Kognitív és viselkedéses adattudomány

Az MI-támogatott, Python alapú adattudomány alapjainak elsajátítása négy blokkban: a Google Colab és a Python alapszintaxisa; a NumPy és SciPy egyszerű szimulációkhoz és elemzésekhez; a Pandas adatok beolvasására és feldolgozására (Excel, CSV, txt); végül a Matplotlib ábrakészítésre. A kurzus végére a hallgató adatot olvas be, egyszerű statisztikákat számol, és ábrákon mutatja be az eredményt.

Bevezetés a viselkedéses adatok inferenciális statisztikájába a jel/zaj fogalmán keresztül. Adattípusok és variabilitás; klasszikus tesztek (korreláció, khí-négyzet, t-teszt) és a szignifikancia értelmezése; nonparametrikus és permutációs módszerek, ha a modellfeltételek nem teljesülnek; végül tervezés a jelre: statisztikai erő, hatásméretek, többszörös összehasonlítások korrekciója és előregisztráció. Az elemzések Pythonban, Colab környezetben készülnek, az MI használata a munkafolyamat természetes része.

Ajánlott: Navarro, Foxcroft & Faulkenberry, Learning statistics with JASP; Poldrack, Statistical thinking for the 21st century; Silver, The signal and the noise.

A pszichológiai mérés alapelvei, módszerei és korlátai. A hallgatók eldöntik, mit, mivel, milyen szinten és mikor érdemes mérni. Központi gondolat, hogy a konstruktumok nem közvetlenül megfigyelhetők, ezért indikátorokon keresztül mérjük őket. Fókuszban a reliabilitás, validitás, mérési hiba és torzítás, szenzitivitás és specificitás, standardizálás, valamint a mérési invariancia, idői felbontással (keresztmetszeti, ismételt, longitudinális) együtt. Műhelymunka keretében teljes validációs feladatot visznek végig.

A kognitív és viselkedéses kutatás adatgyűjtő szoftvereinek elmélete és gyakorlata, Python-alapon. Előzetes programozási tapasztalat nem szükséges. Áttekinti a grafikus felületű eszközöket (Labvanced, Gorilla) és a Python-alapú megoldásokat (PsychoPy, jsPsych), majd a PsychoPy gyakorlatorientált tárgyalása következik: reakcióidő-paradigmák, inger-prezentáció, kérdőívek, elágazó logika, a Builder és a Coder kombinált használata. Záró feladat: önálló paradigma implementálása és bemutatása.

Ajánlott: Peirce, MacAskill & Hirst, Building experiments in PsychoPy; a szoftverek hivatalos dokumentációi.

Felkészítés megbízható, érvényes és etikus adatgyűjtésre alkalmazott környezetben. A kutatástervezés alaplogikája egy gyakorlati kérdésből indul: honnan tudjuk, hogy egy beavatkozás valóban hat? Kísérleti, megfigyeléses és kvázi-kísérleti elrendezések, A/B teszttől a faktoriális tervekig, konkrét példákon. Az érvényességet fenyegető tényezők felismerése és dokumentálása. Végül az etikai és jogi keretek: Helsinki Nyilatkozat, Belmont-jelentés, etikai engedélyezés, beleegyezés, sérülékeny csoportok és GDPR.

Ajánlott: Szokolszky Á., A pszichológiai kutatás módszertana; Morling, Research methods in psychology.

Gépi tanulási módszerek alkalmazása humán viselkedéses és kognitív adatokon: felügyelt tanulás, változószelekció és predikció tabuláris adatokon, a modellek értelmezhetőségére és korlátaira fókuszálva. [a részletes tematika pontosítandó]

A statisztikai modellezés a modell fogalmára épül: a változók közötti összefüggés explicit leírására. A hipotézistesztek egységes keretben, a t-teszt, a korreláció és az ANOVA mint a lineáris modell speciális esetei. Témák: egyszerű és többváltozós regresszió, modelldiagnosztika (reziduálisok, linearitás, homoszkedaszticitás), modellösszehasonlítás (AIC, likelihood ratio), logisztikus regresszió bináris kimenetelekre, valamint hierarchikus adatok és random interceptek (mixed modellek Pythonban).

Ajánlott: Gelman, Hill & Vehtari, Regression and other stories; Lindeløv, Common statistical tests are linear models; Spiegelhalter, The Art of Statistics.

Átfogó kép a kognitív és viselkedéses kutatás módszertani eszköztáráról, a gyakorlati megvalósításra fókuszálva. A Tanszék kutatócsoportjai mutatják be saját paradigmáikat, eszközeiket és módszertani kihívásaikat, a viselkedéses és kérdőíves módszerektől a fiziológiai mérésekig (EEG, szemmozgás-követés). Hangsúly a módszer kritikus megválasztásán és kombinálásán. Záró követelmény: egy választott kérdéshez illő részletes kutatási terv.

A saját szakmai, kutatási vagy fejlesztési eredmények világos, strukturált és a célközönséghez igazított kommunikálása írásban, szóban és vizuálisan. A fő üzenet kiemelése, a módszerek, adatok és eredmények bemutatása, az értelmezés. Eltérő közönségek (intézményi, szakmai, laikus, tudományos) eltérő tudásszintje. A hallgatók poszter és írásos beszámoló formájában, rövidebb és hosszabb verzióban is bemutatják munkájukat.

A képzés záró tárgya, amely egy összefüggő, alkalmazott projektben integrálja a megszerzett tudást. Egyénileg vagy 2-3 fős csoportban teljesíthető, egy valós alkalmazott problémára épül, és lefedi a teljes munkafolyamatot: a kérdés megfogalmazásától és a módszertan megválasztásától az etikai megfontolásokon, adatkezelésen és -vizualizáción, az elemzésen át az eredmények értelmezéséig és bemutatásáig. A téma az alkalmazási területekhez kapcsolódik: egészségügy, orvosi kutatás, oktatás, illetve adatvezérelt ipari vagy szervezeti kontextus.