Avís important
La guia docent és provisional.
La versió en PDF de la guia docent pot tardar uns dies en estar disponible al DDD.
Models d'Anàlisi en Recerca en Psicologia Clínica i de la Salut
Codi: 43881Crèdits: 6
| Titulació | Tipus | Curs |
|---|---|---|
| Recerca en Psicologia Clínica i de la Salut | OP | 1 |
Professor/a de contacte
- Nom :
- Eva Penelo Werner
- Correu electrònic :
- eva.penelo@uab.cat
Equip docent
- José Blas Navarro Pastor
Idiomes dels grups
Podeu consultar aquesta informació al final del document.
Prerequisits
Coneixements del mòdul 1, especialment els referits a metodologia i dissenys d'investigació, per la seva vinculació directa amb el modelat estadístic, i els referits a anàlisi de dades descriptiva i bivariant, i sobre funcionament del software utilitzat.
Objectius
Proporcionar les habilitats necessàries (teòriques i instrumentals) perquè l'alumnat sigui capaç de:
- Analitzar les propietats psicomètriques d'un qüestionari relatives a estructura interna i fiabilitat
- Realitzar l'anàlisi de dades d'una investigació mitjançant models de regressió lineal o logística, tant amb la finalitat de predir la resposta com d'estudiar la influència d'una exposició sobre la resposta
- Incorporar en el procés de modelatge estadístic els fenòmens de la interacció i la confusió
- Realitzar el diagnòstic de les condicions d'aplicació dels models de regressió lineal i logística
- Distingir una variable moderadora d'una variable mediadora i estimar models d'equacions estructurals (SEM) per a l'anàlisi de models de mediació
- Interpretar els resultats dels models de regressió i SEM, sabent seleccionar aquells més adequats per a ser inclosos a l'informe d'investigació
Resultats d'aprenentatge
- Reconèixer els dissenys de recerca que comporten una anàlisi de dades amb mètodes quantitatius multivariats.
- Conèixer les limitacions generals dels models d'anàlisi estadística explicats en el mòdul: mètodes de recerca pertinents i tipus de variables de resposta analitzables.
- Conèixer les limitacions de les conclusions teòriques que es poden derivar dels resultats numèrics obtinguts amb els models d'anàlisi estadística explicats en el mòdul.
- Conèixer les principals tècniques de mostreig monoetàpic, saber decidir la més adequada als objectius d'una investigació en un àmbit específic, i saber calcular la mida de mostra necessari per adquirir una determinada potència estadística.
- Reconèixer els dissenys d'investigació que comporten una anàlisi de dades mitjançant models d'equacions estructurals per a l'anàlisi de variables mediadores entre exposició i resposta.
- Elegir el model estadístic més adequat en funció de la pregunta de recerca, del disseny de recollida de les dades i de l'escala de mesura de les variables implicades.
- Estimar els models estadístics multivariats que contempla el mòdul utilitzant programes d'ordinador d'anàlisi estadística.
- Valorar els índexs d'ajust obtinguts amb ordinador, després de fer una anàlisi estadística o psicomètrica, per comprovar l'adequació del model estimat.
- Seleccionar els resultats entre tots els que presenta l'ordinador després de fer una anàlisi estadística, i els índexs apropiats que s'han d'incloure en una publicació
- Interpretar els resultats estadístics i de magnitud d'un efecte tenint en consideració la mida mostral i la potència estadística.
- Interpretar i discutir els resultats d'una recerca en psicologia aplicada atenent al disseny, al mètode i a les anàlisis dutes a terme.
- Extreure conclusions pràctiques dels resultats i valorar-ne les implicacions.
- Utilitzar terminologia científica per argumentar els resultats de la recerca en el context de la producció científica, per comprendre i interactuar eficaçment amb altres professionals.
- Aplicar els principis ètics rellevants i actuar d'acord al codi deontològic de la professió en la pràctica de la recerca científica.
- Que els estudiants sàpiguen comunicar les seves conclusions, així com els coneixements i les raons últimes que les fonamenten, a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats.
- Que els estudiants tinguin les habilitats d'aprenentatge que els permetin continuar estudiant, en gran manera, amb treball autònom a autodirigit.
- Que els estudiants sàpiguen aplicar els coneixements adquirits i la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la seva àrea d'estudi.
Continguts
Bloc A
- Estructura interna: anàlisi en components principals (A1) i anàlisi factorial confirmatòria i invariància (A2)
- Fiabilitat (A3)
Bloc B
- Regressió lineal: models predictius i per a avaluar efectes
- Modelat estadístic en presència d'interacció i confusió
- Diagnòstic del model de regressió lineal
Bloc C
- Regressió logística: models predictius i per a avaluar efectes
- Regressió logística i proves diagnòstiques
- Diagnòstic del model de regressió logística
Bloc D
- Moderació vs mediació
- Models d'equacions estructurals per a l'anàlisi de variables mediadores
Nota: l'ordre d'impartició del temari pot estar subjecte a canvis.
Activitats formatives i Metodologia
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Classe magistral + sessions pràctiques amb programari estadístic (9 sessions de durada variable segons els continguts de cada bloc) | 30 | 1,2 | |
| Tutories presencials i/o virtuals | 6 | 0,24 | |
| Lectura de textos, estudi i treball personal, elaboració d'informes individuals i/o grupals | 110 | 4,4 |
Sessions dirigides:
- Classes magistrals. A partir d'un material docent publicat pel professat, es realitza l'explicació en base a exemples i matrius de dades reals de recerca en psicologia. Cada classe magistral es combina amb un espai dedicat al debat amb l'alumnat, de qui s'espera una retroalimentació sobre la comprensió, utilitat i aplicabilitat que troben als conceptes presentats.
- Sessions pràctiques. Els resultats presentats en la classe magistral són replicats emprant programari estadístic. També s'afegeixen exercicis nous d'estructura similar.
Els materials són en castellà i anglès; els enunciats de les evidències d'aprenentatge són en castellà; la interfície i menús del programari estadístic poden ser en anglès.
Avaluació
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| EvA Informe pràctic d'estructura interna i fiabilitat (individual, escrit, lliurament virtual, AC: en finalitzar les 3 sessions de classe d'aquest bloc A); retorn escrit junt amb la qualificació | 30 | 0 | 0 | 1, 2, 3, 6, 7, 8, 9, 11, 12, 13, 14, 15, 16, 17 |
| EvC Prova de regressió logística (individual, escrita, presencial, en finalitzar les 5 sessions de classe dels blocs B i C [setmana posterior a evB]); retorn via tutoria grupal | 25 | 2 | 0,08 | 1, 2, 3, 6, 7, 8, 9, 11, 12, 13, 14, 15, 16, 17 |
| EvD Informe-resumen de mediación (AC grupal o AU individual, escrit, lliurament virtual, AC: en finalitzar la sessió de classe d'aquest bloc D); retorn escrit junt amb la qualificació | 10 | 0 | 0 | 2, 3, 5, 6, 11, 13, 14, 15, 16, 17 |
| EvB Prova de regressió lineal (individual, escrita, presencial, en finalitzar les 5 sessions de classe dels blocs B i C); retorn via tutoria grupal | 35 | 2 | 0,08 | 1, 2, 3, 4, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17 |
L'avaluació, ja sigui continuada (AC) o única (AU), consta de 4 elements avaluatius. Per l'avaluació continuada, vegeu la taula d'Activitats d'avaluació continuada (el cronograma detallat es proporcionarà abans d'iniciar el mòdul). L'avaluació única només diferirà en l'autoria i la data de realització/lliurament: individual el darrer dia d'avaluació presencial de l'avaluació continuada per totes 4 evidències d'aprenentatge.
La qualificació final s'obtindrà com la mitjana ponderada de les 4 evidències d'avaluació. El mòdul es superarà amb qualificacions iguals o superiors a 5 punts (en una escala de 0 a 10 punts), amb un mínim de 4 punts en EvB i en EvC; en cas contrari la nota màxima del mòdul serà 4.5.
El sistema de recuperació serà el mateix per a l'avaluació continuada i per a l'avaluació única. L'estudiant que hagi obtingut una qualificació final entre 3.5 i menys de 5 punts i que hagi realitzat evidències d'avaluació amb un pes d'almenys 2/3 de la qualificació total, podrà presentar-se a la prova de recuperació (en finalitzar el mòdul), per a tornar a realitzar les evidències B i/o C que no hagin estat superades. La qualificació màxima que es pot obtenir a cada evidència recuperada serà de 6 punts. La nota obtinguda a la/es evidència/es recuperada/es substituirà la respectiva nota original i es recalcularà la nota final.
Si s'han presentat evidències amb pes acumulat del 40% o més no es podrà constar en actes com a \"No avaluable\".
No es preveu que l’estudiant de 2ª o posterior matrícula s'avaluï mitjançant una única prova de síntesi no recuperable.
En aquesta assignatura, es permet l'ús de tecnologies d'Intel·ligència Artificial (IA) com a part integrant del desenvolupament de les evidències, sempre que el resultat final reflecteixi una contribució significativa de l'estudiant en l'anàlisi i la reflexió personal. L'estudiant haurà d'identificar clarament quines parts han estat basades, generades, revisades o qualsevol altra acció feta amb aquesta tecnologia, especificar les eines emprades i incloure una reflexió crítica sobre com aquestes han influït en el procés i el resultat final de l'evidència. La no transparència de l'ús de la IA, la no comprovació de la certesa de les afirmacions ofertes per la IA, la citació de referències bibliogràfiques inexistents o l'ús de dades generades per la IA es considerarà falta d'honestedat acadèmica i comportarà una penalització en la nota de l'evidència, o sancions majors en casos de gravetat.
El document amb les pautes d'avaluació de la facultat es troba a: https://www.uab.cat/web/estudiar/graus/graus/avaluacions-1345722525858.html
Bibliografia
Abad, Francisco J.; Olea, Julio; Ponsoda, Vicente; García, Carmen. (2011). Medición en ciencias sociales y de la salud. Síntesis. [Recurs electrònic disponible a: biblioteca de la UAB]
American Educational Research Association, American Psychological Association, National Council on Measurement in Education (2014). The standards for educational and psychological testing. Autor. [https://www.testingstandards.net/open-access-files.html]
Ato, Manuel; Vallejo, Guillermo. (2011). Los efectos de terceras variables en la investigación psicológica. Anales de Psicología, 27, 550-561. [https://revistas.um.es/analesps/article/view/123201/115851]
Bandalos, Deborah L. (2018). Measurement theory and applications for the social sciences. Guilford Press. [ISBN 1462532136] [Recurs electrònic disponible a: biblioteca de la UAB]
Kleinbaum, David G.; Kupper, Lawrence L.; Nizam, Azhar; Rosenberg, Eli S. (2014). Applied regression analysis and other multivariable methods. (5ª ed.). Brooks/Cole. [ISBN 1285051084]
Kleinbaum, David G.; Klein, Mitchel. (2010). Logistic regression. A Self-learning text. 3ª ed. Springer. [https://www.springer.com/gp/book/9781441917416; https://link.springer.com/book/10.1007/978-1-4419-1742-3]
Shmueli, Galit. (2010). To explain or to predict? Statistical Science, 25, 289-310. https://dx.doi.org/10.1214/10-STS330
Programari
Stata
Grups i idiomes de l'assignatura
La informació proporcionada és provisional fins al 30 de novembre. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d'aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura
| Tipus de docència | Grup | Idioma | Semestre | Torn |
|---|---|---|---|---|
| (TEm) Teoria (màster) | 1 | Espanyol | segon quadrimestre | tarda |