اپلیکیشن اندرویدی فلش‌کارت آموزشی اطمینان از صحت داده‌ها در پژوهش‌های علمی: مبانی آماری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اطمینان از صحت داده‌ها در پژوهش‌های علمی: مبانی آماری

موضوع کلی: پژوهش و اعتبار علمی

موضوع میانی: روش‌های آماری در پژوهش

📋 سرفصل‌های دوره

• 1. مقدمه ای بر صحت پژوهش
• 2. اصول اخلاقی در پژوهش علمی
• 3. مبانی اعتبار سنجی داده ها
• 4. اهمیت روایی و پایایی در پژوهش
• 5. انواع خطاهای پژوهشی
• 6. روش های تشخیص داده های پرت
• 7. مبانی آمار توصیفی در پژوهش
• 8. محاسبه شاخص های مرکزی
• 9. محاسبه شاخص های پراکندگی
• 10. نمودارهای آماری برای نمایش داده ها
• 11. مقدمه ای بر آمار استنباطی
• 12. مفاهیم نمونه و جامعه آماری
• 13. توزیع های احتمالی و کاربرد آن ها
• 14. توزیع نرمال و اهمیت آن
• 15. آزمون فرض آماری: مبانی
• 16. خطای نوع اول و نوع دوم
• 17. مقدمه ای بر آزمون های t
• 18. آزمون t تک نمونه ای
• 19. آزمون t دو نمونه ای مستقل
• 20. آزمون t دو نمونه ای وابسته
• 21. مقدمه ای بر آزمون های واریانس
• 22. تحلیل واریانس یک طرفه (ANOVA)
• 23. مقدمه ای بر آزمون کای دو (Chi-Square)
• 24. کاربرد آزمون کای دو در تحلیل جداول توافقی
• 25. مقدمه ای بر تحلیل همبستگی
• 26. ضریب همبستگی پیرسون
• 27. مقدمه ای بر تحلیل رگرسیون
• 28. مدل رگرسیون خطی ساده
• 29. ارزیابی مدل رگرسیون
• 30. مقدمه ای بر روش های نمونه گیری
• 31. نمونه گیری تصادفی ساده
• 32. نمونه گیری طبقه ای
• 33. نمونه گیری خوشه ای
• 34. نمونه گیری سهمیه ای
• 35. روش های جمع آوری داده
• 36. پرسشنامه و طراحی آن
• 37. مصاحبه و انواع آن
• 38. مشاهده و انواع آن
• 39. اعتبار سنجی ابزارهای اندازه گیری
• 40. اعتبار محتوا
• 41. اعتبار سازه
• 42. اعتبار ملاکی
• 43. پایایی ابزارهای اندازه گیری
• 44. روش آزمون-بازآزمون
• 45. روش فرم های موازی
• 46. روش تصنیف نیمی
• 47. روش کودر-ریچاردسون
• 48. مقدمه ای بر نرم افزارهای آماری
• 49. کار با داده ها در SPSS
• 50. مقدمه ای بر Excel برای تحلیل آماری
• 51. اعمال فیلتر و مرتب سازی در Excel
• 52. محاسبات آماری پایه در Excel
• 53. نمودار سازی در Excel
• 54. مقدمه ای بر R برای تحلیل آماری
• 55. نصب و پیکربندی R
• 56. مقدمه ای بر پکیج های آماری در R
• 57. مقدمه ای بر Python برای تحلیل آماری
• 58. نصب و پیکربندی Python
• 59. مقدمه ای بر کتابخانه Pandas
• 60. مقدمه ای بر کتابخانه NumPy
• 61. مقدمه ای بر کتابخانه SciPy
• 62. مقدمه ای بر کتابخانه Statsmodels
• 63. روش های پاکسازی داده ها
• 64. شناسایی و مدیریت داده های گمشده
• 65. روش های جایگزینی داده های گمشده
• 66. شناسایی و مدیریت داده های پرت
• 67. روش های تبدیل داده ها
• 68. نرمال سازی و استانداردسازی داده ها
• 69. مقدمه ای بر تحلیل سری های زمانی
• 70. مفاهیم پایه در تحلیل سری های زمانی
• 71. مدل های ساده سری زمانی
• 72. مقدمه ای بر روش های شبیه سازی
• 73. تولید اعداد تصادفی
• 74. شبیه سازی مونت کارلو
• 75. کاربرد شبیه سازی در پژوهش
• 76. مقدمه ای بر تحلیل عاملی
• 77. تحلیل عامل اکتشافی
• 78. تحلیل عامل تاییدی
• 79. مقدمه ای بر مدل سازی معادلات ساختاری (SEM)
• 80. مبانی SEM
• 81. اجزای مدل SEM
• 82. ارزیابی برازش مدل SEM
• 83. مقدمه ای بر تحلیل بقا
• 84. مفاهیم پایه در تحلیل بقا
• 85. تابع بقا و تابع خطر
• 86. روش های تخمین تابع بقا
• 87. مقدمه ای بر تحلیل داده های کیفی
• 88. روش های کدگذاری در داده های کیفی
• 89. مبانی تحلیل محتوا
• 90. مقدمه ای بر نرم افزارهای تحلیل داده های کیفی
• 91. کاربرد NVivo در تحلیل داده های کیفی
• 92. کاربرد MAXQDA در تحلیل داده های کیفی
• 93. مقدمه ای بر اخلاق در پژوهش های آماری
• 94. مسئولیت پژوهشگر در قبال داده ها
• 95. حفاظت از اطلاعات شخصی در پژوهش
• 96. شفافیت در روش های آماری
• 97. مقدمه ای بر تفسیر نتایج آماری
• 98. نوشتن بخش روش شناسی پژوهش
• 99. نوشتن بخش یافته ها در گزارش پژوهش
• 100. نوشتن بخش بحث و نتیجه گیری