EPG Metodologia e analisi dei dati Lezione 4

Slides:



Advertisements
Presentazioni simili
Domande d’accesso al lavoro stagionale 2007
Advertisements

Laurea Magistrale Giurisprudenza
B ILANCIO SOCIALE 2010 Incontro del Gruppo di lavoro per lavanzamento del progetto 21 aprile 2011.
ECTS: la conversione dei voti Maria Sticchi Damiani Parte IV Conservatorio di Musica “N. Paganini” Genova, 2 maggio
Sistema per la gestione del
Studio del moto di una palla che rimbalza
Il chi quadro indica la misura in cui le
Presentazione del Progetto
1 la competenza alfabetica della popolazione italiana CEDE distribuzione percentuale per livelli.
Informatica Prof NS Bonfiglio AA 2011/2012.
TRENTO FESTIVAL DELLECONOMIA EDIZIONE 2007 Nobodys Unpredictable Cosa vediamo?
Lez. 3 - Gli Indici di VARIABILITA’
Descrizione dei dati Metodi di descrizione dei dati
Leggere un articolo scientifico Modificato da Pedon, A. e Gnisci A. (2004) Metodologia della ricerca psicologica, il Mulino.
23 aprile - 29 maggio 2009 Laboratorio di ricerca: Higher Education for Research Federica Pellizzaro Manuela Bussola.
Metodi e tecniche di analisi dei dati con Laboratorio (4+4 crediti) Specialistica in Psicologia dei Processi Cognitivi (A31) I anno Prof.ssa Francesca.
Metodologia e tecniche della ricerca in psicologia clinica con Laboratorio (6+2 crediti) Specialistica in Psicologia clinica (A30) I anno Prof.ssa Francesca.
Elementi di STATISTICA DESCRITTIVA
1 14/05/2006UNIROMA2-ING OOP G. Cantone e A. Lomartire Programmazione Orientata agli Oggetti OOP L03 - E Università degli Studi di Roma Tor Vergata Facoltà
Bologna, gg/mese/anno Esempio di: Presentazione dellesercizio sugli indicatori Il candidato deve inserire qui le proprie generalità Nome ………………. Cognome.
GRIGLIA PER LA LETTURA DI UN LAVORO SCIENTIFICO
Studio del moto di una palla che rimbalza
Visualizzazione reportistica on-line dellindagine sullopinione degli studenti.
Lo studio guidato e la ricerca bibliografica
Statistica sociale Modulo A
Lezione 24 maggio 2007 Strutture File Allocazione dinamica della memoria.
Portale Capacità STOGIT
Secondo assignment ISTRUZIONI 1)Svolgere le analisi necessarie per rispondere alle seguenti domande 2)Rispondere a ciascuna domanda in maniera puntuale,
EPG Metodologia e analisi dei dati Lezione 3
Un buon latinista è anche un bravo matematico? I.S. Artemisia Gentileschi - NAPOLI Convegno finale Progetto Lauree Scientifiche – Matematica Università
Analisi Univariata e bivariata Esercizi
EPG Metodologia e analisi dei dati
Le risorse del governo clinico
ISTRUZIONI Denominare il file con: Cognome e Nome e, se possibile, dare un titolo di 2 o 3 parole Nel titolo della diapositiva indicare: Nome, Cognome.
Documenti ben formati La costruzione di pdf accessibili
13 Excel prima lezione.
Esercitazione Word Scaricare il file lettera_semplice.doc
Tesina Titolo, autori Introduzione Apparato sperimentale
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA
XLS ESERCIZIO BASE EXCEL – ESERCIZIO BASE
Tabelle Pivot Istogrammi e frequenze Diagramma box-plot
Corso di Informatica Corso di Laurea in Conservazione e Restauro dei Beni Culturali Gianluca Torta Dipartimento di Informatica Tel: Mail:
Le regole per la stesura di un articolo di tipo scientifico
Analisi Bivariata: Test Statistici
San Donato Milanese – Maggio 2014
Comuni-Chiamo ti permette di Segnalare problemi Rimanere in contatto con il tuo Comune ed interagirci grazie alla nuova APP.
Note. Dare una scadenza ai gruppi di caricamento dati Dare una scadenza ai gruppi vincoli Dire loro di fare un file solo Dire a tutti di controllare le.
Titolo Itinerario turistico con produzione di un depliant
Esercizi riepilogativi Analisi Univariata e Bivariata
Presentazione progetti per il bando “Interventi per il miglioramento dell’efficienza energetica degli impianti di illuminazione pubblica” Manuale di supporto.
Strumenti per l’implementazione, l’accompagnamento e la valutazione.
DIPARTIMENTO DI ELETTRONICA E INFORMAZIONE Lab 5: 24 Aprile 2014 Marco D. Santambrogio – Gianluca Durelli –
Dipartimento di Chimica Tel
Regole Stesura Tesina MDM Economics
Come scrivere una relazione
Liceo Ginnasio “A. Marzio” Progetto di Autovalutazione Guida alla compilazione della Scheda di Classe Alunni-Docenti – a cura del Segretario (Maggio 2012)
ITIS Leonardo da Vinci Prima presentazione Tesina d’esame A.s
UNIVERSITA’ DEGLI STUDI DI PERUGIA
La progettazione del lavoro di tesi
Metodologia della ricerca e analisi dei dati in (psico)linguistica 24 Giugno 2015 Statistica inferenziale
Liceo Ginnasio “A. Marzio” Progetto di Autovalutazione Guida alla compilazione della Scheda del Segretario Famiglie Questionario Famiglie-Istituto (Maggio.
ANALISI E INTERPRETAZIONE DATI
Liceo Ginnasio “A. Marzio” Progetto di Autovalutazione Guida alla compilazione delle Schede di Valutazione Individuale Personale-Istituto (Maggio 2012)
ESERCITAZIONE A.A. 2015/16 Istruzioni per la partecipazione all’esperimento Prof. Augusto Gnisci.
Soluzione e discussione equazione 2°grado con foglio elettronico di polaris office su padlet Asus Eee Le formule da inserire si possono trovare nelle tabelle.
EPG di Metodologia della ricerca e Tecniche Multivariate dei dati A.A
Elementi di statistica con R e i database Rocco De Marco rocco.demarco(a)an.ismar.cnr.it Ancona, 17 Aprile 2012 Lezione 3.
Planet HT – Genova - Elisa Delvai
21-27 NOVEMBRE  entro il 27 Ottobre  Compilare online dalle torrette self-service o da esse3 la DOMANDA di LAUREA e DISSERTAZIONE TESI  Stamparla.
Corso di Laurea Magistrale in Informatica A.A Laboratorio di Progettazione Introduzione Obiettivi del corso Metodo Articolazione Scelta dei progetti.
Transcript della presentazione:

EPG Metodologia e analisi dei dati Lezione 4 Mirta Vernice mirta.vernice@unipv.it

Entro quando inviare il report?

Gruppo 1 (cognome dalla lettera A alla lettera C) 16 maggio

Gruppo 2 (cognome dalla lettera D alla lettera L) 23 maggio

Gruppo 3 (cognome dalla lettera M alla lettera Q) 20 maggio

Gruppo 4 (cognome dalla lettera R alla lettera Z) 27 maggio

Come inviare il report? via mail a: mirta.vernice@unipv.it IMPORTANTE: Nell’oggetto della mail indicare “EPG-COGNOME-NOME -GRUPPO”

NOTA BENE chiamare il file cognome._nomedoc Es: vernice_mirta.doc Prima del titolo del report, riportare: NOME COGNOME NUMERO DI MATRICOLA

IMPORTANTE Assicurarsi di aver ricevuto da me una mail di conferma. Inviare all’occorrenza un’altra mail.

REQUISITI PER IL SUPERAMENTO DELL’ EPG Massimo un’assenza. 2 report.

STESURA REPORT Scaricare il file report.doc Contiene già tutte le sezioni del report Abstract Introduzione Metodi Risultati Discussione Bibliografia

NOTA BENE Il report può essere inviato in formato: .doc, .docx, .pdf, .odf (formato openoffice)

Numero parole Non superare le 700 max parole!! Come si contano le parole? In word Revisione > Conteggio parole

La lezione di oggi Abstract Introduzione Metodi Risultati Discussione Bibliografia

Risultati Percentuali Chi quadro Phi: quale relazione esiste tra Task (astratto e concreto) e risolto/non risolto?

Risultati – dati descrittivi Statistica descrittiva: “Il xx% di partecipanti ha svolto correttamente il task y.” Vedi foglio di calcolo gruppox_wason.xls

Calcolo delle percentuali Considero il numero dei partecipanti in ogni singolo Task (N = 10). Percentuale delle persone che ha risolto il Task A si calcola: (4x100)/10 = 40% Percentuale delle persone che ha risolto il Task B: (2x100)/10 = 20%

Risultati – dati descrittivi 40% ha risolto il task A 20% ha risolto il task B Fare qualche osservazione sui dati: Per es: 20% in più di partecipanti che hanno svolto correttamente il Task B rispetto al task A. Questo sembra suggerire che…

Risultati – analisi inferenziale Calcolo del Chi quadro. Inserimento dati osservati in una tabella di contingenza (vedi foglio di calcolo gruppoX_wason.xls). Calcolo delle frequenze attese (E expected).

Risultati – analisi inferenziale Come riporto i risultati? Χ2 (1)=5.05, p < .05 Χ2 > 3.84 (per 1 gdl) assumendo p < .05

Risultati – analisi inferenziale Φ – Indice della grandezza di associazione tra due variabili. = 0 Non vi è relazione tra 2 variabili. = 1 Vi è una relazione perfetta tra 2 variabili Φ = .50

Introduzione Wason Selection Task Cosa indaga?

Ragionare per ipotesi Verificare un’ipotesi: Cercare casi che confermano un’ipotesi Falsificare un’ipotesi: Cercare casi che la disconfermano.

Studi precedenti Johnson-Laird, Legrenzi & Legrenzi, 1972 verifica di un’hp precede falsificazione. Griggs and Cox (1983) creano il “drinking-age problem” (Task versione concreta). è più facile ragionare su materiale concreto che astratto.

Studi precedenti Cosmides, 1989 il “drinking-age problem” (Wason nella versione concreta) è più facile non perché concreto ma perché implica una “social-contract situation”.

Che ipotesi facciamo? Concreto meglio di astratto? Concreto ≠ astratto?

Metodo Tutte le sotto-sezioni!

Procedura Somministrazione collettiva. Between participants (tra partecipanti).

Disegno Variabile dipendente: Numero di partecipanti che individuano le carte rilevanti da girare. Variabile indipendente: Tipo di versione del Wason Selection Task (astratta vs. concreta).

Discussione Ricapitoliamo brevemente il risultato. È più facile la versione astratta/concreta? O non c’è differenza?

Rispetto agli studi precedenti Confermata l’hp di Griggs and Cox (1983)? Sì/No. Perché? (campione troppo piccolo, eventuali bias, ecc.)

Cosmides, 1989 È davvero solo “concreto” il drinking-age problem (Wason selection task versione concreta)?

Analisi degli errori Se non ho individuato le carte target cosa ho fatto? Verifica/falsicazione hp conferma Johnson-Laird, Legrenzi & Legrenzi, 1972?

Bibliografia Cosmides, L. (1989). The logic of social exchange: Has natural selection shaped how humans reason? Studies with the Wason selection task. Cognition, 31, 187-276. Griggs, R.A. & Cox, J. R. (1983). The effects of problem content and negation on Wason’s selection task. Quarterly Journal of Experimental Psychology, 35, 514-533.

Bibliografia Johnson-Laird, P.N., Legrenzi, P. & Legrenzi, M.S. (1972). Reasoning and a sense of reality. British Journal of Psychology, 63, 395-400.