TECNICHE DI RACCOLTA E ANALISI DEI DATI M2
Corso di laurea specialistica in:
PUBBLICITA’, EDITORIA E CREATIVITA’ D’IMPRESA
CREDITI FORMATIVI: 6
Docente:
Settore scientifico disciplinare:
Tipologia:
Anno di corso e semestre:
Modalità di frequenza:
Lingua d’insegnamento:
Orari e sede:
MARIA CRISTIANA MARTINI
SECS-S/05
INTEGRATO
I ANNO, I SEMESTRE
NON OBBLIGATORIA
ITALIANO
a cura della segreteria
Obiettivi formativi
Il corso si propone di introdurre lo studente ad alcune delle tecniche di statistica multivariata
più comunemente utilizzate nell’ambito della ricerca sociale, sia di tipo confermativo che
esplorativo, e di sviluppare la capacità di riconoscimento e soluzione di problemi di analisi dei
dati, e la terminologia statistica adeguata. Particolare attenzione sarà dedicata agli aspetti
applicativi, prima attraverso l’addestramento in laboratorio informatico all’utilizzo di un
software statistico per l’analisi, e poi mediante l’analisi di insiemi di dati reali.
Risultati di apprendimento
Conoscenza e capacità di comprensione: lo studente acquisirà la terminologia tecnicoscientifica e la conoscenza dei principali strumenti di analisi, al fine di comprendere le
applicazioni metodologiche di un articolo scientifico di settore.
Applicazione: lo studente imparerà a tradurre le ipotesi di ricerca in analisi statistiche,
svolgere tali analisi con l’aiuto di un software statistico e interpretarne i risultati in termini
sostantivi.
Autonomia di giudizio: lo studente acquisirà la consapevolezza delle scelte sottostanti
l’impianto metodologico di una ricerca, e la capacità di decidere quali analisi condurre,
motivando le proprie scelte.
Abilità comunicative: lo sviluppo di un linguaggio adeguato e la comprensione del significato
dei modelli di analisi permetterà allo studente di tradurre le ipotesi di ricerca in analisi
statistiche, e successivamente di tradurre gli output numerici in informazione concreta e
comunicabile a non esperti.
Capacità di apprendere: le conoscenze acquisite nel corso permetteranno allo studente di
comprendere e approfondire autonomamente gli strumenti di analisi, anche relativamente a
tecniche non trattate nel corso.
Prerequisiti
Si suggerisce caldamente la preconoscenza di alcune nozioni di statistica di base, che vengono
solo velocemente riprese nelle prime lezioni.
Contenuti del corso
1. Richiami di statistica descrittiva: misure di centralità e dispersione
2. Verifica d’ipotesi: campioni appaiati, campioni indipendenti, analisi della varianza a una
via, test del χ2
3. Misure di associazione simmetriche e asimmetriche per variabili misurate su diverse
scale: indici per variabili nominali, ordinali, quantitative
4. Modello di regressione multipla e sue estensioni
5. Analisi fattoriale e validazione di scale di misura
6. Introduzione del pacchetto statistico SPSS per la gestione e l’analisi dei dati
7. Utilizzo del pacchetto statistico SPSS per l’applicazione dei metodi di analisi trattati nel
corso.
Materiale didattico di riferimento
Per il contenuto del corso:
Lucidi utilizzati a lezione e resi disponibili su Dolly.
Student Version di SPSS11 con tutorial e help in linea (in inglese)
Antonio De Lillo, Gianluca Argentin, Mario Lucchini, Simone Sarti, Marco Terraneo. Analisi
multivariata per le scienze sociali. Pearson Education, 2007 (solo alcuni capitoli)
Per il ripasso delle nozioni di base:
Ian Diamond e Julie Jefferies. Introduzione alla statistica per le scienze sociali. McGraw-Hill,
Milano, 2006.
Per consultazione:
Marisa Giorgetti, Davide Massaro. Ricerca e percorsi di analisi dati con SPSS. Pearson
Education, 2007.
Alessandra Areni, Anna Paola Ercolani, Teresa Gloria Scalisi. Introduzione all’uso della
statistica in psicologia. LED, Milano, 1994.
Piergiorgio Corbetta, Giancarlo Gasperoni e Maurizio Pisati. Statistica per la ricerca sociale. Il
Mulino, Bologna, 2001.
Metodi didattici
Lezioni frontali da parte del docente
Lezioni sull’utilizzo di SPSS condotte in laboratorio informatico con l’assistenza del docente
Metodi di valutazione
La valutazione si basa:
• per tre quarti, sul risultato di un esame scritto svolto in laboratorio informatico. Per la
prova verrà fornito un insieme di dati e una traccia di problemi da risolvere. L’elaborato
da consegnare consiste in un file che riporta i soli risultati rilevanti delle elaborazioni
svolte, opportunamente illustrati, interpretati e commentati. Durante lo svolgimento
della prova è possibile consultare libri, appunti e altri materiali cartacei, ma non
comunicare con gli altri studenti o accedere ad internet;
• per un quarto, sulla valutazione di una relazione in cui si introducono, si descrivono e si
commentano le analisi statistiche svolte su un insieme di dati concordato col docente.
Entrambe le parti sono obbligatorie, ed entrambe devono avere una valutazione almeno
sufficiente ai fini del superamento dell’esame.
TECHNIQUES OF DATA COLLECTION AND DATA ANALYSIS M2
Undergraduate/Graduate degree programme:
PUBBLICITA’, EDITORIA E CREATIVITA’ D’IMPRESA
ECTS: 6
Course Coordinator:
Scientific Area Code:
Module:
Year and course period:
Attendance:
Language:
Lessons schedule and exam dates:
MARIA CRISTIANA MARTINI
SECS-S/05
MULTIPLE
FIRST YEAR, FIRST SEMESTER
NON MANDATORY
ITALIAN
AVAILABLE FROM www.sce.unimore.it
Aim of the course
This course aims at initiating the students to some of the most common techniques of
multivariate statistics in the social sciences, for confirmatory and exploratory analysis. The
course is also intended to develop the ability to recognize and solve data analysis problems,
and to build up an appropriate statistical terminology. Special attention is devoted to practical
aspects, first through a computer laboratory training with a statistical software for data
analysis, and then by the analysis of real data sets.
Learning objectives
Knowledge and understanding: students will develop a technical statistical vocabulary and
a knowledge of the main tools for the analysis, in order to understand the methodological
aspects of a scientific article in a journal of social sciences.
Applying knowledge and understanding: students will learn to translate the research
hypotheses in statistical analyses, perform these analyses with a statistical software, and
interpret the results.
Making judgements: students will get awareness of the choices underlying social research,
and will develop the ability to choose the appropriate analysis and to justify the choice.
Communication skills: the development of an adequate vocabulary and the understanding of
the statistical tools will make the students able to translate the research hypotheses into
statistical analyses, and then to translate the numerical results in practical information,
comprehensible to non experts.
Learning skills: the acquired knowledge will allow the students to autonomously understand
and deepen the knowledge of statistical tools which were not treated in the course.
Prerequisite/progression of the course
I warmly suggest to gather some basic knowledge of statistics before the beginning of the
course; during the first classes I will rapidly revise the basic topics.
Course content
8. Revision of descriptive statistics: measures of centrality and dispersion
9. Statistical testing: paired-samples t test, independent-samples t test, one-way analysis
of variance (ANOVA), χ2 test for contingency tables
10. Symmetric and asymmetric association indices for variables measured on different
scales: indices for categorical, ordinal and quantitative variables
11. Multiple regression model and its generalizations
12. Factor analysis and scale validation techniques
13. Introduction to the statistical software SPSS for data management and analysis
14. Use of the statistical software SPSS for each statistical analysis treated in the course
Course literature
Course content:
Slides available from Dolly.
SPSS11 Student Version with tutorial and online help (in english)
Antonio De Lillo, Gianluca Argentin, Mario Lucchini, Simone Sarti, Marco Terraneo. Analisi
multivariata per le scienze sociali. Pearson Education, 2007 (only some chapters)
Revision of basic statistics:
Ian Diamond e Julie Jefferies. Introduzione alla statistica per le scienze sociali. McGraw-Hill,
Milano, 2006.
Further references:
Marisa Giorgetti, Davide Massaro. Ricerca e percorsi di analisi dati con SPSS. Pearson
Education, 2007.
Alessandra Areni, Anna Paola Ercolani, Teresa Gloria Scalisi. Introduzione all’uso della
statistica in psicologia. LED, Milano, 1994.
Piergiorgio Corbetta, Giancarlo Gasperoni e Maurizio Pisati. Statistica per la ricerca sociale. Il
Mulino, Bologna, 2001.
Teaching methods
Traditional ex cathedra teaching.
Computer laboratory classes on SPSS, conducted and assisted by the teacher.
Type of examination, exam aids and assessment
The assessment is based:
• For ¾ on the results of a written exam to be held in the computer laboratory. The
teacher will provide a dataset and some problems to be solved. The final paper will
contain the relevant results with interpretations and comments. During the exam
students are allowed to consult books and notes, but not to communicate to each other,
or to connect to the internet;
• For ¼ on the evaluation of a report with the description and interpretation of a data
analysis conducted on a dataset agreed on with the teacher; the report is due before
the beginning of the exam.
The two parts are both compulsory, and the students must reach at least a sufficient
evaluation in both of them, in order to pass the exam.
