-
Presentation
Presentation
This course aims to equip students with research and data analysis skills in Psychology, focusing on quantitative data analysis techniques within the scope of psychometrics and inferential statistics, as well as qualitative data analysis techniques.
-
Class from course
Class from course
-
Degree | Semesters | ECTS
Degree | Semesters | ECTS
Master Degree | Semestral | 6
-
Year | Nature | Language
Year | Nature | Language
1 | Mandatory | Português
-
Code
Code
ULHT1705-24940
-
Prerequisites and corequisites
Prerequisites and corequisites
Not applicable
-
Professional Internship
Professional Internship
Não
-
Syllabus
Syllabus
PC1. Methods of qualitative data analysis: Thematic content analysis PC2. Methods of quantitative data analysis: 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 qualitative data analysis LO2. Understand psychometric theories and the underlying assumptions of scale construction LO3. Conduct the analysis of the psychometric characteristics of a scale and interpret the results LO4. Comprehend the relationship between conceptual hypothesis, study design, statistical procedure, and statistical hypothesis LO5. Apply statistical techniques of Analysis of Variance (ANOVA) and Multivariate Analysis to problems in the domain of Social and Organizational Psychology with both within-subjects and between-subjects samples LO6. Apply models of Simple and Multiple Linear Regression, Mediation, and Moderation to problems in the domain of Social and Organizational Psychology LO7. Choose and apply different statistical procedures considering the research objectives and type of data LO8. Clearly present and interpret the results obtained from data analysis LO9. Appropriately and effectively use statistical analysis software.
-
Teaching methodologies
Teaching methodologies
The classes for this course, of a theoretical-practical nature (TP), have an essentially applied component, in which students apply the theoretical skills acquired through concrete and contextualized practical activities in the area of Social and Organizational Psychology (PSO). These activities include, for example, 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 during the Research Methods I course, allowing students to explore all stages of a research process over the two semesters. To engage students in the research developed in the PSO area, internationally published studies using the taught methodologies and methods will be presented. Additionally, whenever possible, efforts will be made to involve students in ongoing research projects at the Research and Development unit (HEI-Lab).
-
References
References
Bardin,L. (2004). Análise de Conteúdo. Lisboa: Edições 70. Flick, U. (2009). Introdução à Pesquisa Qualitativa (3.ª Ed.). Porto Alegre: Artmed. Goss-Sampson, M. A. (2022). Statistical Analysis in JASP 0.16.1: A Guide for Students. Hayes, A. F. (2017). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach. New York:Guilford Publications. Navarro et al. (2019). Learning Statistics with JASP: A Tutorial for Psychology Students and Other Beginners. Available at https://learnstatswithjasp.com. Urbina, S. (2014). Essentials of psychological testing (2nd ed.). John Wiley & Sons, Inc. https://doi.org/10.1002/9781394259458 Watt, R., & Collins, E. (2019). Statistics for Psychology: A Guide for Beginners (and everyone else). SAGE Publications Limited. Willig, C. & Stainton-Rogers (2008). The SAGE handbook of qualitative research in psychology. SAGE Publications Ltd.
-
Assessment
Assessment
A avaliação contínua tem três 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 avaliação 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 momento corresponde a 20% da classificação final e incidirá sobre a análise de variância
- O terceiro mini-teste corresponde a 20% da classificação final e incidirá sobre os conteúdos da Psicometria.
- O trabalho de grupo consiste no desenvolvimento de um poster científico (25%) com respetiva apresentação em aula (15%) com dados dos projetos individuais desenvolvidos na disciplina de MIPSO I ou dados secundários, cuja análise de dados deve incidir num modelo de regressão linear múltipla ou de mediação.
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 UC será permitido o recurso e utilização de ferramentas de IA tendo em vista os seguintes objetivos: obtenção de uma visão geral sobre um tema, pesquisa de referências, organização de ideias e sumarização de informação. Todas as informações deverão ser analisadas e integradas pelo aluno, utilizando o conhecimento adquirido em aula e através de leituras independentes. Assim, os alunos deverão assegurar a validade das informações geradas por IA e e que estas provêm de fontes fidedignas. Para além disso, sempre que os elementos de avaliação submetidos tenham recorrido à utilização de ferramentas IA, os estudantes deverão assegurar o cumprimento das normas de referenciação e integridade académica preconizadas na lei e regulamentos. Devem ainda adicionar uma declaração no final do trabalho, especificando o propósito para o qual usaram as ferramentas de IA, como por exemplo, a organização de ideias, a geração de referências, a elaboração de esboços iniciais, sumarização de informação, etc. Sempre que necessário, com fundamento em indício de uso inapropriado 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
Yes
