Ciência de Dados em Psicometria com R

Programa de Mestrado e Doutorado em Avaliação Psicológica, Universidade São Francisco (USF)

Objetivo da disciplina
  • Propiciar oportunidades de estudo dos conceitos básicos de data science para aplicação de métodos estatísticos e psicométricos aos problemas encontrados em avaliaçào psicológica e educacional.
  • Exercitar a aplicação desses métodos em problemas práticos
  • Exercitar a interpretação e redação de informações estatísticas sobre os dados de pesquisa.
  • Aprofundar o conhecimento da linguagem R

Ementa

Ciência de dados. Manipulação de dados com o dplyr. Reestruturação de dados com tidyr. Análise exploratória gráfica com ggplot. Princípios em modelagem estatística. Pacotes R para análise psicométrica. Comunicando resultados com R-markdown e shiny.

Referências básicas
  • Caffo, B. (2015). Regression Models for Data Science in R A companion book for the Coursera Regression Models class. Leanpub. http://leanpub.com/regmods
  • Caffo, B. (2015). Statistical inference for data science A companion to the Coursera Statistical Inference Course. Leanpub. (http://leanpub.com/LittleInferenceBook)
  • Ferguson, G. A. (1981). Statistical analysis in psychology and education. McGRAWW - HILL. International Editions - Psychology Series
  • Howell, D. C. (1997) Statistical metthods for psychology. Boston: Duxbury Press
  • Kabacoff, R. (2015). R in action: data analysis and graphics with R. Manning Publications Co.
  • Peng, R. D. (2015). Exploratory Data Analysis with R. Leanpub. (http://leanpub.com/exdata).
  • Wickham, H., & Grolemund, G. (2017). R for data science. Sebastopol, CA: O’Reilly (http://r4ds.had.co.nz/index.html
  • Zumel, N., Mount, J., & Porzak, J. (2014). Practical data science with R. Shelter Island, NY: Manning.

Sites

http://r4ds.had.co.nz/index.html

https://radixpub.github.io/radix-r

https://github.com/rstudio/rticles

http://personality-project.org/r/r.guide.html

http://www.rstudio.com

http://www.statmethods.net

http://www.cookbook-r.com

Programa da disciplina
  • Programa

    • Cronograma
    Aula Atividade
    21/08/2018

    Introdução: data science, machine learning e deep learnig, Introdução ao R-Markdown

    28/08/2018

    Introdução ao R-Markdown. Análise exploratória: ggplot

    4, 18 e 25/09/2018

    Transformação e manipulação de dados: dplyr. Organização de dados: tidyr

    2 e 9/10/2018

    Exercicio 2: Ciência de dados aplicado à avaliação educacional (R-markdown, dplyr, tidy-r e ggplot)

    6/11/2018

    Tidy text e Text mining: Pontuação de tarefas de pensamento divergente na avaliação da criatividade.

    4-11/12/2018

    Introdução Machine Learning e Deep Learning