Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Estatística e Análise de Dados

Departamento / Department

Departamento de Métodos de Pesquisa Social

Ano letivo / Execution Year

2023/2024

Pré-requisitos / Pre-Requisites

Não se aplica.

Objetivos Gerais / Objectives

A unidade curricular Análise de Dados em Ciências Sociais: Modelos de Dependência visa a apresentação e o desenvolvimento de um conjunto de métodos de análise de dados de uso recorrente na investigação em Ciências Sociais, que permitem descrever e interpretar relações de dependência entre variáveis. Em concreto, são desenvolvidos os modelos de Análise de Variância e de Regressão Linear. É privilegiada uma abordagem cujo ponto de partida são situações reais de pesquisa em que se justifica, do ponto de vista analítico, a utilização dos referidos métodos. Tratando-se de modelos de dependência, permitem explorar a possibilidade de explicação, em termos estatísticos, de uma variável (a variável dependente) a partir do contributo de uma ou mais variáveis explicativas (as variáveis independentes). São aprofundadas as potencialidades de utilização do software de análise de dados SPSS (Statistical Package for Social Sciences).

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

Pretende-se que xs estudantes atinjam os seguintes objetivos no decorrer do processo de aprendizagem: OA1) Conhecer as potencialidades da Análise de Variância e da Regressão Linear na investigação em ciências sociais, assim como as situações, e as condições, em que as mesmas podem ser utilizadas; OA2) Compreender os principais conceitos subjacentes à Análise de Variância e à Regressão Linear; OA3) Interpretar de forma rigorosa os diferentes elementos associados aos resultados dessas análises; OA4) Realizar, no SPSS, a Análise de Variância e a Regressão Linear, assim como todos os procedimentos necessários à preparação / transformação das variáveis de input; OA5) Sistematizar, apresentar e interpretar os resultados obtidos tendo em vista a elaboração de um relatório de análise de dados ou de um artigo.

Conteúdos Programáticos / Syllabus

1.Análise de Variância a 1 fator fixo (One-way ANOVA) a) Introdução; b) Pressupostos; Modelo e hipóteses; Teste F; c) Comparações a posteriori; d) Interpretação e apresentação dos resultados; e) Aplicações com SPSS. 2. Análise de Variância a 2 fatores fixos (Two-way ANOVA) a) Pressupostos; Modelo e hipóteses; Testes F; b) Comparações a posteriori: efeito de interação significativo e não significativo; c) Interpretação e apresentação dos resultados; d) Aplicações com o SPSS. 3. Modelo de Regressão Linear a) Definição e pressupostos; b) Estimação dos parâmetros; Coeficientes de correlação e de determinação múltiplos; Inferência; c) Coeficientes de correlação parciais e semi-parciais; d) Interpretação e apresentação dos resultados; e) Aplicações com o SPSS.

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes

Os objetivos da UC são alcançados com os conteúdos programáticos propostos como se demonstra em seguida: OA1: alíneas a) e d) do ponto 1 do programa; alínea c) do ponto 2 do programa e alíneas a) e d) do ponto 3 do programa. OA2: alíneas b), e c) do ponto 1 do programa; alíneas a) e b) do ponto 2 do programa e alíneas b) e c) do ponto 3 do programa. OA3: alíneas b), c) e d) do ponto 1 do programa; alíneas a), b) e c) do ponto 2 do programa e alíneas b), c) e d) do ponto 3 do programa. AO4: alínea e) do ponto 1 do programa; alínea d) do ponto 2 do programa e alínea e) do ponto 3 do programa. AO5: alínea d) do ponto 1 do programa; alínea c) do ponto 2 do programa e alínea d) do ponto 3 do programa.

Avaliação / Assessment

A avaliação periódica resulta de duas componentes individuais: dois testes escritos (40%+40%) e um teste com SPSS (20%). Se a nota final for inferior a 10 valores, a avaliação será feita em exame. A avaliação em exame inclui 2 componentes individuais: Exame escrito (80%) e Exame SPSS (20%). Existe a possibilidade de dispensa no exame de uma das componentes se na avaliação periódica a nota tiver sido positiva (pelo menos 10 valores) nessa componente. Esta condição não se aplica em melhorias de nota.

Metodologias de Ensino / Teaching methodologies

O processo de ensino-aprendizagem desenvolve-se através de aulas teórico-práticas, sessões laboratoriais (orientadas para o trabalho prático, com recurso ao SPSS), orientação tutorial e através do trabalho autónomo dxs estudantes. O trabalho dxs estudantes inclui: a) participação nas aulas b) consulta e leitura dos materiais de apoio preparados pela equipa docente e da bibliografia de referência; c) realização frequente de exercícios; d) realização de dois testes escritos; e) realização de um teste com o SPSS.

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes

As diferentes metodologias de ensino permitirão alcançar os objetivos de aprendizagem (OA) definidos, como se demonstra em seguida: - As aulas teórico-práticas destinadas à apresentação dos conceitos estatísticos, à interpretação de diversos exemplos, assim como aos modos de apresentação e discussão de resultados permitirão alcançar os seguintes objetivos de aprendizagem: OA1, OA2, OA3 e OA5. - Nas aulas práticas serão desenvolvidos conhecimentos e competências relativamente à utilização do software SPSS, o que permitirá alcançar os objetivos de aprendizagem 4 e 5 (OA4 e OA5). Os testes escritos permitirão demonstrar se foram alcançados os objetivos de aprendizagem OA1, OA2, OA3 e OA5. O teste com SPSS permitirá demonstrar se os objetivos de aprendizagem OA4 e OA5 foram alcançados.

Observações / Observations

Uma das funcionalidades associadas ao desempenho desta unidade curricular prende-se com o uso da plataforma Moodle. Este é também um meio vinculativo da informação. Ao longo do semestre xs estudantes vão sendo sensibilizadxs a usar a plataforma, beneficiando assim das suas vantagens. Através dela têm acesso a todos os materiais necessários ao acompanhamento do programa curricular, quer nas aulas teórico-práticas, quer nas sessões laboratoriais. A plataforma é igualmente usada para colocar outro tipo de informação importante como sejam: avisos da equipa docente, materiais destinados à avaliação, etc.

Bibliografia Principal / Main Bibliography

Bryman, Alan e Duncan Cramer (2003), Análise de Dados em Ciências Sociais: Introdução às Técnicas Utilizando o SPSS para Windows (3ª edição), Oeiras, Celta Editora. Field, Andy (2018) Discovering Statistics Using IBM SPSS Statistics (5th edition), London, Sage Publications. Hair Jr., Joseph F., William C. Black, Barry J. Babin, and Rolph E. Anderson (2019), Multivariate Data Analysis (8th edition), Hampshire, Cengage. Laureano, Raul e Maria do Carmo Botelho (2017), SPSS Statistics: O meu manual de consulta rápida, Lisboa, Sílabo. Marôco, João (2021), Análise Estatística com o SPSS Statistics (8ª edição), Pero Pinheiro, Report Number. Equipa docente, Folhas preparadas pela equipa docente e disponibilizadas via Moodle no decorrer do semestre., 2023, Folhas preparadas pela equipa docente e disponibilizadas via Moodle no decorrer do semestre., Equipa docente, Vídeos com fichas técnicas SPSS preparados pela equipa docente e disponibilizados via Moodle no decorrer do semestre., 2023, Vídeos com fichas técnicas SPSS preparados pela equipa docente e disponibilizados via Moodle no decorrer do semestre., Laureano, Raul M. S. (2022), Testes de Hipóteses com o IBM SPSS Statistics, (3ª edição), Lisboa, Sílabo.

Bibliografia Secundária / Secondary Bibliography

Cohen, Jacob, Patricia Cohen, Stephen G. West and Leona S. Aiken (2003), Applied Multiple Regression-correlation Analysis for the Behavioral Sciences (3rd edition), Mahawh, Laurence Erlbaum. Tabachnick, Barbara, Linda S. Fidell (2000), Computer-assisted Research Design and Analysis, Boston, Ally and Bacon. Tacq, Jacques (1997), Multivariate Analysis Techniques in Social Science Research: From Problems to Analysis, London, Sage.

Data da última atualização / Last Update Date

2024-02-16