-
Presentation
Presentation
This Course enables students to develop skills in data analysis for research in Psychology, focusing on techniques of quantitative data analysis in the field of psychometrics and inferential statistics, as well as qualitative data analysis.
-
Class from course
Class from course
-
Degree | Semesters | ECTS
Degree | Semesters | ECTS
Master Degree | Semestral | 5
-
Year | Nature | Language
Year | Nature | Language
1 | Mandatory | Português
-
Code
Code
ULHT789-25057
-
Prerequisites and corequisites
Prerequisites and corequisites
Not applicable
-
Professional Internship
Professional Internship
Não
-
Syllabus
Syllabus
PC1. Qualitative data analysis methods: Thematic analysis PC2. Quantitative data analysis methods: Descriptive statistics and inferential statistics PC3. Psychometrics PC3.1. Concept of psychometric scales and measurement theory in psychometrics PC3.2. Psychometric validation of measurement tests: Exploratory Factor Analysis and Confirmatory Factor Analysis PC4. Inferential Statistics: PC4.1. Univariate and Multivariate Analysis of Variance PC4.2. Analysis of Variance with Repeated Measures PC4.3. Linear relationship between two variables: Correlation, Simple and Multiple Linear Regression PC4.4. Mediation Models PC4.5. Moderation Models
-
Objectives
Objectives
LO1. Conduct a Qualitative data analysis LO2. Understand psychometric theories and underlying assumptions in scale construction LO3. Conduct a psychometric analysis of a scale and interpret its results LO4. Comprehend the relationship between conceptual hypothesis, study design, statistical procedure, and statistical hypothesis LO5. Apply Analysis of Variance and Multivariate Analysis techniques to problems in the domain of Psychology with within-subject and between-subjects samples LO6. Apply Simple Linear, Multiple, Mediation, and Moderation Regression models to problems in the domain of Psychology LO7. Choose and apply different statistical procedures considering research objectives and data type LO8. Present and interpret the results obtained from data analysis clearly LO9. Use statistical analysis software appropriately and effectively.
-
Teaching methodologies
Teaching methodologies
The classes of this course, of a theoretical-practical nature (TP), have a primarily applied component, in which students apply the theoretical skills acquired through practical activities such as conducting, analyzing, and discussing applied data analysis procedures. The practical application of the learned concepts will also be carried out using data from a study developed by the students themselves in the course of Research Methods I, allowing them to explore all phases of a research process over the two semesters. To engage students in research conducted in the field of Applied Neuropsychology, published studies in international journals that utilize the taught models and analytical techniques will be presented. Additionally, whenever possible, students will be involved in ongoing research projects at the Research and Development Unit (HEI-Lab).
-
References
References
Bardin, L. (2004). Análise de conteúdo. Edições 70. Braun, V., & Clarke, V. (2023). Toward good practice in thematic analysis: Avoiding common problems and be (com) ing a knowing researcher. International Journal of Transgender Health, 24(1), 1–6. https://doi.org/10.1080/26895269.2022.2129597 Field, A. (2017). Discovering statistics using IBM SPSS Statistics (5th ed.). Sage. Flick, U. (2009). Introdução à pesquisa qualitativa (3.ª ed.). Artmed. Hayes, A. F. (2017). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach. Guilford Publications. Maroco, J. (2018). Análise estatística com o SPSS statistics (7.ª ed.). ReportNumber. Tabachnick, B. G., & Fidell, L. S. (2006). Using multivariate statistics. Pearson International. Watt, R., & Collins, E. (2019). Statistics for psychology: A guide for beginners (and everyone else). SAGE Publications Limited.
-
Assessment
Assessment
A avaliação contínua tem quatro momentos de avaliação individual baseados nos conteúdos programáticos lecionados nas aulas teóricas e um momento de avaliação em grupo com cariz prático. Todos os momentos de avaliaçao individual consistirão em mini-testes com durações e ponderações distintas:
- O primeiro mini-teste incidirá sobre a matéria lecionada de análise de dados qualitativos e corresponde a 20% da classificação final,
- O segundo e terceiro momento correspondem cada um a 15% da classificação final e incidem sobre a análise de variância e regressão linear simples, multipla e modelos de mediação.
- O quarto mini-teste corresponde a 30% da classificação final e incidirá sobre os conteúdos da Psicometria.
- A avaliação prática (20%) corresponderá à elaboração de um pedido de viabilidade ética à Comissão de Ética e Deontologia na Investigação Científica (CEDIC) realizado em grupo.
A avaliação final tem um único momento de avaliação – exame individual – com ponderação de 100% . O exame incidirá sobre a totalidade dos conteúdos programáticos da unidade curricular.
Estudantes com estatuto especial que não possam comparecer às avaliações marcadas devem sinalizar a situação de forma a agendar uma avaliação em tudo semelhante à prevista, mantendo a equidade de avaliação entre estudantes.
Para obter aprovação à UC é necessário ter pelo menos 10 valores na nota final (escala de 0 a 20)NOTA SOBRE O USO DE IA: Nesta Unidade Curricular o recurso a ferramentas de Inteligência Artificial não é permitido, por se considerar que o uso destas ferramentas coloca em causa a clara avaliação das competências adquiridas pelo/a aluno/a. Sempre que necessário, com fundamento em indício de uso de IA, o/a docente poderá calendarizar uma prova oral de avaliação, convocando o/a estudante a comparecer, sob pena da anulação da avaliação à UC.
-
Mobility
Mobility
No
