Περιγραφή : Σκοπός του μαθήματος είναι να γνωρίσουν αλλά και να εξοικειωθούν οι μεταπτυχιακοί φοιτητές με τις μεθόδους ανάλυσης ερευνητικών δεδομένων τα οποία συλλέγονται κατά τη διερεύνηση κοινωνικών φαινομένων ακολουθώντας το ποσοτικό παράδειγμα.
Με την επιτυχή ολοκλήρωση του μαθήματος ο/η μεταπτυχιακός/ή φοιτητής/τρια θα είναι σε θέση να:
• Περιγράφει τα βασικά στάδια για την διενέργεια μιας ποσοτικής έρευνας.
• Επιλέγει την κατάλληλη μέθοδο δειγματοληψίας για την συγκρότηση ενός αντιπροσωπευτικού δείγματος.
• Αναγνωρίζει και αξιοποιεί το πειραματικό σχέδιο έρευνας.
• Διατυπώνει κατάλληλες ερευνητικές υποθέσεις ανάλογα με το ερευνητικό πρόβλημα.
• Αναγνωρίζει και να αξιοποιεί την βασική διαδικασία ελέγχου υποθέσεων.
• Εκτελεί βασικές επαγωγικές υπολογιστικές διαδικασίες ανάλυσης δεδομένων σε ψηφιακό περιβάλλον ανάλυσης δεδομένων.
• Να χρησιμοποιεί μεθόδους πολυμεταβλητής ανάλυσης δεδομένων.
• Παρουσιάζει τα αποτελέσματα της ανάλυσης που πραγματοποίησε συνδέοντας τα με το ερευνητικό πρόβλημα.
• Προσεγγίζει κριτικά σύγχρονα ζητήματα της Εκπαιδευτικής έρευνας.
• Σχεδιάζει και να υλοποιεί εκπαιδευτική έρευνα επιλέγοντας κατάλληλα ερευνητικά εργαλεία.
Περίγραμμα : Βασικές έννοιες επιστημονικής έρευνας: Η ποσοτική μέθοδος έρευνας, πληθυσμός και δείγμα της έρευνας, δειγματοληπτικές μέθοδοι, μεταβλητές και κλίμακες μέτρησης, εργαλεία μέτρησης, αξιοπιστία και εγκυρότητα των εργαλείων μέτρησης.
Περιγραφική Στατιστική: Πίνακες συχνοτήτων, μέτρα θέσης, διασποράς, και μορφής, καθώς επίσης γραφική παρουσίαση των δεδομένων.
Επαγωγική Στατιστική: Κεντρικό οριακό θεώρημα, υποθέσεις της έρευνας και στατιστική σημαντικότητα. Κανονική κατανομή και διαδικασίες ελέγχου αυτής αξιοποιώντας και ελέγχους όπως: Kolmogorov-Smimov και Shapiro-Wilk.
Έλεγχος ανεξαρτήτων και εξαρτημένων δειγμάτων και έλεγχος συνάφειας μεταξύ ποιοτικών και μεταξύ ποσοτικών μεταβλητών. Συγκεκριμένα θα παρουσιαστούν, παραμετρικοί έλεγχοι όπως: t- test και ANOVA καθώς επίσης και μη παραμετρικοί έλεγχοι όπως: Mann-Whitney, Wilcoxon, Kruskal-Wallis και Friedman. Τέλος, θα παρουσιαστούν οι συντελεστές συσχέτισης Pearson και Spearman αλλά και έλεγχοι συνάφειας και καλής προσαρμογής chi-square.
Πολυμεταβλητή Ανάλυση: Πολυμεταβλητή γραμμική παλινδρόμηση, παραγοντική ανάλυση και ανάλυση σε συστάδες.
Υπολογιστικό περιβάλλον για την ανάλυση των δεδομένων: SPSS, PSPP, Jamovi, και R.
Αξιολόγηση των ΜΦ:
• Υποχρεωτικές παρακολουθήσεις των εργαστηρίων.
• Κάθε ΜΦ θα πρέπει να πραγματοποιήσει τρεις εργασίες:
Πρώτες δυο εργασίες. Στην πρώτη εργασία σε μια υποτιθέμενη έρευνα, κάθε ΜΦ θα περιγράψει χρησιμοποιώντας την περιγραφική στατιστική, την κατανομή κάποιων μεταβλητών και την όποια σχέση παρατηρεί μεταξύ τους. Στην δεύτερη εργασία κάθε ΜΦ θα ελέγξει ερευνητικές υποθέσεις αξιοποιώντας την επαγωγική στατιστική. Τα δεδομένα για τις δυο ατομικές εργασίες θα τα παρέχει ο διδάσκων και θα είναι διαφορετικά για κάθε ΜΦ. Οι δυο πρώτες εργασίες αποτελούν το 40% της τελικής αξιολόγησης.
Τρίτη εργασία. Η τρίτη και τελική εργασία μπορεί να είναι και συνεργατική, μέχρι και δυο ΜΦ. Στην εργασία αυτή οι ΜΦ, με την υποστήριξη του διδάσκοντα, ακολουθώντας το ποσοτικό παράδειγμα θα συγκροτήσουν και θα υλοποιήσουν μικρής έκτασης σχέδιο έρευνας για τη μελέτη του θέματος που τους ενδιαφέρει. Θα συγκεντρώσουν δεδομένα, χρησιμοποιώντας δομημένα εργαλεία, τα οποία και θα αναλύσουν και θα παρουσιάσουν τα αποτελέσματα της έρευνας τους ως μια προσομοίωση δημοσιευμένης εργασίας. Η εργασία αυτή (έκτασης 10-12 σελίδες) θα παρουσιαστεί σε όλους τους ΜΦ σε δύο ημερίδες που θα διοργανωθούν γι’ αυτό το σκοπό. Η αξιολόγηση της τρίτης εργασίας θα βασιστεί αφενός στα παραδοτέα και αφετέρου στην προφορική εξέταση των ΜΦ κατά την παρουσίαση των εργασιών τους σε όλους/ες τους/ις συμμετέχοντες ΜΦ. Η εργασία αυτή αποτελεί το 60% της τελικής αξιολόγησης. Προτεινόμενη βιβλιογραφία:
American Psychological Association (2020). Publication manual of the American Psychological Association 2020: the official guide to ΑΡΑ style (7th éd.). American Psychological Association, https://apastyle.apa.org/products/publication-manual-7th-edition
Cohen, L. & Manion, L. (1994). Μεθοδολογία Εκπαιδευτικής Έρευνας, Αθήνα: Μεταίχμιο.
Creswell, J. W. (2012). Educational research: Planning, conducting, and evaluating quantitative and qualitative research (4th ed). Boston: Pearson.
Field, A. (2013). Discovering statistics using IBM SPSS statistics. London: Sage.
Javeau, C. (1996). Η έρευνα με ερωτηματολόγια. Αθήνα: τυποθήτω
Lavidas, K., Papadakis, S., Manesis, D., Grigoriadou, A. & Gialamas, V. (2022). The effect of social desirability on students’ self-reports in two social contexts: Lectures vs. lectures and lab classes, Information 1(10), 491. https://doi.org/10.3390/info13100491
Γιαλαμάς, Β., Λαβίδας, Κ., & Μάνεσης, Δ. (2023). ΣΤΑΤΙΣΤΙΚΕΣ ΜΕΘΟΔΟΙ ΚΑΙ ΤΕΧΝΙΚΕΣ ΣΤΙΣ ΚΟΙΝΩΝΙΚΕΣ ΕΠΙΣΤΗΜΕΣ ΜΕ ΤΗ ΧΡΗΣΗ SPSS. ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΗΛΕΚΤΡΟΝΙΚΑ ΣΥΓΓΡΑΜΜΑΤΑ - ΚΑΛΛΙΠΟΣ+» (υπό έκδοση).
Γναρδέλης, Χ. (2003). Εφαρμοσμένη Στατιστική, Εκόσεις Παπαζήση, Αθήνα.
Δαφέρμος, Β. (2005). ΚΟΙΝΩΝΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΜΕ ΤΟ SPSS, Θεσσαλονίκη: ΖΗΤΗ.
Ρούσσος, Π. & Τσαούσης, Γ. (2002). Στατιστική Εφαρμοσμένη στις Κοινωνικές Επιστήμες, Αθήνα: Ελληνικά Γράμματα.
Σημειώσεις του διδάσκοντα.