summer school metodi ricerca sociale 

Le Scuole di Metodologia per la Ricerca Sociale, organizzate dal 2006 al 2012 da SDIPA e dal 2013 dal Dipartimento di Scienze Aziendali e Giuridiche dell’Università della Calabria, rappresentano un punto di riferimento per professori, ricercatori e dottorandi in Italia e, con crescente intensità, in Europa. In pochi anni, le Scuole hanno conquistato un ruolo di leadership nella formazione e nell’aggiornamento di ricercatori dell’ampio panorama delle scienze sociali, realizzando un progetto di fondamentale supporto per la ricerca accademica e applicata.

Le Scuole mirano a presentare, discutere e condividere metodi e tecniche idonei a tradurre ipotesi e progetti di ricerca originali in contributi scientici rilevanti e rigorosi, e dunque sostenuti da robuste analisi empiriche. Le scuole sono indirizzate a docenti e ricercatori universitari, dottorandi, assegnisti e laureati in materie che rientrano nelle scienze sociali, oltre che provenienti da società di consulenza e imprese profit.

 

Il programma della XII edizione delle Summer School 2017 è il seguente:

1. Analisi econometriche - Corso base (17-21 luglio 2017)
Docente: Gaetano "Nino" Miceli (Università della Calabria)

Conoscenze in ingresso richieste: nessuna in particolare

Contenuti e programmi del corso:
- Introduzione ai test inferenziali per l’econometria
- L’analisi di regressione multipla
- Le assunzioni del metodo OLS, le violazioni delle assunzioni, i diagnostici e le soluzioni
- Variabili dummy, interazioni, effetti quadratici
- I modelli predittivi
- I modelli binari logit
- Applicazioni con SPSS

 

2. Metodi di misurazione: dalle survey al text mining (17-21 luglio 2017)
Docenti: Stefania Farace (Maastricht University), Maria Antonietta Raimondo (Università della Calabria), Francisco Villarroel Ordenes (University of Massachusetts)

Conoscenze in ingresso richieste: nessuna in particolare

Contenuti e programmi del corso:
- La misurazione nelle scienze sociali: i concetti di affidabilità e validità
- Survey e design del questionario
- Applicazioni di software web-based (e.g., Qualtrics) per la costruzione del questionario e la raccolta dati
- Tecniche di base per analisi di affidabilità e validità
- Il processo di text mining: i concetti di affidabilità e accuratezza della classificazione
- La raccolta e l’analisi di dati non strutturati
- Tecniche di Sentiment Analysis
- Applicazioni con SPSS e Knime Analytics

 

3. Analisi multivariata per la ricerca sociale (24-28 luglio 2017)
Docenti: Gaetano "Nino" Miceli (Università della Calabria),
Maria Antonietta Raimondo (Università della Calabria)

Conoscenze in ingresso richieste: nessuna in particolare

Contenuti e programmi del corso:
- Analisi univariate e bivariate, introduzione ai test inferenziali
- L’analisi fattoriale esplorativa e l’analisi delle componenti principali
- L’analisi delle componenti principali categoriche
- La cluster analysis: algoritmi gerarchici e non-gerarchici
- La latent class analysis: framework e obiettivi di classificazione
- Applicazioni con SPSS e Latent Gold

 

4. Ricerche qualitative (24-28 luglio 2017)
Docenti:
Luca M. Visconti (ESCP Europe, Parigi), Elena Fumagalli (HEC, Parigi)

Conoscenze in ingresso richieste: nessuna in particolare

Contenuti e programmi del corso:
- La ricerca qualitativa: epistemologie di riferimento e ruolo del ricercatore
- L’intervista breve, in profondità e fenomenologica
- La discussione di gruppo e il focus group
- L’etnografia e la netnografia
- Lo studio di casi
- Altri metodi di raccolta dati: tecniche proiettive e introspezione
- Il processo di analisi e interpretazione dei dati
- Il reporting: paper, presentazione e video
- Nvivo: come analizzare i dati della ricerca qualitativa

 

5. Modelli di equazioni strutturali - Corso base (4-8 settembre 2017)
Docenti: Gaetano "Nino" Miceli (Università della Calabria), Maria Antonietta Raimondo (Università della Calabria)

Conoscenze in ingresso richieste: elementi base sul modello di regressione lineare e analisi fattoriale (es., scuole Analisi econometriche - Corso base, Analisi multivariata per la ricerca sociale)

Contenuti e programmi del corso:
- Analisi causale e misurazione
- Lo sviluppo di scale di misurazione
- Analisi di affidabilità e validità
- Analisi fattoriale confermativa: modelli di primo ordine e secondo ordine
- Modelli di equazioni strutturali e path analysis
- Applicazioni con SPSS e Lisrel 8.80

 

6. Modelli panel (4-8 settembre 2017)
Docenti: Randolph L. Bruno (University College London), Fabiola Montalto (Università della Calabria)

Conoscenze in ingresso richieste: elementi base sul modello di regressione lineare (es., scuola Analisi econometriche - Corso base)

Contenuti e programmi del corso:
- L’analisi di regressione multipla con dati longitudinali
- Confrontare dati cross sections e dati panel
- Modelli panel bilanciati e sbilanciati: organizzazione dei dati
- Stimatore a effetti fissi, stimatore “between” e stimatore a effetti random
- Riconciliare effetti fissi ed effetti random
- Panel con variabili dipendenti discrete
- Panel dinamici
- Replicare le analisi di un paper pubblicato
- Applicazioni con STATA

 

7. Modelli di equazioni strutturali - Corso avanzato (11-15 settembre 2017)
Docenti: Gaetano "Nino" Miceli (Università della Calabria), Gian Luca Marzocchi (Università di Bologna)

Conoscenze in ingresso richieste: elementi base sui modelli di equazioni strutturali e su Lisrel (es., scuola Modelli di equazioni strutturali - Corso base)

Contenuti e programmi del corso:

- Richiami sui modelli di equazioni strutturali di base: il modello fattoriale confermativo e i modelli causali
- I modelli di equazioni strutturali multi-gruppo: i livelli di invarianza fattoriale
- I metodi per la stima di effetti di moderazione
- Le analisi di mediazione con i modelli di equazioni strutturali
- Il common method bias: controlli e soluzioni con i modelli di equazioni strutturali
- Applicazioni con Lisrel 8.80

 

8. Experimental Design & Analysis (September 11-15 2017)
Lecturer: Irene Scopelliti (Cass Business School, London)

Entry skills required: none
 
Program outline:
- Introduction to experimental design: correlation, causation, experimental vs. descriptive research
- Lab experiments, field experiments, quasi-experiments
- Manipulation of independent variables: manipulation checks, confounds, demand effects
- Moderation and mediation effects
- Statistical analysis for experimental data: t-test, ANOVA, ANCOVA, spotlight analysis, mediation analysis
- Applications with SPSS

 

Seguici su Facebook e Linkedin !

Info: Questo indirizzo email è protetto dagli spambots. E' necessario abilitare JavaScript per vederlo.   Questo indirizzo email è protetto dagli spambots. E' necessario abilitare JavaScript per vederlo.