0x010088F6312065A70A44B630A6848498EAD80093CFEAFE161DC94D83C7C5C9A5A748B8

Ingen tidligere rapport fra emnet, jeg var emneleder for første gang.

Emnet gjennomførtes samlingsbasert på 5 dager da formiddagen bruktes for forelesninger (9-12) og ettermiddagen for praktiske øvelser i tilstedeværelse av emneleder og en læringsassistent. Forelesningene foregikk fysisk på et seminarrom, men ble streamet via Zoom slik at noen studenter som ikke var i Trondheim kunne delta. Det ble varslet at "digitale studenter" ikke ville få oppfølging i seminartimene, men at de kunne stille spørsmål via epost eller Blackboard. Dette var første gang jeg var emneleder til dette kurset. Jeg synes atmosfæren i rommet og blant studentene var fin og jeg opplevde den som veldig produktiv. Studentene stilte mange spørsmål under forelesningene, noe som jeg anser som veldig positiv siden det muliggjør å tilpasse nivået underveis. Dette var spesielt relevant siden jeg var i utgangspunktet usikker om forkunnskapsnivå til studentene (kurset er på PhD nivå men stipendiater fra forskjellige institutter og fakulteter kunne delta). Det viste seg at det var veldig store ferdighetsforskjeller mellom deltakerne. For noen var kurset første gang de var i kontakt med statistikk mens andre hadde allerede gjennomført komplekse analyser på sine egne datasett. Dette var en ganske stor utfordring mtp organisering av forelesninger og tilpassing til kunnskapsnivået. Jeg prøvde å ivareta de ulike behovene ved å ta utgangspunkt i veldig grunnleggende konsepter for så å gradvis øke kompleksiteten. Underveis prøvde jeg å gi pekepinn/perspektiv ment for de mest avanserte studentene slik at de skulle få anledning å utvikle seg. Det kan godt hende at det ble for lett for noen og for vanskelig for andre, men tanken var at det skulle være noe utbytte for alle. Jeg mener at det kan være hensiktsmessig å vurdere om man kunne være mer tydelig i emnebeskrivelsen om hvilke forkunnskaper som forventes slik at det er lettere å tilpasse nivået til kurset. Når det gjelder seminarøktene, synes jeg også at de ble veldig produktive. Opplegget var delt i to med utgangspunkt i hvilken statistisk programvære folk ville bruke (en gruppe Stata-brukere og en gruppe som brukte R). Oppgaven var å løse arbeidsoppgaver for hver dag som tok utgangspunkt i stoffet som ble formidlet i forelesningene. Her hadde jeg forberedt eksempelkoder i både Stata og R som kunne tilpasses til å løse oppgavene. Jeg mener at metoden fungerte godt for ganske mange. Allikevel oppstod det ulike utfordringer underveis. Det ene var at det ble ofte veldig mye fokus på software-spesifikke ting (for eksempel, hvilken syntaks brukes for å laste inn en datafil). Dette kunne føre til at studentene ikke hadde nok fokus på selve statistikken (hva betyr resultatene egentlig? Kan resultatene tolkes på denne måten? osv). Noen ganger anså studenten oppgaven som "løst" når programvaren hadde produsert et resultat, men ideen var selvfølgelig at studentene skulle lære å tolke resultatene og sette de inn i en kontekst. For å løse denne utfordringen tenker jeg at man enten tydeliggjør at studentene må ha visse ferdigheter med en av de brukte programvarene (altså at man forbedrer forkunnskapsnivået til utvalget av stipendiater som kan ta dette kurset) eller at man bruker, f.eks., første dagen for en veldig basal innføring på det tekniske rundt programvaren. En annen mulighet kunne vært å kreve at studentene gjennomfører et nettbasert kurs for programvaren de ønsker å bruke (f.eks. som et til arbeidskrav) før kurset starter. Det kan også være hensiktsmessig å vurdere om man ikke skal fokusere på bare ett program i stedet for å åpne opp for både Stata og R siden det da blir lettere å tilpasse hjelp til hele gruppa.

NTNU:TIA:REST

Institutt for psykologi

Department of Psychology

Alle trykte og håndskrevne hjelpemidler tillatt. Alle kalkulatorer tillatt.

Engelsk

Norsk

Anbefalte forkunnskaper

Grunnleggende kunnskap om kvantitativ samfunnsvitenskapelig forskning og basiskunnskap i statistikk anbefales. Dessuten vil kjennskap til SPSS og/eller STATA eller lignende programvarer (eks. R) komme til nytte.

Forkunnskapskrav

Fullført mastergrad eller tilsvarende. Emnet er adgangsbegrenset til maksimalt 25 kandidater.  Søkere som har kommet langt i løpet prioriteres.RangeringVi rangerer søknadene i følgende rekkefølge:<ol><li>Søkere som er tilknyttet ph.d.-program ved NTNU</li><li>Søkere som kan dokumentere opptak til ph.d.-program ved andre institusjoner</li><li>Andre søkere </li></ol>

Faglig innhold

Søknadsfrist for dette emnet er 15. februar 2022. <a href="https://www.ntnu.no/phd/emner_eksterne">Søknadsskjema finner du her.</a> Emnet vil foreleses intensivt i perioden 30. mai – 3. juni 2022. Emnet gir en fordypning i de mest brukte multivariate førstegenerasjons analyseteknikkene i psykologisk forskning og samfunnsvitenskapen forøvrig. Emnet går grundig gjennom multippel regresjonsanalyse som også omfatter dummy-variable regresjon (ANOVAs), moderasjonsanalyse eller interaksjonseffekter (Faktorial ANOVAs) og medieringsanalyser. Deretter behandler kurset temaene logistisk regresjon og utforskende faktoranalyse (prinsipal komponent og common factor). Videre viser vi hvordan multilevel rammeverket kan brukes for å analysere repeterte målinger (repeated measures) og longitudinelle data. Emnet tar utgangspunkt i programpakken STATA og R. Emnet gir først en teoretisk innføring i de ulike analyseteknikkene og deretter følges dette opp med lab øvelser under veiledning.

Kursmateriell

Anbefalt litteratur tilsendes deltakerne før kursstart. 

Læringsutbytte

Kunnskap:Kandidaten...<ul><li>har dyp teoretisk kunnskap om og praktisk erfaring med de multivariate analyseteknikkene av førstegenerasjon som er mest brukt i psykologisk forskning og samfunnsvitenskapen.</li><li>har kunnskap om forutsetningene for å kunne anvende de ulike multivariate analyseteknikkene samt evnen til å kunne vurdere hvilke analyser som er mest korrekt og hensiktsmessig for å belyse ulike problemstillinger.</li></ul> Ferdigheter:Kandidaten...<ul><li>har ferdighet til å gjøre om teoretiske problemstillinger til hypoteser som kan testes ved hjelp av analyseteknikker som er gjennomgått på kurset.</li><li>har ferdighet til å sette opp en analysestrategi basert på teori og metodekunnskap.</li></ul> Generell kompetanse:Kandidaten...<ul><li>har kompetanse innen kvantitativ forskning og har kunnskap om hvordan forskningsresultater formidles i et vitenskapelig format.</li><li>har kompetanse til å vurdere metodenivået på publisert psykologisk forskning.</li></ul>

Læringsformer og aktiviteter

Forelesninger og lab øvelser. Emnet er satt opp med 30 timer og går over fem dager på en uke i januar. Vurderingsformen for emnet er en selvstendig skrevet paper/oppgave på 4000-5000 ord. Oppgaven blir vurdert til bestått eller ikke bestått. Oppgaven skal vise at kandidaten har klart å anvende en eller flere av teknikkene gjennomgått på kurset. Kandidaten kan bruke primære og/eller sekundære data. Oppgaven kan ikke være identisk med en artikkel som inngår i kandidatens ph.d.-avhandling. Det kreves minimum fem påmeldte ph.d.-kandidater for at emnet blir avholdt.

Deltakelse på forelesninger og lab øvelser

Multivariate kvantitative forskningsmetoder

Psykologi

Psykologi - doktorgrad (ph.d.)

Samfunnsvitenskap - doktorgrad (ph.d.)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(17641)/FieldValuesAsText

Multivariate kvantitative forskningsmetoder - PSY8003