| Corsi di Laurea | Corsi di Laurea Magistrale | Corsi di Laurea Magistrale a Ciclo Unico |
| Scuola di Psicologia | ||
| PSICOLOGIA SOCIALE, DEL LAVORO E DELLA COMUNICAZIONE | ||
Insegnamento
MODELLI DI ANALISI PER VARIABILI LATENTI
PSP7078617, A.A. 2019/20
Informazioni valide per gli studenti immatricolati nell'A.A. 2019/20
MODELLI DI ANALISI PER VARIABILI LATENTI
PSP7078617, A.A. 2019/20
Informazioni valide per gli studenti immatricolati nell'A.A. 2019/20
Principali informazioni sull'insegnamento
| Corso di studio |
Corso di laurea magistrale in PSICOLOGIA SOCIALE, DEL LAVORO E DELLA COMUNICAZIONE PS1087, ordinamento 2017/18, A.A. 2019/20 |
 porta questa pagina con te |
|---|---|---|
| Crediti formativi | 6.0 | |
| Tipo di valutazione | Voto | |
| Denominazione inglese | LATENT VARIABLE MODELS | |
| Dipartimento di riferimento | Dipartimento di Filosofia, Sociologia, Pedagogia e Psicologia Applicata (FISPPA) | |
| Obbligo di frequenza | No | |
| Lingua di erogazione | ITALIANO | |
| Sede | PADOVA | |
| Corso singolo | È possibile iscriversi all'insegnamento come corso singolo | |
| Corso a libera scelta | È possibile utilizzare l'insegnamento come corso a libera scelta |
Docenti
| Responsabile | EGIDIO ROBUSTO | M-PSI/03 |
|---|
Dettaglio crediti formativi
| Tipologia | Ambito Disciplinare | Settore Scientifico-Disciplinare | Crediti |
|---|---|---|---|
| CARATTERIZZANTE | Psicologia generale e fisiologica | M-PSI/03 | 6.0 |
Organizzazione dell'insegnamento
| Periodo di erogazione | Secondo semestre |
|---|---|
| Anno di corso | I Anno |
| Modalità di erogazione | frontale |
| Tipo ore | Crediti | Ore di didattica assistita |
Ore Studio Individuale |
|---|---|---|---|
| LEZIONE | 6.0 | 42 | 108.0 |
| Inizio attività didattiche | 02/03/2020 |
|---|---|
| Fine attività didattiche | 12/06/2020 |
| Visualizza il calendario delle lezioni | Lezioni 2019/20 Ord.2017 |
Commissioni d'esame
| Commissione | Dal | Al | Membri |
|---|---|---|---|
| 2 2018/19 | 01/10/2018 | 30/11/2019 |
ROBUSTO
EGIDIO
(Presidente)
ANSELMI PASQUALE (Membro Effettivo) STEFANUTTI LUCA (Membro Effettivo) VIDOTTO GIULIO (Membro Effettivo) |
| Prerequisiti: | Le conoscenze acquisite nelle discipline a contenuto metodologico. |
| Conoscenze e abilita' da acquisire: | Il corso è finalizzato all'introduzione e all'approfondimento di alcune metodologie avanzate di analisi dei dati, con particolare riguardo all'analisi dei tratti e delle classi latenti. Al termine del percorso didattico, lo studente dovrà essere in grado di padroneggiare anche sotto il profilo informatico i modelli di analisi trattati. |
| Modalita' di esame: | Prova orale vertente sugli aspetti teorici e applicativi trattati nel corso delle lezioni nonche' sulle esercitazioni compiute. |
| Criteri di valutazione: | La valutazione della preparazione si basera' sulla comprensione degli argomenti trattati, sull'acquisizione dei concetti e delle metodologie proposte e sulla capacità di applicarli in modo autonomo e consapevole. |
| Contenuti: | - Rassegna di prerequisiti e introduzione al concetto di variabile latente
- Modelli di Rasch - Modelli log-lineari con variabili latenti - Software specialistici di analisi |
| Attivita' di apprendimento previste e metodologie di insegnamento: | Oltre alle lezioni frontali, saranno proposte esercitazioni su casi di analisi concreti nei quali gli studenti, da soli o in gruppo, avranno la possibilita' di mettere alla prova le nozioni apprese. |
| Eventuali indicazioni sui materiali di studio: | Sulla pagina Moodle del corso saranno messi a disposizione i lucidi delle lezioni e ogni materiale utilizzato a lezione.
Si sottolinea che la disponibilita' di tali sussidi in alcun modo solleva gli studenti dalla frequenza delle lezioni, che resta il modo piu' efficace per avvicinarsi alla materia e approfondirne i contenuti. |
| Testi di riferimento: |
|
- Problem based learning
- Case study
- Interactive lecturing
- Working in group
- Problem solving
- Files e pagine caricati online (pagine web, Moodle, ...)
- Moodle (files, quiz, workshop, ...)
- One Note (inchiostro digitale)
- Latex
- R
