Εισαγωγή στην Επεξεργασία και Ανάλυση Δεδομένων

Απαιτούμενα τυπικά προσόντα και όροι συμμετοχής

• Κατοχή προσωπικού ηλεκτρονικού υπολογιστή (σταθερού ή φορητού), εξοπλισμένου με κάμερα, μικρόφωνο και ηχεία.
• Εγκατεστημένο το λογισμικό Zoom για προσωπικούς υπολογιστές
• Πρόσβαση στο διαδίκτυο
• Κατοχή προσωπικού e-mail

Οι τεχνικές γνώσεις για την παρακολούθηση του Προγράμματος «Εισαγωγή στην επεξεργασία και ανάλυση δεδομένων» από τους εκπαιδευόμενους είναι: 

• Βασικές γνώσεις χρήσης διαδικτύου και ηλεκτρονικού ταχυδρομείου.
• Βασικές γνώσεις χειρισμού και χρήσης ηλεκτρονικών υπολογιστών.

Σκοπός του προγράμματος

Το πρόγραμμα με τίτλο «Εισαγωγή στην επεξεργασία και ανάλυση δεδομένων», αποτελεί μία επιστημονικά ολοκληρωμένη πρόταση θεωρητικής εκπαίδευσης και πρακτικής κατάρτισης και απευθύνεται σε εκπαιδευόμενους που ενδιαφέρονται να αποκτήσουν: α) Θεωρητική γνώση σχετικά με τις κύριες μεθόδους στατιστικής επεξεργασίας και ανάλυσης δεδομένων και β) Εκμάθηση και χρήση γνωστών στατιστικών πακέτων για εξαγωγή γνώσης από την επεξεργασία δεδομένων.

Εκπαιδευτικοί στόχοι

Το πρόγραμμα «Εισαγωγή στην επεξεργασία και ανάλυση δεδομένων» εισάγει τον εκπαιδευόμενο σε βασικές έννοιες και μεθόδους στατιστικής επεξεργασίας και ανάλυσης δεδομένων με τη βοήθεια γνωστών στατιστικών πακέτων. Στόχος είναι οι εκπαιδευόμενοι να είναι σε θέση να κατανοούν τη στατιστική ανάλυση των δημοσιευμένων ερευνητικών εργασιών, αλλά και να μπορούν να διαχειριστούν, αναλύσουν και παρουσιάσουν σε βασικό επίπεδο, τα δεδομένα από δικές τους ερευνητικές μελέτες και να γνωρίσουν τις εφαρμογές των στατιστικών εφαρμογών/πακέτων.

Ο γενικός στόχος του προγράμματος είναι η απόκτηση θεωρητικών γνώσεων παράλληλα με την ανάπτυξη πρακτικών δεξιοτήτων που θα δώσουν στους εκπαιδευόμενους τα απαραίτητα εφόδια στην εύρεση εργασίας ή την ισχυροποίηση τους στο ανταγωνιστικό περιβάλλον που δημιουργείται.

Στοιχεία επικοινωνίας

Επιστημονικός Υπεύθυνος: Γεώργιος Μίνος, Καθηγητής

Τηλ: 6972449086

Email: gminos@ihu.gr

Ακαδημαϊκός Υπεύθυνος: Δημήτρης Φωλίνας, Καθηγητής

Τηλ: 6938312524

Email: folinasd@ihu.gr

Διδάσκοντες

Στο συγκεκριμένο πρόγραμμα θα διδάξουν μέλη Δ.Ε.Π. του ΔΙ.ΠΑ.Ε., με εξειδίκευση και εμπειρία στην στατιστική ανάλυση δεδομένων καθώς και εκπαιδευτές εγγεγραμμένοι στο Μητρώο Εκπαιδευτών του ΔΙ.ΠΑ.Ε.

• Γεώργιος Μίνος, Καθηγητής Α' Βαθμίδας Βιοσυστηματικής Βιομετρίας, Τμήμα Νοσηλευτικής, ΔΙΠΑΕ
• Δημήτριος Φωλίνας, Καθηγητής Α' Βαθμίδας Εφαρμοσμένης Πληροφορικής, Τμήμα Διοίκησης Εφοδιαστικής Αλυσίδας, ΔΙΠΑΕ

Διδακτικές ενότητες και διάρκεια αυτών

Αναλυτική παρουσίαση διδακτικών ενοτήτων

Το πρόγραμμα «Επεξεργασία και ανάλυση δεδομένων υγείας», περιλαμβάνει δύο ενότητες, τη θεωρητική και την πρακτική. Η πρώτη αποτελεί το απαραίτητο θεωρητικό πλαίσιο που οριοθετεί, αναγνωρίζει και αναλύει τις κύριες μεθόδους στατιστικής επεξεργασίας και ανάλυσης δεδομένων με ταυτόχρονη επίδειξη και επίλυση παραδειγμάτων για κάθε στατιστική ανάλυση σε γνωστά στατιστικά πακέτα. Η δεύτερη, στοχεύει στην εφαρμογή στην πράξη εκ μέρους των εκπαιδευομένων των ανωτέρω μεθόδων με την εκμάθηση τριών (3) στατιστικών πακέτων. Ειδικότερα,

Ενότητα 1: Θεωρία: Εισαγωγή στη στατιστική επεξεργασία και ανάλυση δεδομένων

Περιγραφή

Στην θεωρητική πρώτη ενότητα παρουσιάζονται βασικές μέθοδοι και τεχνικές στατιστικής επεξεργασίας και ανάλυσης δεδομένων υγείας. Συγκεκριμένα:

Υποενότητες

• Υποενότητα 1.1: Εισαγωγή στη Βιοστατιστική - Βασικές έννοιες Στατιστικής. Βιοστατιστική Βιομετρία, Βιοπληροφορική: Εννοιολογική προσέγγιση, Δεδομένα, Έννοια και είδη μεταβλητών, Επίπεδα μέτρησης των μεταβλητών. Γνωριμία με το στατιστικό πακέτο, δημιουργία βάσης και εισαγωγή δεδομένων, Εισαγωγή δεδομένων, Ανάγνωση δεδομένων από αρχείο Excel ή ASCII μορφή. Βήματα σχεδιασμού ερευνητικής διαδικασίας. Σχεδιασμός ερωτηματολογίου, Καταχώρηση ερωτηματολογίου, Τεχνικές και δείκτες,
• Υποενότητα 1.2: Περιγραφική Στατιστική: Περιγραφή συνόλου δεδομένων με χρήση απλών περιγραφικών μέτρων κεντρικής θέσης και διασποράς, Γραφική αναπαράσταση τιμών μεταβλητών, Ιστόγραμμα, ραβδόγραμμα και κυκλικό διάγραμμα, Διαχείριση πινάκων και γραφημάτων, Πίνακες μονής εισόδου και πίνακες διπλής εισόδου. Μέτρα κεντρικής τάσης και διασποράς, Καθορισμός δείγματος, μεθόδου / εργαλείου συλλογής δεδομένων και τεχνικών ανάλυσης δεδομένων
• Υποενότητα 1.3: Κανονική κατανομή, Έλεγχος κανονικότητας μεταβλητών, Έλεγχος υποθέσεων - Ερευνητικό ερώτημα, Ερευνητική υπόθεση, Διαδικασία ελέγχου υπόθεσης, Μηδενική υπόθεση, P value, 95% Διαστήματα εμπιστοσύνης.
• Υποενότητα 1.4: Επαγωγική στατιστική: Συγκρίσεις μεταξύ δύο ανεξαρτήτων και μεταξύ δύο εξαρτημένων δειγμάτων. Παραμετρικά και μη παραμετρικά τεστ. Παραμετρικές δοκιμασίες: Students’ t-test (Οne sample, Independentsamples, Paired samples), one way ANOVA, Pearson’sr. Μη Παραμετρικές δοκιμασίες: Mann Whitney-Utest, Wilcoxon Wtest, Sign, Wilcoxonsigned-rank, McNemar, Kruscal-WallisH, Chi-square. Παρουσίαση αποτελεσμάτων. Δείκτες μέτρησης κινδύνου (Risk Ratio, Odds).
  • να σχεδιάζει την έρευνά του με τη χρήση μιας συστηματικής/βηματικής διαδικασίας 

Μαθησιακά αποτελέσματα

Με την ολοκλήρωση της πρώτης (θεωρητικής) ενότητας του Εκπαιδευτικού Προγράμματος, ο εκπαιδευόμενος θα μπορεί 

• να διατυπώνουν με σαφήνεια τον σκοπό, το στόχο  καθώς και τα ερευνητικά ερωτήματα στα οποία επιθυμούν να απαντήσει η έρευνά τους
• να επιλέγει τις κατάλληλες στατιστικές μεθόδους επεξεργασίας και ανάλυσης δεδομένων.
• να αναγνωρίζει και να διατυπώνει τις μεταβλητές (εξαρτημένες και ανεξάρτητες), τις οποίες θα μελετήσει
• να προετοιμάζει, να οργανώνει και να μπορεί μετατρέπει τα πρωτογενή δεδομένα της έρευνας από λογισμικά όπως π.χ. MS Excel για εισαγωγή σε στατιστικά πακέτα (π.χ. SPSS)
• να αναγνωρίζει και να κατανοεί τα διαφορετικά είδη μεταβλητών και τους τύπους δεδομένων των στατιστικών πακέτων
• να ελέγχει και να ερμηνεύει την αξιοπιστία και την εγκυρότητα των δεδομένων
• να πραγματοποιεί αναλύσεις Περιγραφικής Στατιστικής και να ερμηνεύει τα αποτελέσματα της Περιγραφικής Στατιστικής (Διαγράμματα, Διάμεσος, Τυπική Απόκλιση, Μέσος όρος, Διακύμανση)

Ενότητα 2: Πρακτική: Ολοκληρωμένα παραδείγματα εφαρμογής στατιστικής ανάλυσης με τη χρήση στατιστικών πακέτων

Περιγραφή

Στη δεύτερη (πρακτική) ενότητα ο εκπαιδευόμενος χρησιμοποιήσει διάφορα στατιστικά πακέτα σε πραγματικά δεδομένα.

Υποενότητες

• Υποενότητα 2.1: Γνωριμία με διάφορα στατιστικά πακέτα, Σχεδιασμός και καταχώρηση ερωτηματολογίου. Εφαρμογές στο στατιστικό πακέτο. Έλεγχος υποθέσεων - Ερευνητικό ερώτημα, Ερευνητική υπόθεση, Διαδικασία ελέγχου υπόθεσης, Μηδενική υπόθεση, P value, 95% Διαστήματα εμπιστοσύνης - Δείκτες μέτρησης κινδύνου (Risk Ratio, Odds), Έλεγχος Κανονικότητας Κατανομής (Normality tests: Kolmogorov-Smirnov, Shapiro-Wilk, ztest using skewness and kurtosis)
• Υποενότητα 2.2: Εφαρμογές στο στατιστικό πακέτο. Επαγωγική στατιστική. Συγκρίσεις μεταξύ δύο ανεξαρτήτων και μεταξύ δύο εξαρτημένων δειγμάτων. Παραμετρικά και μη παραμετρικά τεστ. Παραμετρικές δοκιμασίες: Students’ t-test (Οnesample, Independent samples, Paired samples), oneway ANOVA. Μη Παραμετρικές δοκιμασίες: Mann Whitney-Utest, WilcoxonW test, Sign, Wilcoxonsigned-rank, McNemar, Kruscal-WallisH. Παρουσίαση αποτελεσμάτων.
• Υποενότητα 2.3: Εφαρμογές στο στατιστικό πακέτο. Επαγωγική στατιστική. Συσχέτιση και πρόβλεψη μεταβλητών, Συντελεστές συσχέτισης (Pearson r, Spearman rho), Έλεγχος Ανεξαρτησίας (Chi-square test) – Έλεγχος Συσχέτισης (Phi & Cramer’sV test), Έλεγχος Ομοιογένειας (OneSample Chi-square test), Παρουσίαση αποτελεσμάτων, Πρόβλεψη της τιμής της μίας μεταβλητής όταν γνωρίζουμε την τιμή της άλλης με την μέθοδο της γραμμικής παλινδρόμησης (Linear Regression).
• Υποενότητα 2.4: Εφαρμογές στο στατιστικό πακέτο. Επαγωγική στατιστική. Συσχέτιση δύο ποιοτικών μεταβλητών με ανάλυση αντιστοιχιών (Correspondent Analysis) ομαδοποίηση μεταβλητών σε ομοιογενή σύνολα με χρήση παραγοντικής ανάλυσης (Factor Analysis), Ταξινόμηση παρατηρήσεων σε ομοιογενείς ομάδες (Cluster Analysis), Καμπύλες Kaplan-Meir, CoxRegression. Ανάλυση αξιοπιστίας άλφα του Cronbach (reliability Analysis).
  • να ελέγχει την κανονικότητα των δεδομένων με στατιστικούς ελέγχους

Μαθησιακά αποτελέσματα

Με την ολοκλήρωση της δεύτερης (πρακτικής) ενότητας του Εκπαιδευτικού Προγράμματος ο εκπαιδευόμενος θα γνωρίζει και θα χρησιμοποιεί τα πιο γνωστά στατιστικά πακέτα για την επεξεργασία και ανάλυση δεδομένων και θα μπορεί:

• να εκτελεί τον έλεγχο των υποθέσεων και να ελέγχει την αποδοχή ή την απόρριψη της Μηδενικής Υπόθεσης
• να πραγματοποιεί (με την χρήση των στατιστικών πακέτων) τις διάφορους μεθόδους της Επαγωγικής Στατιστικής (π.χ. t-test, ANOVA, Linear Regression, κλπ.) η οποία θα δώσει απαντήσεις στα Ερευνητικά Ερωτήματα που έχουν τεθεί.

Πρόγραμμα εισηγήσεων