Συνοπτική περιγραφή

Το μάθημα παρουσιάζει και αναλύει τεχνικές στατιστικής ανάλυσης με τη βοήθεια λογισμικού, οι οποίες απαντώνται στις περισσότερες ποσοτικές έρευνες στα πεδία των επιστημών της επικοινωνίας, αλλά και γενικότερα των κοινωνικών επιστημών.

Με συγκεκριμένα παραδείγματα και ασκήσεις, και αξιοποιώντας υλικό από πραγματικές έρευνες, οι φοιτητές εξοικειώνονται με βασικά εργαλεία για την ανάλυση ποσοτικών δεδομένων από εμπειρικές έρευνες, με τους τρόπους με τους οποίους ερμηνεύονται τα αποτελέσματα, αλλά και με τους τρόπους με τους οποίους παρουσιάζονται, ιδιαίτερα στις επιστημονικές εργασίες.

Το μάθημα δίνει ιδιαίτερη έμφαση σε εκείνες τις στατιστικές δοκιμασίες που χρησιμοποιούνται στις περισσότερες έρευνες με τις οποίες ολοκληρώνεται το μεταπτυχιακό πρόγραμμα σπουδών στο Τμήμα Δημοσιογραφίας & ΜΜΕ του ΑΠΘ. Παράλληλα, παρέχει εφόδια απαραίτητα για την κατανόηση ερευνών οι οποίες παρουσιάζονται συχνά στο δημόσιο λόγο, όπως οι δημοσκοπήσεις και άλλου τύπου ποσοτικές έρευνες, ενισχύοντας την ικανότητα της κριτικής ανάγνωσης και ερμηνείας τους.

Ενδεικτικό διάγραμμα

1. Εισαγωγή στις βασικές έννοιες της ανάλυσης δεδομένων (1η-2η εβδομάδα).
2. Σύγκριση μέσων τιμών (3η-4η εβδομάδα).
3. Ανάλυση διακύμανσης ενός παράγοντα (5η-6η εβδομάδα).
4. Συσχέτιση, παλινδρόμηση, πολλαπλή παλινδρόμηση (7η-8η εβδομάδα).
5. Διερευνητική παραγοντική ανάλυση (9η-10η εβδομάδα).
6. Σύγκριση συχνοτήτων κατηγοριών (11η εβδομάδα).
7. Παρουσίαση επιστημονικών άρθρων, εστίαση στις αναλύσεις και σχολιασμός τους ή εκπόνηση και παρουσίαση εργασιών.

Στόχοι του μαθήματος

• Να αποκτήσουν οι φοιτητές και οι φοιτήτριες βασικές γνώσεις και δεξιότητες στατιστικής ανάλυσης των ποσοτικών δεδομένων.
• Να κατανοήσουν πότε και πώς μπορούν να χρησιμοποιηθούν ορισμένες από τις πιο συνηθισμένες στατιστικές δοκιμασίες.
• Να κατανοήσουν τη σχέση ανάμεσα στη θεωρητική τεκμηρίωση, τη διατύπωση ερωτημάτων και υποθέσεων, το σχεδιασμό και τη διεξαγωγή της έρευνας, την ερμηνεία των αποτελεσμάτων.
• Να αναπτύξουν την ικανότητα κριτικής ανάλυσης του τρόπου με τον οποίο παρουσιάζονται οι επιστημονικές έρευνες.

Βιβλιογραφία/αρθρογραφία

1. Costello, A. B., & Osborne, J. W. (2005). Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical Assessment, Research & Evaluation, 10(7): 1-9.
2. Field, A. (2009). Discovering statistics using SPSS (and sex and drugs and rock 'n' roll). London, Thousand Oaks, New Delhi, Singapore: SAGE.
3. Leech, N. L., Barrett, K. C., & Morgan, G. A. (2005). SPSS for intermediate statistics: Use and interpretation (2nd Ed.). Mahwah, New Jersey, London: Lawrence Erlbaum Associates.
4. Morgan, G. A., Leech, N. L., Gloeckner, G. W., & Barrett, K. C. (2004). SPSS for introductory statistics. Use and interpretation (2nd Ed.). Mahwah, New Jersey, London: Lawrence Erlbaum Associates.
5. Pallant, J. (2001). SPSS survival manual: A step-by-step guide to data analysis using SPSS for Windows (Version 10). Crows Nest: Allen & Unwin.
6. Σειρά βίντεο εφαρμογής στατιστικών μεθόδων με τη χρήση του SPSS.
7. Σειρά βίντεο SPSS από το London School of Economics.

Διαδικασία μαθήματος/Τρόπος αξιολόγησης

Το μάθημα περιλαμβάνει διαλέξεις και ασκήσεις με τη βοήθεια ηλεκτρονικού υπολογιστή στα εργαστήρια του Τμήματος. Περιλαμβάνει, επίσης, ανάλυση παραδειγμάτων και δεδομένων από πραγματικές έρευνες και γραπτή εργασία. Το μάθημα αξιολογείται με βάση:

• Τη συμμετοχή στη διαδικασία (30%)
• Γραπτή εργασία (1.500-2.000 λέξεις) (70%)

Πληροφορίες για την επόμενη εξεταστική περίοδο και την προθεσμία υποβολής της τελικής εργασίας μπορείτε να βρείτε στη σελίδα των ανακοινώσεων (εφόσον έχει βγει το σχετικό πρόγραμμα).