Opis predmeta
1. Raziskovalni načrti in zbiranje podatkov:
- raziskovalni načrti v psihologiji in psihometriji ter njihovi epistemološki vidiki;
- računalniška simulacija in sorodne metode;
- specifični vidiki poročanja o raziskovalnih izsledkih na področju psihološke statistike.
2. Izbrane teme iz psihometrije:
- konceptualni problemi psihološkega merjenja (problem veljavnosti, merske lestvice, narava latentnih spremenljivk);
- varianca metode v psihološkem merjenju
- primerjalna evalvacija psihometričnih paradigem.
3. Napredni linearni modeli:
- splošni linearni model in njegove lastnosti;
- metode optimizacije v multivariatni analizi;
- metode prevzorčenja in robustne metode;
- (multivariatna) analiza (ko)variance, analiza ponovljenih meritev;
- linearni mešani modeli;
- latentne spremenljivke in zahtevnejša vprašanja faktorske analize;
- strukturno modeliranje: analiza poti, konfirmatorna faktorska analiza, splošni strukturni model; modeliranje interakcije, moderacije in mediacije ter sprememb in rasti;
- modeli latentnih razredov.
4. Sodobni trendi in izzivi v psihološki statistiki:
- ponovljivost psiholoških raziskav in verodostojnost izsledkov in zaključkov v družboslovju;
- Bayesove metode v psihologiji in psihometriji.
Cilji in kompetence
Študent skozi predmet nadgradi predhodno poznavanje statističnih in raziskovalnih metod, ki se uporabljajo v psihologiji. Pozna vse pomembne vrste raziskovalnih načrtov in razume tako njihovo tehnično izvedbo kot epistemološke implikacije. Razume načela psihometričnih paradigem, metod analize razlik med skupinami in metod psihometričnega modeliranja ter zna uporabiti ustrezno analizo tudi v nestandardnih situacijah.
Študent samostojno uporablja specializirano programsko opremo tudi za kompleksnejše analize in obvlada osnove programiranja, ki mu omogočajo samostojno prilagajanje analiz. Obvlada tako znanstveno komuniciranje kot razlago metod in rezultatov strokovnjakom drugih področij in laikom.
Študent dodatno poglobi svoje tehnično poznavanje izbranega metodološkega področja glede na temo disertacije.
Metode poučevanja in učenja
Predavanja, seminarske predstavitve, seminarske delavnice.
Predvideni študijski rezultati
Znanje in razumevanje:
Študent pozna vse pomembne vrste raziskovalnih načrtov in razume tako njihovo tehnično izvedbo kot epistemološke implikacije. Razume načela psihometričnih paradigem, metod analize razlik med skupinami in metod psihometričnega modeliranja.
Reference nosilca
Gregor Sočan:
Sočan, G. in Zager Kocjan, G. (2021). Person-level assessment of measurement invariance. Quality and quantity, 56, 3481–3503.
Sočan, G. (2016). Comparison of principal component solutions in two populations : a bootstrap test of the perfect congruence hypothesis. Methodology : European journal of research methods for the behavioral and social sciences, 12, 11-20.
Sočan, G. (2015). Empirical option weights for multiple-choice items : interactions with item properties and testing design. Metodološki zvezki, 25-43.
Temeljni viri in literatura
Borsboom, D. (2005). Measuring the mind: Conceptual issues in contemporary psychometrics. Cambridge University Press.
Jason, L., & Glenwick, D. (Eds.). (2016). Handbook of methodological approaches to community-based research: Qualitative, quantitative, and mixed methods. Oxford university press.
Kline, R. B. (2003). Principles and Practice of Structural Equation Modeling (2nd Ed.). The Guilford Press.
Levy, R. in Mislevy, R. (2016). Bayesian psychometric modeling. CRC Press.
Sijtsma, K. in van der Ark, A. (2021). Measurement Models for Psychological Attributes. CRC Press.
Skrondal, A. & Rabe-Hesketh, S. (2004). Generalized latent variable modeling: Multilevel, longitudinal, and structural equation models. Chapman & Hall/CRC.
West, B. T., Welch, K. B., & Galecki, A. T. (2006). Linear mixed models: a practical guide using statistical software. Chapman and Hall/CRC. ali Raudenbush, S. W., & Bryk, A. S. (2002). Hierarchical linear models: Applications and data analysis methods (Vol. 1). Sage.
Izbrani članki (seznam se prilagaja sproti).