Kognitív és viselkedéses adattudomány

Az MI-támogatott adattudomány alapjainak elsajátítása négy blokkban: az adatelemzés alapvető digitális eszközei; egyszerű szimulációk és elemzések; adatok beolvasása és feldolgozása; ábrák és vizualizációk készítése. 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; parametrikus és nonparametrikus módszerek; statisztikai erőfogalom, hatásméretek; előregisztráció.

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 megismerik, hogyan dönthető el, mit, mivel és milyen szinten érdemes mérni, és hogy a vizsgált tulajdonságok miért csak közvetett módon, mérőeszközökön keresztül ragadhatók meg. Szó esik a mérés megbízhatóságáról és pontosságáról, valamint arról, hogyan változhat egy mérőeszköz működése idővel vagy csoportok között. Műhelymunka keretében a hallgatók egy teljes mérőeszköz-vizsgálatot végigvisznek.

A kognitív és viselkedéses kutatás adatgyűjtő eszközeinek elmélete és gyakorlata. Előzetes programozási tapasztalat nem szükséges. Áttekinti a kész, grafikus felületű megoldásokat és a rugalmasabb, kódalapú eszközöket, majd ezek gyakorlatorientált használatát: reakcióidő-mérés, ingerek megjelenítése, kérdőívek, elágazó logika. Záró feladat: önálló kísérlet megtervezése és bemutatása.

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

Felkészítés megbízható, érvényes és etikus adatgyűjtésre valós, alkalmazott környezetben. A kutatástervezés egy gyakorlati kérdésből indul ki: honnan tudjuk, hogy egy beavatkozás valóban hat? Konkrét példákon keresztül nézzük végig a kísérleti és megfigyeléses vizsgálati elrendezéseket, és azt, hogyan ismerhetők fel és kerülhetők el az eredményeket veszélyeztető hibaforrások. Végül áttekintjük az etikai és jogi kereteket: engedélyezés, beleegyezés, sérülékeny csoportok védelme és adatvédelem.

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

Gépi tanulási módszerek alkalmazása humán viselkedéses és kognitív adatokon: mintázatok felismerése és előrejelzés készítése, a modellek értelmezhetőségére és korlátaira fókuszálva. [a részletes tematika pontosítandó]

A statisztikai modellezés a modell fogalmára épül: a változók közötti összefüggés leírására. Bevezetés a leggyakoribb statisztikai próbák közös logikájába, majd ennek kiterjesztése: egyszerű és többváltozós regresszió, a modellek helyességének ellenőrzése, modellek összehasonlítása, kétértékű kimenetek elemzése, valamint az egymásba ágyazott, csoportos szerkezetű adatok kezelése.

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. 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 a szakdolgozatban történő bemutatásáig. A téma az alkalmazási területekhez kapcsolódik: egészségügy, orvosi kutatás, oktatás, illetve adatvezérelt ipari vagy szervezeti kontextus.

A BME teljes kurzuskínálatából szabadon választható tárgy, a hallgató érdeklődése szerint.