FF:HUMB002 Experimental Humanities II - Informace o předmětu
HUMB002 Experimental Humanities II
Filozofická fakultajaro 2017
- Rozsah
- 1/1. 5 kr. Ukončení: k.
- Vyučující
- Mgr. Bc. Pavla Horká Linhartová, Ph.D. (přednášející), Mgr. et Mgr. Eva Kundtová Klocová, Ph.D. (zástupce)
Mgr. et Mgr. Radek Kundt, Ph.D. (náhr. zkoušející)
Mgr. et Mgr. Eva Kundtová Klocová, Ph.D. (přednášející)
doc. Mgr. Čeněk Šašinka, Ph.D. (náhr. zkoušející)
Mgr. Roman Švaříček, Ph.D. (náhr. zkoušející) - Garance
- doc. PhDr. David Zbíral, Ph.D.
Ústav religionistiky – Filozofická fakulta
Kontaktní osoba: Mgr. Šárka Londa Vondráčková
Dodavatelské pracoviště: HUME Lab - Laboratoř pro experimentální humanitní vědy – Účelová zařízení – Filozofická fakulta - Rozvrh
- Po 17:30–20:45 L11
- Předpoklady
- English language comprehension
- Omezení zápisu do předmětu
- Předmět je určen pouze studentům mateřských oborů.
Předmět si smí zapsat nejvýše 20 stud.
Momentální stav registrace a zápisu: zapsáno: 0/20, pouze zareg.: 0/20
Jiné omezení: Zápis je podmíněn souhlasem vyučujících. - Mateřské obory/plány
- Anglický jazyk a literatura (angl.) (program FF, N-FI)
- Anglický jazyk a literatura (program FF, N-FI) (3)
- Anglický jazyk a literatura (program FF, N-HS)
- Filozofie (program FF, N-HS)
- Filozofie (program FF, N-PH) (2)
- Pedagogika (program FF, N-HS)
- Pedagogika (program FF, N-PD) (3)
- Psychologie (program FF, M-PS) (2)
- Religionistika (program FF, D-PH4) (2)
- Religionistika (program FF, N-HS)
- Religionistika (program FF, N-PH) (2)
- Cíle předmětu
- The aim of the course is to prepare students for individual experimental research and data analysis, using hands-on approach and practical excercises in the methods statistical analysis.
The students will learn to:
understand statsitics as a part of research methodology and the elementary statistical concepts used in experimental research; learn to prepare data for analysis, compute elementary statitsics, test elementary hypotheses - Osnova
- Meeting 1
- Lecture: Variables and levels of measurement. Frequencies and distributions. Measures of central tendency and variability.
- Practice: Frequencies presentation, distribution interpretation, computing measures of central tendency and variability.
- Meeting 2
- Lecture 1: z-scores and other standardized scores, characteristics of normal distribution.
- Practice 1: Computing and interpreting z-scores and other standardized scores.
- Lecture 2: Correlation and simple linear regression.
- Practice 2: Computing and interpreting correlation and simple linear regression.
- Meeting 3
- Lecture: Statistical induction, confidence intervals, hypothesis testing, significance level, type I and type II errors.
- Practice: Computing confidence intervals and one-sample and independent samples t-tests using Excel.
- Meeting 4
- Test 1 (levels of measurement, frequencies, distributions, measures of central tendency and variability, z-scores and other standardized scores, correlation, simple linear regression).
- Practice 1: Basic SPSS practice (writing data matrix, values and labels, computing and recoding variables, select cases and split file, syntax).
- Practice 2: Descriptive statistics (Frequencies, Descriptives and Explore) in SPSS. Finding and handling mistakes in data and missing data. Correlation in SPSS.
- Lecture: Overview of statistical tests, parametric and non-parametric tests.
- Meeting 5
- Test 2 (confidence intervals and hypothesis testing using Excel, choosing appropriate statistical test).
- Practice 1: T-tests in SPSS.
- Practice 2: Linear regression (multiple and hierarchical) in SPSS.
- Meeting 6
- Lecture: Analysis of variance (ANOVA).
- Practice: Practicing ANOVA in SPSS.
- Meeting 7
- Lecture 1: Analysis of categorical data.
- Practice 1: Computing chi-square test, categorical data analysis in SPSS.
- Lecture 2: Other non-parametric tests.
- Practice 2: Other non-parametric tests in SPSS.
- Meeting 8
- Lecture 1: Methodology and statistics. Indicators of effect size. Interpreting significance level and effect sizes. Principles of causality.
- Lecture 2: Correct presentation of statistical analysis.
- Practice: Practicing analysis in SPSS, figuring out practical problems we can encounter during real data analysis.
- Course paper topics assignment.
- Výukové metody
- Lectures, presentations by professionals
Practical/Lab excercises
Preparation of research project/course paper
Presentation of projects and discussion - Metody hodnocení
- Minimum 60 points to pass the course.
- Meetings consist of theoretical lectures and practical exercises. Maximum one absence is allowed.
- Test 1 = 20 points
- Test 2 = 20 points
- Course paper = 15 points
- Fixal exam = 45 points - Vyučovací jazyk
- Angličtina
- Další komentáře
- Studijní materiály
Předmět je vyučován každoročně.
- Statistika zápisu (nejnovější)
- Permalink: https://is.muni.cz/predmet/phil/jaro2017/HUMB002