Статистика для гуманитарных наук: анализ данных исследований

Гуманитарные и социальные исследования все больше полагаются на эмпирические данные, но традиционная подготовка редко охватывает методы систематического анализа этой информации. Этот курс ликвидирует этот разрыв, показывая, как превратить качественные тексты, исторические записи и ответы на опросы в структурированные, анализируемые данные. Вы перейдете от чувства, что числа переполняют вас, к уверенному применению статистических методов к вашим исследовательским вопросам. Читая четкие объяснения и работая с практическими текстовыми упражнениями, вы научитесь выявлять закономерности, проверять гипотезы и поддерживать свои аргументы прочными количественными доказательствами. Что вы узнаете: - Понимание основных статистических концепций, включая переменные, шкалы измерения и распределения, адаптированные к качественным дисциплинам. - Очистить и организовать беспорядочные исторические, лингвистические или социологические наборы данных для структурированного анализа. - Применять методы исследовательского анализа данных для обнаружения скрытых тенденций в исследовательских материалах. - Формулировать и проверять научные гипотезы с использованием основных методов инференциальной статистики, таких как t-тест и хи-квадрат тест. - Точно интерпретировать статистические результаты для укрепления своих научных работ и исследовательских проектов. - Изучить современные цифровые рабочие процессы в гуманитарных науках, включая базовый текстовый анализ и статистику корпуса. Программа начинается с основной терминологии и основ измерения, а затем шаг за шагом переходит к подготовке данных, описательным резюме и тестированию гипотез. Каждая концепция подкрепляется письменными примерами и сценариями, взятыми непосредственно из реальных исследований в области гуманитарных наук. Этот курс разработан специально для студентов, исследователей и специалистов в области гуманитарных и социальных наук, которые впервые сталкиваются со статистикой и хотят получить мягкое введение. Не требуется предварительного программирования или опыта в области математики. Начните читать сегодня, чтобы добавить мощные количественные методы в свой набор инструментов исследований.