Lezioni frontali. Applicazione dei contenuti appresi alla risoluzione di problemi empirici. Discussione dei risultati.
Seminari di approfondimento su temi specifici previsti in programma al punto 3.
Attività di ricerca: consultazione bibliografica e raccolta dati.
Laboratori di analisi dei dati con addestramento sui packages di calcolo statistico.
Presentazioni di papers sui temi analizzati.
Lezioni frontali e/o a distanza - Esercitazioni
Conoscenze di logica e statistica metodologica di base
Conoscenze di base de metodologia della ricerca sociale
Fortemente consigliata e necessaria per le applicazioni empiriche e di laboratorio di calcolo proposte a lezione e per poter accedere alle prove d'esame.
Facoltativa
1. Analisi fattoriale: fattori principali e componenti principali - Analisi delle corrispondenze: semplici e multiple - Scaling multidimensionale - Analisi dei gruppi - Metodologie di fuzzy clustering -
2. Modelli di regressione multipla - Modelli log-lineari • Modelli di regressione non lineare e logistica - Modelli multilevel • Modelli di equazioni strutturali •
3. Argomenti di approfondimento: Seminario di addestramento sul programma R Studio - programmazione R Studio per le scienze sociali - funzioni statistiche con R Studio - scraping e Statistica socio-linguistica (Text Mining).
Il modulo ha l’obiettivo di introdurre gli studenti ai fondamenti della logica valutativa, con particolare riferimento agli elementi di base che caratterizzano i processi valutativi, alle principali teorie valutative presenti in letteratura e alla valutazione di impatto con particolare riferimento agli aspetti metodologici. Il modulo affronta, inoltre, in chiave critica i rapporti che legano i processi di monitoraggio alle funzioni valutative, osservando, in particolare, i legami tra indicatori di monitoraggio e di valutazione. Gli studenti avranno la possibilità di individuare i principali aspetti metodologici da considerare nella definizione di sistemi di monitoraggio efficacemente orientati alla valutazione.
1. Bartholomew D. J., Steele F., Moustaki I., Galbraith J. I. (2008). Analysis of Multivariate Social Science Data. Boca Raton, FL: CRC Press, Taylor & Francis, pp. 1-144; 175-208.
per le applicazioni dei software:
Hahs-Vaughn, D. L. (2017). Applied Multivariate Statistical Concepts. New York, NY: Routledge, pp. 1-56; 335-440
Manuali digitali dei software utilizzati.
in italiano da consultare eventualmente:
Gallucci M., Leone L., Berlingeri M. (2017), Modelli statistici per le scienze sociali, Pearson, Milano, pp. 323-406 (analisi fattoriale).
Fabbris L. (1997), Statistica multivariata. Analisi esplorativa dei dati, McGraw-Hill, Milano, pp. 3-77; 301-351 (analisi dei gruppi).
2. Bartholomew D. J., Steele F., Moustaki I., Galbraith J. I. (2008). Analysis of Multivariate Social Science Data. Boca Raton, FL: CRC Press, Taylor & Francis, pp. 145-174; 289-362.
per le applicazioni dei software:
Hahs-Vaughn, D. L. (2017). Applied Multivariate Statistical Concepts. New York, NY: Routledge, pp. 57-272; 441-570.
Manuali digitali dei software utilizzati.
in italiano da consultare eventualmente:
Bohrnstedt G. W. and Knoke D. (1998), Statistica per le scienze sociali, Il Mulino, Bologna, pp. 207-375 (modelli di regressione non lineare e logistica).
Gallucci M., Leone L., Berlingeri M. (2017), Modelli statistici per le scienze sociali, Pearson, Milano, pp. 41-98 (modelli di regressione multipla).
3. Argomenti di approfondimento: James Lang & Paul Teetor, R Cookbook, 2nd Edition (https://www.tidytextmining.com/)
Materiali extra per approfondimento: http://www.sthda.com/english/ https://app.rawgraphs.io/
- Bezzi, C., Cannavò L., Palumbo M. (2010) Costruire indicatori nella Ricerca Sociale e nella Valutazione, Milano, FrancoAngeli: pp. 19-56.
- Stame N., (2016) Valutazione pluralista. Milano, Franco Angeli, pp 23-111.
- Stern E. (2016) La valutazione di impatto. Una guida per committenti e manager preparata per Bond. Milano, Franco Angeli, pp 13-65.
- Mazzeo Rinaldi F., (2012) Il monitoraggio per la valutazione, Milano, FrancoAngeli: pp 17-43 pp 67-115.
- Stame N. - a cura - (2007) Classici della valutazione. Milano, Franco Angeli, pp. 337-416.
https://studium.unict.it/
Durante le lezioni vengono messe a disposizione degli studenti frequentanti slide, dispense e saggi
TECNICHE, MODELLI E PROCEDURE DI CALCOLO PER L'ANALISI STATISTICA DEI DATI | ||
Argomenti | Riferimenti testi | |
1 | 1. Analisi dei gruppi - Scaling multidimensionale - Analisi delle corrispondenze: semplici e multiple - Analisi fattoriale: componenti principali e fattori principali - Lezioni frontali, raccolta dati da fonti ufficiali, esercitazioni su fogli di calcolo e risoluzione di problemi applicativi | Bartholomew D. J., Steele F., Moustaki I., Galbraith J. I. (2008). Analysis of Multivariate Social Science Data. Boca Raton, FL: CRC Press, Taylor & Francis, pp. pp. 1-144; 175. |
2 | 1a. Utilizzo dei software di elaborazione dati | Hahs-Vaughn, D. L. (2017). Applied Multivariate Statistical Concepts. New York, NY: Routledge, pp. 1-56; 335-440 |
3 | 2. Modelli di regressione multipla • Modelli di regressione non lineare e logistica - • Modelli di equazioni strutturali • Modelli multilevel | Bartholomew D. J., Steele F., Moustaki I., Galbraith J. I. (2008). Analysis of Multivariate Social Science Data. Boca Raton, FL: CRC Press, Taylor & Francis, pp. 145-174; 289-362. |
4 | 2a. Utilizzo dei software di elaborazione dati | Hahs-Vaughn, D. L. (2017). Applied Multivariate Statistical Concepts. New York, NY: Routledge, pp. 57-272; 441-570. |
5 | 3. Seminario di addestramento sul programma R Studio: - programmazione R Studio per le scienze sociali - funzioni statistiche con R Studio - scraping e Statistica socio-linguistica (Text Mining). | James Lang & Paul Teetor, R Cookbook, 2nd Edition (https://rc2e.com/) Julia SIlge & David Robinson, Text Mining with R: a Tidy Approach (https://www.tidytextmining.com/). |
6 | 3a. Materiali extra per approfondimento su R Studio: | https://sicss.io/boot_camp; https://www.sthda.com/english/; https://www.r-graph-gallery.com/index.html https://app.rawgraphs.io/; https://corplingstats.wordpress.com/. |
Saranno richieste documentate elaborazioni dei dati mediante software, formulazione di progetti e presentazioni su argomenti a scelta.
La prova scritta è obbligatoria e prevede domande a risposta aperta ed interpretazione di output di elaborazione dati mediante programmi di calcolo.
La prova si intende superata se lo studente ottiene alla prova scritta una votazione complessiva non inferiore a 18/30.
Al fine di ottenere una votazione complessiva eventualmente superiore a 26/30 è necessario sostenere la prova orale.
Gli esami consistono in un test scritto articolato in due domande a risposta aperta sui contenuti del programma.
Argomenti indicati nella programmazione