ZURn4108 Deskriptivní analýza kvantitativních dat Výuka: pátek, 10:00–11:40, PC25 Vyučující: Mgr. Lucie Čejková, luc.cejkova@mail.muni.cz Mgr. Klára Smejkal, klara.smejkal@mail.muni.cz Mgr. et Mgr. Karolína Bieliková k.bielikova@mail.muni.cz Komunikaci směřujte primárně na Lucii Čejkovou. Konzultace: po předchozí domluvě Anotace Kurz se zaměřuje na základní postupy zpracování a deskriptivní analýzy kvantitativních dat. Výuka probíhá formou seminářů a cvičení. Úvodní hodiny poskytují základní vhled do problematiky kvantitativního výzkumu, přibližují jeho základní koncepty, seznamují studující s uživatelským prostředím počítačových programů MS Excel a IBM SPSS Statistics a také s postupy zpracování a přípravy dat před analýzou (vytvoření datové matice, zavádění a čištění dat, exporty a importy dat, operace se soubory, vytváření nových proměnných, selekce případů apod.). Ve druhé části se kurz zaměřuje na základní postupy deskriptivní analýzy dat (univariační analýza, třídění pomocí kontingenčních tabulek). Závěr kurzu je věnován problematice vytváření zprávy z analýzy, náležitostem grafického zobrazení dat a úvodu do inferenční statistiky. · SPSS ke stažení zde: https://it.muni.cz/sluzby/software/ibm-spss-statistics · MS Excel ke stažení zde: https://it.muni.cz/sluzby/microsoft-excel Budete-li pracovat s vlastním počítačem, stáhněte si prosím SPSS a Excel co nejdříve po začátku výuky, nejpozději však před třetím setkáním v rámci tohoto předmětu. Pokud narazíte na potíže při stažení nebo instalaci, obraťte se prosím na Centrum informačních a komunikačních technologií FSS (cikt@fss.muni.cz), případně na vyučující kurzu. Cíle kurzu a výstupy z učení Cílem kurzu je seznámit studující se základy práce s kvantitativními daty a představit jim základní postupy deskriptivní analýzy kvantitativních dat, které se používají v mediálně-vědním výzkumu za pomoci programů MS Excel a SPSS. Kurz má studující vybavit znalostmi a schopnostmi, které jim umožní samostatně zpracovat základní vhled do kvantitativních dat (vytvořit základní popis a shrnutí vlastností zkoumaného souboru a jednotlivých proměnných). Kurz také poskytuje vstupní předpoklady pro pokročilejší analytickou prací. Po absolvování kurzu budou studující schopni: · v prostředí programů MS Excel a IBM SPSS Statistics exportovat a importovat data a datové sety, vytvořit datovou matici, čistit a transformovat data; · používat statistický program IBM SPSS Statistics pro účely základní deskriptivní analýzy kvantitativních dat; · prokázat se znalostí základních konceptů a analytických postupů používaných v deskriptivní analýze kvantitativních dat a aplikovat je pro potřeby řešení vlastního analytického úkonu; · provést univariační analýzu a třídit kategorické proměnné pomocí kontingenčních tabulek; · shrnout výsledky formou krátkého reportu s použitím odpovídajících grafických prostředků zobrazení dat. Podmínky pro ukončení kurzu Kurz je ukončen zápočtem. Nutnými podmínkami pro získání zápočtu jsou: · maximálně dvě neomluvené absence na setkáních. · Úspěšné vypracování všech osmi průběžných praktických úkolů. Průběžné praktické úkoly bude nutné plnit každý týden od setkání ve 3. týdnu. Odevzdání úkolů je povinné. Konkrétní zadání pro daný týden najdete vždy ve studijních materiálech předmětu. Úkoly se odevzdávají vždy do půlnoci následující středy do příslušné odevzdávárny v ISu. Například úkol zadaný ve 3. týdnu (pátek 8. března) tak bude mít termín odevzdání následující středu (13. března) atd. Konkrétní datum odevzdání pro každý z úkolů najdete rovněž v zadání v ISu. Úkoly nejsou bodované, ale každý praktický úkol bude hodnocen jako přijat/nepřijat. · Vypracování závěrečného praktického úkolu. Konkrétní zadání závěrečného praktického úkolu bude zveřejněno ve studijních materiálech na konci dubna. Závěrečný praktický úkol se odevzdává do středy 22. května do příslušné odevzdávárny v ISu. Závěrečný praktický úkol bude hodnocen jako přijat/nepřijat. V případě nepřijetí úkolu bude možnost jedné opravy. Domluva na termínu odevzdání opravy závěrečného úkolu bude individuální. · Zisk minimálně 60 % bodů v závěrečném testu s uzavřenými (10 otázek) a otevřenými (2 otázky) otázkami. Test bude ověřovat znalost základních teoretických konceptů probíraných v kurzu. Nepůjde tedy o počítání příkladů nebo „klikání“ v SPSS, ale o porozumění pojmům. Test se uskuteční v průběhu zkouškového období prezenčně v počítačové učebně na FSS. Termíny zkoušky budou vyhlášeny s předstihem a v souladu se studijním řádem. Studující mají možnost využít jednoho řádného a dvou opravných termínů. Možnost uznání kurzu V případě, že studující již absolvoval*a podobně zaměřený kurz, je možné si předmět ZURn4108 Deskriptivní analýza kvantitativních dat nechat uznat, a to po schválení vyučujícími tohoto kurzu. Pokud máte zájem o uznání kurzu, zašlete nejpozději do konce období změn v zápisu předmětů (tj. do 3. 3. 2024) na e-mailovou adresu Lucie Čejkové (luc.cejkova@mail.muni.cz) následující údaje: · jméno, příjmení, UČO; · doklad o absolvování kurzu: o pokud se jednalo o kurz na MU, výpis známek z ISu obsahující dříve absolvovaný kurz či kurzy (Student → Konec semestru → Získané známky → Zobrazit hodnocení za všechna období studia → v dolní části stránky možnost Výpis známek); o pokud se jednalo jiný kurz, je třeba doložit jakýkoli jiný doklad – například certifikát, potvrzení o úspěšném absolvování kurzu apod.; · obsah absolvovaného kurzu: o pokud se jednalo o univerzitní předmět, doložte prosím sylabus; o pokud se jednalo o jiný kurz, doložte osnovu či přehled obsahu kurzu. Po přijetí e-mailu vyhodnotíme zaslané materiály a ozveme se s informací, zda jsou zaslané podklady dostačující pro uznání kurzu. Pokud bude kurz uznán, studující dostane zápočet bez nutnosti splnit podmínky pro ukončení kurzu. Bude-li mít zájem, může navštěvovat kurz i nadále (nebo si např. přijít „osvěžit“ jen některá z témat), nebude se však nijak počítat absence. Osnova kurzu 1. týden (23. 2.): Úvod: Sylabus, způsoby ukončení kurzu; cíle a obsah kurzu seznámení s obsahem kurzu a výukovými metodami, požadavky na ukončení 2. týden (1. 3.): Kvantitativní výzkum a empirická kvantitativní data logika kvantitativního výzkumu, kauzalita a korelace, hromadná data, popisná (deskriptivní) a inferenční statistika, měření, proměnná, typy proměnných a úrovně měření, zdroje hromadných dat týkající se médií Povinná literatura: · MAREŠ, Petr, Ladislav RABUŠIC a Petr SOUKUP. 2019. Statistická analýza sociálněvědních dat (prostřednictvím SPSS). Brno: Masarykova univerzita. Kapitoly: Hromadná data, Soubory a způsoby výběru jednotek, Měření (str. 24-40). · FIELD, Andy P. 2018. Discovering statistics using IBM SPSS statistics. Los Angeles: Sage. Kapitoly: Collecting data: measurement (str. 9-16), Collecting data: research design (str. 16-22). Doporučená literatura: · BABBIE, Earl R. 2013. The practice of social research. Australia: Wadsworth Cengage Learning. Kapitoly: Levels of Measurement (str. 180-184). · POSPÍŠILOVÁ, Marie. 2019. Česká a mezinárodní kvantitativní data týkající se sledování médií – zdroje a jejich využitelnost. Mediální studia, 13(2), 193-202. · TRAMPOTA, Tomáš. 2014. „Statistika ve studiu mediální komunikace“ (pp. 255-266) in HENDL, Jan (ed.) Statistika v aplikacích. Portál: Praha. 3. týden (8. 3.): Základy práce s daty v MS Excel prostředí MS Excel, matice dat, jednoduché výpočty, zabudované funkce, import a export dat, čištění dat, jednoduché deskriptivní charakteristiky, vytváření grafů; zadání 1. úkolu Povinná příprava: · Microsoft Excel Tutorial - Beginners Level 1 https://www.youtube.com/watch?v=k1VUZEVuDJ8 (především vše od 18. minuty dál) · Microsoft Excel Tutorial - Beginners Level 2 https://www.youtube.com/watch?v=bhZckWTLkJM&t=284s (především vše do 13. minuty) 4. týden (15. 3.): Základy práce v IBM SPSS Statistics prostředí IBM SPSS Statistics, matice dat, import a export dat, tvorba a úprava proměnných, nastavení parametrů proměnných, čištění dat, výběr případů; zadání 2. úkolu Povinná literatura: · MAREŠ, Petr, Ladislav RABUŠIC a Petr SOUKUP. 2019. Statistická analýza sociálněvědních dat (prostřednictvím SPSS). Brno: Masarykova univerzita. Kapitola: Práce s hromadnými daty před analýzou (str. 51-73). Doporučená literatura · FIELD, Andy P. 2018. Discovering statistics using IBM SPSS statistics. Los Angeles: Sage. Kapitola: The IBM SPSS Statistic environment (str. 136-171). 5. týden (22. 3.): Základy univariační analýzy rozložení kategorických a spojitých dat, míry centrální tendence a míry variability, popisné ukazatele – percentily, decily, kvartily, intervaly, modus, medián, průměr, histogram, čištění dat; zadání 3. úkolu Povinná literatura: · MAREŠ, Petr, Ladislav RABUŠIC a Petr SOUKUP. 2019. Statistická analýza sociálněvědních dat (prostřednictvím SPSS). Brno: Masarykova univerzita. Kapitola: Základy jednorozměrné analýzy (str. 75-122). Doporučená literatura: · FIELD, Andy P. 2018. Discovering statistics using IBM SPSS statistics. Los Angeles: Sage. Kapitola: Analysing data (str. 22-40) · BABBIE, Earl R. 2013. The practice of social research. Australia: Wadsworth Cengage Learning. Kapitola: Univariate analysis (str. 418-426). · GIBLISCO, Stan. 2009. Statistika bez předchozích znalostí. Brno: Computer press. Kapitoly: Základní pojmy (str. 35-55), Popisné ukazatele (str. 81-100). · HENDL, Jan. 2015. Přehled statistických metod: analýza a metaanalýza dat. Praha: Portál. Kapitoly: Organizace dat a jejich kontrola, scházející údaje (str. 81-85), Grafický a číselný popis rozložení dat (str. 91-119). BERKMAN, Elliot T. a Steven Paul REISE. 2012. A conceptual guide to statistics using SPSS. Los Angeles: Sage. Kapitola: Descriptive statistics (str. 5-18). 6. týden (29. 3.): Státní svátek – není výuka 7. týden (5. 4.): Transformace a vytváření proměnných, práce s různými typy proměnných změna kódovacího schématu proměnné, přetočení stupnice, vytváření nových proměnných ze stávajících proměnných, rozdělení datasetu, výběr případů; zadání 4. úkolu Povinná literatura: · MAREŠ, Petr, Ladislav RABUŠIC a Petr SOUKUP. 2019. Statistická analýza sociálněvědních dat (prostřednictvím SPSS). Brno: Masarykova univerzita. Kapitoly: Procedura Recode, Vytvoření nové proměnné (str. 177-201). Doporučená literatura: · HENDL, Jan. 2015. Přehled statistických metod: analýza a metaanalýza dat. Praha: Portál. Kapitola: Transformace dat, standardizace (str. 110-113). · MAREŠ, Petr, Ladislav RABUŠIC a Petr SOUKUP. 2019. Analýza sociálněvědních dat (prostřednictvím SPSS). Brno: Masarykova univerzita. Kapitola: Vychýlený výběr a co s ním (str. 201-206). 8. týden (12. 4.): Třídění pomocí kontingenčních tabulek I. srovnávání podskupin, kategorická data, kontingenční tabulka; zadání 5. úkolu Povinná literatura: · BABBIE, Earl R. 2013. The practice of social research. Australia: Wadsworth Cengage Learning. Kapitoly: Subgroup comparisons (str. 426-427), Bivariate analysis (str. 430-434). · MAREŠ, Petr, Ladislav RABUŠIC a Petr SOUKUP. 2019. Statistická analýza sociálněvědních dat (prostřednictvím SPSS). Brno: Masarykova univerzita. Kapitola: Základy dvourozměrné analýzy kategoriálních proměnných (str. 243-252). Doporučená literatura: · HENDL, Jan. 2015. Přehled statistických metod: analýza a metaanalýza dat. Praha: Portál. Kapitola: Závislost kategoriálních proměnných (str. 315-334). · BERKMAN, Elliot T. a Steven Paul REISE. 2012. A conceptual guide to statistics using SPSS. Los Angeles: Sage. Kapitola: The Chi-Squared Test for Contingency Tables (str. 19-32). 9. týden (19. 4.): Třídění pomocí kontingenčních tabulek II. třídění třetího stupně, praktická cvičení, grafické zobrazení; zadání 6. úkolu Povinná literatura: · BABBIE, Earl R. 2013. The practice of social research. Australia: Wadsworth Cengage Learning. Kapitoly: Subgroup comparisons (str. 426-427), Bivariate analysis (str. 430-434). · MAREŠ, Petr, Ladislav RABUŠIC a Petr SOUKUP. 2019. Statistická analýza sociálněvědních dat (prostřednictvím SPSS). Brno: Masarykova univerzita. Kapitola: Základy dvourozměrné analýzy kategoriálních proměnných (str. 243-252). Doporučená literatura: · HENDL, Jan. 2015. Přehled statistických metod: analýza a metaanalýza dat. Praha: Portál. Kapitola: Závislost kategoriálních proměnných (str. 315-334). · BERKMAN, Elliot T. a Steven Paul REISE. 2012. A conceptual guide to statistics using SPSS. Los Angeles: Sage. Kapitola: The Chi-Squared Test for Contingency Tables (str. 19-32). 10. týden (26. 4.): Opakování a cvičení praktická cvičení na témata navržená studujícími; zadání 7. úkolu 11. týden (3. 5.): Vytváření zprávy z deskriptivní analýzy dat a kontingenčních tabulek: Grafické výstupy, tabulky a textové reporty náležitosti odborného stylu a slovního projevu ve výzkumné zprávě, náležitosti tabulek, náležitosti korektního grafického zobrazení dat; zadání 8. úkolu Povinná literatura: · Publication manual of the American Psychological Association. Washington, DC: American Psychological Association. Kapitoly: Writing clearly and concisely (str. 65-83), Tables (str. 128-150). · FIELD, Andy P. 2018. Discovering statistics using IBM SPSS statistics. Los Angeles: Sage. Kapitoly: Reporting data (str. 40-44), Exploring data with graphs (str. 178-221). Doporučená literatura: · ABELSON, Robert Paul. 1995. Statistics as principled argument. Hillsdale, N.J.: L. Erlbaum Associates. Kapitola: Making claims with statistics (str. 1-16). · GIBLISCO, Stan. 2009. Statistika bez předchozích znalostí. Brno: Computer press. Kapitoly: Jednoduché grafy, Modelování, trendy, korelace (str. 26-32). · HENDL, Jan. 2014. Statistika v aplikacích. Portál: Praha. Kapitoly: Tabulky (str. 36-41), Statistické grafy (str. 41-52). · KALOUS, Jaroslav. 2014. „Interpretace výsledků statistiky“ (pp. 133-142) In HENDL, Jan. 2014. Statistika v aplikacích. Portál: Praha. 12. týden (10. 5.): Úvod do inferenční statistiky normální rozložení, šikmost, špičatost, boxplot, inferenční statistika vs. deskriptivní statistika Povinná literatura: · MAREŠ, Petr, Ladislav RABUŠIC a Petr SOUKUP. 2019. Statistická analýza sociálněvědních dat (prostřednictvím SPSS). Brno: Masarykova univerzita. Kapitola: Normální a standardizované normální rozložení, od části 4.1 (Normální rozdělení) až po 4.2.2 (K čemu může z-skóre být?) včetně (str. 123-140). 13. týden (17. 5.): Čtecí týden – není výuka