Metodologia badań nauk społecznych WF-FI-KGN-MBNS
Jasne — łączę wszystko w jedną pełną listę 1–15 dla kognitywistyki:
1. Metodologia nauki: jak definiujemy i opisujemy rzeczywistość naukową
2. Probabilistyczne definiowanie pojęć: cząstkowe definicje we współczesnej nauce
3. Od definicji ostrych do nieostrych: pomiar z wykorzystaniem zbiorów rozmytych
4. Jak wskaźniki reprezentują zjawiska? Relacja wskaźnik–indicatum i jej moc
5. Jak zbudowana jest dobra teoria? Konstrukty, pojęcia i system relacji
6. Modelowanie I: model jako reprezentacja teorii i rzeczywistości
7. Modelowanie II: weryfikacja teorii poprzez dopasowanie modeli
8. Modelowanie III: modele eksploracyjne, ich konstrukcja i relacja z teorią
9. Jak odkrywamy przyczyny? Eksperyment i modele przyczynowe
10. Jak zaprojektować eksperyment? Od zmiennych do testowania hipotez
11. Jak porównywać warunki? Logika schematów eksperymentalnych
12. Big Data jako nowy paradygmat badania zachowania i poznania
13. Jak algorytmy odkrywają wzorce? Od danych do wiedzy
14. Jak AI wspiera odkrywanie wiedzy? Modele, predykcja i wyjaśnianie
15. Łączenie modeli wiedzy: od SEM i sieci do sztucznej inteligencji
E-Learning
Grupa przedmiotów ogólnouczenianych
Koordynatorzy przedmiotu
Opis nakładu pracy studenta w ECTS
Poziom przedmiotu
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Efekty uczenia się
KOG1_W13
w zaawansowanym stopniu specyfikę przedmiotową i metodologiczną
kognitywistki oraz podstawowe metody badawcze i strategie heurystyczne
właściwe dla głównych działów kognitywistyki
rozpoznaje, porównuje, klasyfikuje i analizuje specyfikę przedmiotową i metodologiczną kognitywistyki oraz stosuje podstawowe metody badawcze i strategie heurystyczne właściwe dla głównych działów kognitywistyki (zajęcia 1-7)
KOG1_W17
wiedzę z zakresu metodologii badań naukowych w naukach społecznych
definiuje, wyjaśnia, interpretuje i ocenia wybrane zagadnienia z zakresu metodologii badań naukowych w naukach społecznych (zajęcia 8-15)
KOG1_W19
etyczne konsekwencje rozwoju sztucznej inteligencji i nowoczesnych metod
badania poznania
identyfikuje, analizuje, ocenia i dyskutuje etyczne konsekwencje rozwoju sztucznej inteligencji i nowoczesnych metod badania poznania (zajęcia 14)
Kryteria oceniania
Na ocenę dostateczną (3.0) student zna i rozumie podstawowe pojęcia metodologii badań naukowych. Potrafi wskazać różnicę między pytaniem badawczym a hipotezą, rozróżnia definicje (analityczną, ostensywną, cząstkową, probabilistyczną) i potrafi podać przykłady podstawowych metod badawczych (obserwacja, eksperyment, badania korelacyjne). Jest w stanie wskazać, czym różni się pomiar rzetelny od trafnego.
Na ocenę dostateczną plus (3.5) student, oprócz powyższego, potrafi scharakteryzować rodzaje eksperymentów (laboratoryjny, terenowy, naturalny, mieszany) oraz opisać schematy zmian samorzutnych i kontrolowanych. Wykazuje się umiejętnością wskazania prostych zależności między zmiennymi i przedstawienia przykładowych wskaźników dla wybranych pojęć.
Na ocenę dobrą (4.0) student samodzielnie interpretuje bardziej złożone relacje między zmiennymi, rozpoznaje i definiuje efekty mediacji i moderacji, a także efekty interakcji. Potrafi krytycznie omówić klasyczne eksperymenty psychologiczne (np. Ascha, Milgrama), wskazując ich znaczenie i ograniczenia. Umie poprawnie zoperacjonalizować wybrane pojęcia w badaniach i zaproponować adekwatne wskaźniki.
Na ocenę dobrą plus (4.5) student nie tylko stosuje poznane pojęcia, ale także porównuje różne strategie badawcze i ocenia ich przydatność w zależności od problemu badawczego. Potrafi wskazać błędy metodologiczne w przykładowych badaniach, analizować trafność wniosków i interpretować wyniki przy użyciu pojęć metodologicznych. Umie wskazać granice między analizą jakościową i ilościową oraz ich komplementarność.
Na ocenę bardzo dobrą (5.0) student całościowo i krytycznie posługuje się wiedzą metodologiczną. Potrafi samodzielnie zaprojektować schemat badawczy wraz z hipotezami, wskaźnikami i planem analizy danych. Umie zintegrować wiedzę o metodach jakościowych i ilościowych, pokazując ich wspólne zastosowanie, także we współczesnych kontekstach (np. z użyciem narzędzi sztucznej inteligencji). Potrafi klarownie zaprezentować i zinterpretować wyniki badań, wskazując zarówno mocne, jak i słabe strony przeprowadzonych analiz.
Student(ka) ma prawo do dwóch nieobecności na wykładach, które nie wymagają usprawiedliwienia. Podstawą zaliczenia jest test – zdanie od 60% daje ocenę dostateczną. Za aktywność na zajęciach oraz udział w dyskusji wykładowca zastrzega sobie prawo do przyznawania dodatkowych punktów na egzaminie.
Literatura
Nowak, S. (2007). Metodologia badań społecznych. Warszawa: Wydawnictwo Naukowe PWN.
Babbie, E. (2007). Badania społeczne w praktyce. Warszawa: Wydawnictwo Naukowe PWN.
Szymańska, A. (2025). Mathematical Modeling in Psychology Using Artificial Intelligence. Warsaw: UKSW Press.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: