независимых выборок
   
5. Знаковый тест
   
6. Тест Манна-Уитни
   
7. Тест Уилкоксона
   
8. Использование критерия хи-квадрат для анализа двумерных таблиц
   
9. Построение доверительного интервала для средней в генеральной совокупности для равноинтервальной переменной
   
10. Построение доверительного интервала для разницы между средними в генеральной совокупности для равноинтервальной переменной
    
11. Построение доверительного интервала для пропорции в генеральной совокупности
    
12. Построение доверительного интервала для разницы между пропорциями в генеральной совокупности
    
13. Нахождение минимально необходимого размера выборки при заданном уровне точности измерения
    
14. Нахождение наилучшей регрессионной модели
    
15. Нахождение наилучшей логарифмически линейной модели
    

^ 8.4 Критерии выставления оценки за промежуточный и итоговый контроль


Итоговая оценка включает в себя:


оценку участия в семинарских занятиях (обсуждение домашних заданий, проработка практических заданий) - 20%

оценку выполняемых домашних работ - 30 %

оценку за зачет - 20%

оценку за курсовую работу – 30%


^ 9 Образовательные технологии

В рамках курса используются следующие образовательные технологии: компьютеры, проекционное оборудование, разбор практических задач с использованием программных разработок SPSS и пакета R.

В рамках курса предусмотрены групповые дискуссии с обсуждением результатов домашних работ. Проведение зачета предусмотрено в письменной форме с решением одной из задач, предложенных преподавателем.


^ 10 Порядок формирования оценок по дисциплине

Преподаватель оценивает работу студентов на семинарских и практических занятиях. Итоговая оценка по учебной дисциплине складывается из следующих элементов:

Работа на семинарах (обсуждение домашних заданий, проработка практических заданий) - 20%

Домашние задания - 30 %

Письменный зачет - 20%

Курсовая работа – 30%

Оценки за работу на семинарских и практических занятиях преподаватель выставляет в рабочую ведомость. Результирующая оценка по 10-ти балльной шкале за работу на семинарских и практических занятиях определяется перед промежуточным или итоговым контролем - О_{аудиторная}.

Преподаватель оценивает самостоятельную работу студентов: исходя из объема знаний, накопленного в ходе изучения дисциплины. Оценки за самостоятельную работу студента преподаватель выставляет в рабочую ведомость. Результирующая оценка по 10-ти балльной шкале за самостоятельную работу определяется перед промежуточным или итоговым контролем – О_{сам. работа}.


Результирующая оценка за текущий контроль учитывает результаты студента по текущему контролю следующим образом:

О_{текущий} = n₁·О_{семинары} + n₂·О_дз + n₃·О_посещ ;


Результирующая оценка за итоговый контроль в форме зачета выставляется по следующей формуле, где О_зачет – оценка за работу непосредственно на зачете:


О_{итоговый} = k₁·О_зачет + k₂·О_{текущий} + k₃·О_{сам. работа} + k₄·О_{аудиторная}


В диплом выставляет результирующая оценка по учебной дисциплине, которая формируется по следующей формуле:

О_{дисциплина} = k₁·О_{текущий} + k₂·О_{промежуточный}


11 Учебно-методическое и информационное обеспечение дисциплины


^ 11.1 Базовые учебники

1. Agresti, Alan and Barbara Finlay. Statistical Methods for the Social Sciences (4^th edition). Prentice Hall, 2008.
   
2. Fox, John. An R- and S-plus Companion to Applied Regression. Sage Publications, 2002.
   

^ 11.2 Основная литература

1. Понарин Э.Д. Введение в анализ данных. СПб., изд-во Европейского университета, 2002.
   
2. Крыштановский А.О. Анализ социологических данных. М., ГУ ВШЭ, 2007.
   
3. Norusis, M. SPSS 16.0 Guide to Data Analysis. Prentice Hall, 2008.
   

^ 11.3 Дополнительная литература

1. Gelman, Andrew and Jennifer Hill. Data Analysis Using Regression and Multilevel/Hierarchical Models. Cambridge University Press, 2006.
   
2. Бююль А., Цёфель, П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. СПб, Диасофт, 2005.
   

11.3 Программные средства

Для успешного освоения дисциплины, студент использует следующие программные средства:

• Программный пакет SPSS
  
• программный пакет R
  

12 Материально-техническое обеспечение дисциплины

В рамках курса используются следующие образовательные технологии: компьютеры, проекционное оборудование, разбор практических задач с использованием программных разработок пакетов SPSS и R.

Автор программы: /Ф.И.О./Понарин Э.Д.