Dedika è una piattaforma per imparare facendo: preparare una proposta commerciale, diventare manicure o imparare a usare un nuovo strumento, per esempio. Qualunque sia il tuo obiettivo, i migliori contenuti sull’argomento esistono già. Il problema è che spesso sono in un’altra lingua, costano caro, sono sparsi in giro, non offrono esercizi pratici o fanno parte di corsi troppo lunghi per chi ha una vita frenetica. Per questo Dedika ha un metodo tutto suo: cerchiamo questi materiali ovunque si trovino, selezioniamo ciò che è utile per il tuo obiettivo, li rivediamo con il supporto di esperti sempre disponibili per chiarire dubbi e creiamo attività pratiche per farti imparare facendo. Tu sei la persona più importante nel tuo percorso e nessuno lo conosce meglio di te: scegli i contenuti e la durata del corso, se vuoi imparare online o offline e in quale formato. Può essere in video, testo, audio o riassunto. A modo tuo, solo con ciò che ha senso per te. Qui, ogni momento dedicato vale di più e arrivi più velocemente a ciò che conta davvero.

I nostri corsi includono un riassunto alla fine di ogni capitolo, dal quale puoi scaricare un PDF e stamparlo.

Più di 2 milioni di studenti in tutto il mondo

Il corso è disponibile in più di 180 paesi in tutto il mondo

Certificato valido nel tuo paese

Pagina principale

...

Corso di statistica per la ricerca educativa

Tutti i corsi

Scienze Naturali e Ricerca

Statistica

Corso di statistica per la ricerca educativa

Per tutti i livelli

Corso di statistica per la ricerca educativa

Padroneggi i metodi statistici che guidano le decisioni basate sull'evidenza in ambito educativo. Questo corso La porta dai concetti fondamentali a tecniche avanzate come la modellazione multilivello e l'ANOVA fattoriale, il tutto applicato a dati reali di classe e di valutazione. Che Lei sia un ricercatore, un amministratore o un educatore, acquisirà le competenze analitiche di cui le scuole e le istituzioni hanno bisogno.

Dedika per aziende

Cosa imparerai:

Costruirà un toolkit statistico completo progettato specificamente per contesti educativi. Partendo dai tipi di variabili e dalla raccolta dei dati, progredirà attraverso la statistica descrittiva, la probabilità e la verifica delle ipotesi. Imparerà a confrontare gruppi di studenti utilizzando il test t e l'ANOVA, a modellare relazioni con la regressione e ad analizzare dati categoriali con il test chi-quadrato. Il corso tratta anche la teoria della misurazione, la progettazione della ricerca e l'interpretazione delle valutazioni su larga scala. Alla fine, sarà in grado di selezionare il metodo giusto, eseguire l'analisi e comunicare i risultati a qualsiasi pubblico.

Come studi in modo pratico Corso di statistica per la ricerca educativa

Come metti in pratica Corso di statistica per la ricerca educativa

Per te che sei un'azienda e vuoi formare il tuo team

Su Dedika per aziende, il corso include esercizi ed esempi personalizzati sul tuo business e secondo le esigenze della tua azienda.

Clicca qui

Contenuto del corso

8 Capitoli • 38 LezioniDurata tra 4 e 360 ore (decidi tu)

Capitolo 1Vedi dettagli

Fondamenti di statistica educativa

Lezione 1 • Ruolo della statistica nell'educazione
La statistica guida le decisioni basate su evidenze nelle scuole e nelle politiche educative. Questa sezione illustra perché il ragionamento quantitativo è essenziale per educatori e ricercatori.
Lezione 2 • Organizzare e rappresentare i dati
I dati grezzi devono essere strutturati prima dell'analisi. Gli studenti costruiscono tabelle di frequenza, istogrammi e diagrammi ramo-foglia a partire da dati sul rendimento degli studenti.
Lezione 3 • Tipi di variabili e scale di misura
La classificazione delle variabili determina quali analisi sono valide. Gli studenti classificano dati nominali, ordinali, a intervalli e a rapporti tratti da esempi reali in classe.
Lezione 4 • Metodi di raccolta dati
Conclusioni valide dipendono da una raccolta dati rigorosa. Gli studenti valutano sondaggi, test, osservazioni e dati amministrativi per la ricerca educativa.

Capitolo 2Vedi dettagli

Statistica descrittiva per la classe

Lezione 1 • Percentili e distribuzione normale
I ranghi percentili contestualizzano i punteggi individuali all'interno di un gruppo. Gli studenti applicano le proprietà della distribuzione normale per interpretare i risultati delle valutazioni standardizzate.
Lezione 2 • Descrivere e riportare i dati
Una reportistica efficace traduce le statistiche in informazioni utilizzabili per gli stakeholder. Gli studenti redigono sintesi descrittive adatte a insegnanti, genitori e dirigenti scolastici.
Lezione 3 • Misure di variabilità
La variabilità rivela quanto i punteggi degli studenti sono dispersi attorno al centro. Gli studenti calcolano il campo di variazione, la varianza e la deviazione standard per set di dati di classe.
Lezione 4 • Misure di tendenza centrale
Media, mediana e moda catturano ciascuna un aspetto diverso del rendimento tipico. Gli studenti calcolano e confrontano queste misure utilizzando distribuzioni di punteggi di test.
Lezione 5 • Punteggi standardizzati
I punti z e i punti T consentono il confronto tra scale diverse. Gli studenti convertono i punteggi grezzi e ne interpretano il significato in contesti di valutazione educativa.

Capitolo 3Vedi dettagli

Probabilità e distribuzioni campionarie

Lezione 1 • Distribuzioni di probabilità
Le distribuzioni discrete e continue modellano diversi tipi di dati educativi. Gli studenti lavorano con le distribuzioni binomiale e normale in contesti di valutazione.
Lezione 2 • Campionamento ed errore di campionamento
I campioni differiscono dalle popolazioni a causa della variazione casuale. Gli studenti distinguono l'errore di campionamento dalla distorsione e valutano la rappresentatività del campione.
Lezione 3 • Distribuzioni campionarie ed errore standard
La distribuzione campionaria della media è centrale per l'inferenza. Gli studenti simulano e interpretano le distribuzioni campionarie per comprendere l'errore standard.
Lezione 4 • Concetti di base della probabilità
La probabilità quantifica l'incertezza negli esiti educativi. Gli studenti applicano le regole della probabilità classica ed empirica a scenari che coinvolgono il rendimento degli studenti.

Capitolo 4Vedi dettagli

Verifica delle ipotesi nell'educazione

Lezione 1 • p-value e significatività statistica
Il p-value misura l'evidenza contro l'ipotesi nulla. Gli studenti interpretano correttamente i p-value e distinguono la significatività statistica da quella pratica.
Lezione 2 • Test su un singolo campione
I test su un singolo campione confrontano la media di un gruppo con uno standard noto. Gli studenti eseguono test z e test t per valutare i parametri di rendimento scolastico.
Lezione 3 • Dimensione dell'effetto e potenza statistica
La dimensione dell'effetto quantifica l'entità delle differenze in ambito educativo al di là della significatività. Gli studenti calcolano il d di Cohen e conducono analisi di potenza di base.
Lezione 4 • Logica della verifica delle ipotesi
La verifica delle ipotesi formalizza il processo decisionale in condizioni di incertezza. Gli studenti formulano ipotesi nulle e alternative per scenari educativi realistici.
Lezione 5 • Errore di tipo I e di tipo II
Gli errori nella verifica delle ipotesi hanno conseguenze reali per le decisioni educative. Gli studenti analizzano il compromesso tra falsi positivi e falsi negativi.

Capitolo 5Vedi dettagli

Confrontare gruppi nella ricerca educativa

Lezione 1 • ANOVA a una via
Estende il confronto tra gruppi a tre o più gruppi indipendenti simultaneamente. Gli studenti scompongono la varianza e interpretano il rapporto F negli studi educativi.
Lezione 2 • Alternative non parametriche
I dati ordinali o non normali richiedono test liberi da distribuzione. Gli studenti applicano i test U di Mann-Whitney e Kruskal-Wallis come alternative ai test t e all'ANOVA.
Lezione 3 • Test t per campioni appaiati
Analizza le differenze pre-test e post-test all'interno dello stesso gruppo di studenti. Gli studenti applicano il test t appaiato per misurare l'impatto dell'istruzione.
Lezione 4 • Test post-hoc e confronti multipli
Risultati ANOVA significativi richiedono un'analisi di follow-up per identificare le coppie che differiscono. Gli studenti applicano le correzioni di Tukey e Bonferroni per controllare l'errore familywise.
Lezione 5 • Test t per campioni indipendenti
Confronta le medie di due gruppi non correlati, come classi sperimentali e di controllo. Gli studenti verificano le assunzioni, eseguono il test e riportano i risultati.

Capitolo 6Vedi dettagli

Correlazione e regressione semplice

Lezione 1 • Diagrammi di dispersione e relazioni lineari
L'ispezione visiva dei diagrammi di dispersione rivela la direzione, la forma e l'intensità dell'associazione. Gli studenti creano e annotano diagrammi di dispersione a partire da dati sul rendimento degli studenti.
Lezione 2 • Coefficiente di correlazione di Pearson
Il coefficiente r di Pearson misura l'intensità della relazione lineare tra due variabili continue. Gli studenti calcolano r, ne testano la significatività e ne interpretano l'entità.
Lezione 3 • Assunzioni della regressione e diagnostica
Un'inferenza di regressione valida richiede il soddisfacimento delle assunzioni di linearità, indipendenza e omoschedasticità. Gli studenti diagnosticano le violazioni utilizzando i grafici dei residui.
Lezione 4 • Regressione lineare semplice
I modelli di regressione predicono un esito educativo a partire da un singolo predittore. Gli studenti derivano la retta dei minimi quadrati e valutano l'adattamento del modello.
Lezione 5 • Correlazione di rango di Spearman
Il coefficiente rho di Spearman gestisce dati ordinali o distribuzioni non normali. Gli studenti lo applicano a dati di classe trasformati in ranghi e confrontano i risultati con il coefficiente r di Pearson.

Capitolo 7Vedi dettagli

Regressione multipla negli studi educativi

Lezione 1 • Strategie di costruzione del modello
La selezione dei predittori influisce sulla validità e interpretabilità del modello. Gli studenti confrontano i metodi di inserimento simultaneo, gerarchico e stepwise per la ricerca educativa.
Lezione 2 • Introduzione alla regressione multipla
La regressione multipla controlla le variabili confondenti stimando al contempo il contributo unico di ciascun predittore. Gli studenti estendono la logica della regressione semplice a dati educativi multivariati.
Lezione 3 • Multicollinearità e diagnostica del modello
Predittori altamente correlati distorcono le stime di regressione. Gli studenti rilevano la multicollinearità utilizzando le statistiche VIF e tolleranza e applicano le opportune correzioni.
Lezione 4 • Interpretare e riportare i risultati della regressione
Una chiara comunicazione dei risultati di regressione favorisce la replicabilità e l'uso nelle politiche. Gli studenti redigono le sezioni dei risultati includendo tabelle, dimensioni dell'effetto e confronti tra modelli.
Lezione 5 • Predittori categoriali e codifica dummy
Le variabili categoriali entrano nella regressione tramite codifica dummy. Gli studenti ricodificano le variabili di appartenenza al gruppo e interpretano i coefficienti dummy.

Capitolo 8Vedi dettagli

Tecniche avanzate per i dati educativi

Lezione 1 • Introduzione alla modellazione multilivello
Gli studenti sono annidati all'interno di classi e scuole, violando le assunzioni di indipendenza. Gli studenti riconoscono quando sono necessari modelli multilivello e interpretano l'output di base a due livelli.
Lezione 2 • Selezionare e giustificare i metodi statistici
La scelta del metodo appropriato richiede di far corrispondere le domande di ricerca, i tipi di dati e le assunzioni. Gli studenti costruiscono strutture decisionali per selezionare le analisi negli studi educativi.
Lezione 3 • Test chi-quadrato per dati categoriali
I test chi-quadrato valutano le relazioni tra variabili categoriali in ambito educativo. Gli studenti applicano test di bontà di adattamento e di indipendenza a dati di iscrizione e di esito.
Lezione 4 • ANOVA per misure ripetute
I disegni per misure ripetute seguono gli stessi studenti in più momenti temporali. Gli studenti applicano l'ANOVA entro i soggetti a dati longitudinali sul rendimento.
Lezione 5 • ANOVA fattoriale e interazioni
I disegni fattoriali esaminano simultaneamente più fattori e le loro interazioni. Gli studenti interpretano gli effetti principali e i grafici di interazione dall'output dell'ANOVA a due vie.

Certificazione

Il tuo certificato valido di completamento

Questo corso è per te:

Studenti laureati in scienze dell'educazione: necessitano di competenze statistiche per il lavoro di tesi o di dottorato.
Insegnanti in aula: desiderano interpretare i dati valutativi e orientare la propria didattica.
Dirigenti scolastici: devono valutare programmi e presentare i risultati alle parti interessate.
Coordinatori curricolari: cercano di misurare l'efficacia degli interventi con metodi appropriati.
Analisti delle politiche educative: necessitano di strumenti quantitativi per valutare iniziative di riforma su larga scala.
Chi cambia carriera entrando nell'EdTech: necessita di metodi di ricerca di base per lavorare con i dati sull'apprendimento.

Cosa dicono i nostri studenti

Le sue lezioni sono perfette. Ho acquistato il pacchetto annuale e finalmente ho l'opportunità di seguire diversi argomenti di mio interesse senza dover cambiare piattaforma... vi ringrazio per tutto quello che fate, vi ho già raccomandati ad altre persone...