Titulación | Tipo | Curso | Semestre |
---|---|---|---|
4316222 Investigación en Psicología Clínica y de la Salud | OT | 0 | 2 |
Conocimientos del módulo 1, especialmente los referidos a metodología y diseños de investigación, por su vinculación directa con el modelado estadístico, los referidos a análisis de datos descriptivo y bivariante, y sobre el funcionamiento del software Stata.
Proporcionar las habilidades necesarias (teóricas e instrumentales) para que el estudiante sea capaz de:
- Analizar las propiedades psicométricas de un cuestionario relativas a estructura interna y fiabilidad.
- Analizar los datos de una investigación mediante modelos de regresión lineal o logística, tanto con la finalidad de predecir la respuesta como de estudiar la influencia de una exposición sobre la respuesta.
- Incorporar en el proceso de modelado estadístico los fenómenos de la interacción y la confusión.
- Realizar el diagnóstico de las condiciones de aplicación de los modelos de regresión lineal y logística.
- Distinguir una variable moderadora de una variable mediadora, y plantear junto a estimar modelos de ecuaciones estructurales (SEM) para el análisis de modelos de mediación.
- Interpretar los resultados de los modelos de regresión y SEM, sabiendo seleccionar aquellos más adecuados para ser incluidos en el informe de investigación.
Bloque A
- Estructura interna: análisis en componentes principales (A1) y análisis factorial confrimatorio (A2)
- Fiabilidad (A3)
Bloque B
- Regresión lineal: modelos predictivos y para evaluar efectos
- Modelado estadístico en presencia de interacción y confusión
- Diagnóstico del modelo de regresión lineal
Bloque C
- Regresión logística: modelos predictivos y para evaluar efectos
- Regresión logística y pruebas diagnósticas
- Diagnóstico del modelo de regresión logística
Bloque D
- Moderación vs mediación
- Modelos de ecuaciones estructurales para el análisis de variables mediadoras
Dirigidas:
- Clases magistrales. A partir de un material docente publicado por los profesores, se realiza la explicación en base a ejemplos y matrices de datos reales de investigación en psicología. Cada clase magistral finaliza con un espacio dedicado al debate con el estudiantado, de quienes se espera una retroalimentación sobre la comprensión, utilidad y aplicabilidad que encuentran a los conceptos presentados.
- Sesiones prácticas con Stata. Los resultados presentados en la clase magistral son replicados empleando Stata. También se añaden ejercicios nuevos de estructura similar.
Nota: La metodología docente y la evaluación propuestas pueden experimentar alguna modificación en función de las restricciones a la presencialidad que impongan las autoridades sanitarias. El equipo docente detallará a través del aula moodle o el medio de comunicación habitual el formato presencial o virtual/on-line de las diferentes actividades dirigidas y de evaluación, teniendo en cuenta las indicaciones de la facultad en función de lo que permita la situación sanitaria.
Título | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|
Tipo: Dirigidas | |||
Clase magistral + sesiones prácticas con Stata | 30 | 1,2 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12, 10, 14, 13, 15, 16, 17 |
Tipo: Autónomas | |||
Elaboración de informes | 16 | 0,64 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12, 10, 14, 13, 15, 16, 17 |
Trabajo personal | 100 | 4 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12, 10, 14, 13, 15, 16, 17 |
La evaluación continuada integrará 4 elementos evaluativos:
Evidencia 1 (25%): Entrega online dels resultats de los análisis hechos de forma autónoma individual de un problema práctico relativo a estructura interna y fiabilidad.
Evidencia 2 (40%): Prueba presencial de ordenador sobre modelos de regresión lineal.
Evidencia 3 (25%): Prueba presencial de ordenador sobre modelos de regresión logística.
Evidencia 4 (10%): Entrega online de un informe con el resumen hecho en equipos de 2 estudiantes de un artículo publicado que incluya análisis con mediación.
La calificación final de la evaluación continuada se obtendrá como el promedio ponderado de las 4 evidencias de evaluación. El módulo se superará con calificaciones iguales o superiores a 5 puntos (en una escala de 0 a 10 puntos), con un mínimo de 3 puntos en las Ev2 y Ev3.
El estudiantado que haya obtenido una calificación final entre 3.5 y menos de 5 puntos y que haya realizado evidencias de evaluación con un peso de al menos 2/3 de la calificación total, podrá presentarse a la prueba de recuperación (semana 12), para volver a realizar las evidencias 2 y/o 3 que no hayan sido superadas. La calificación máxima que puede obtenerse en cada evidencia recuperada será de 6 puntos. La nota obtenida en la/s evidencia/s recuperada/s sustiuirá la respectiva nota original y se recalculará la nota final.
Si se han presentado evidencias con un peso acumulado del 40% o más no se podrà constar en actas como "No evaluable".
No se prevé que el estudiantado de 2ª matrícula o posterior se evalúe mediante una única prueba de síntesis no recuperable.
Eldocumento con las pautas de evaluación de la Facultad se encuentra en: https://www.uab.cat/web/estudiar/graus/graus/avaluacions-1345722525858.html
Título | Peso | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|---|
Ev1 Informe práctico sobre estructura interna y fiabilidad (semanas 2-4) | 25 | 0 | 0 | 1, 2, 12, 14, 15, 16, 17 |
Ev2 Prueba sobre regresión lineal (semana 9) | 32,5 | 2 | 0,08 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12, 10, 14, 13, 15, 16, 17 |
Ev3 Prueba sobre regresión logística (semana 9) | 32,5 | 2 | 0,08 | 1, 2, 4, 5, 6, 7, 8, 9, 12, 10, 13, 15, 16 |
Ev4 Informe sobre mediación (semana 11) | 10 | 0 | 0 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12, 10, 14, 13, 15, 16, 17 |
Abad, Francisco J.; Olea, Julio; Ponsoda, Vicente; García, Carmen. (2011). Medición en ciencias sociales y de la salud. Madrid: Síntesis.
American Educational Research Association, American Psychological Association, National Council on Measurement in Education (2014). The standards for educational and psychological testing. Washington: Autor.
Ato, Manuel; Vallejo, Guillermo. (2011). Los efectos de terceras variables en la investigación psicológica. Anales de Psicología, 27, 550-561.
Kleinbaum, David G.; Kupper, Lawrence L.; Nizam, Azhar; Rosenberg, Eli S. (2014). Applied regression analysis and other multivariable methods. (5ª ed.). Boston (MA): Cengage Learning, Inc
Kleinbaum, David G.; Klein, Mitchel. (2010). Logistic regression. A Self-learning text. 3rd ed. New York: Springer-Verlag. [https://www.springer.com/gp/book/9781441917416][https://link.springer.com/book/10.1007/978-1-4419-1742-3]
Shmueli, Galit. (2010). To Explain or to predict? Statistical Science, 25, 289-310.