CURSO : METODOS CUANTITATIVOS DE INVESTIGACION EN EDUCACION TRADUCCION : QUANTITATIVE METHODS IN EDUCATION RESEARCH SIGLA : EDU4046 CRÉDITOS : 15 UC / 9 SCT MODULOS : 3 REQUISITOS : EDU4045 RESTRICCIONES : Postgrado CONECTOR : Y CARACTER : Minimo TIPO : Catedra CALIFICACION : Estandar (calificacion de 1.0 a 7.0) PALABRAS CLAVE : Investigacion educacional, cuantitativa, metodologias multivariadas NIVEL FORMATIVO : Doctorado I.DESCRIPCIÓN DEL CURSO Los estudiantes podran comprender, aplicar e interpretar metodologias de analisis de datos univariadas y multivariadas en el area de la educacion, asi como seleccionar y evaluar criticamente el uso de estos metodos en investigaciones cientificas. Adicionalmente, los estudiantes seran capaces de usar de forma eficiente el paquete estadistico R para implementar diferentes analisis, evaluando su pertinencia segun los analisis realizados. Al finalizar este curso, se espera tambien que el alumno de doctorado sea capaz de analizar y evaluar investigaciones educacionales, considerando la coherencia interna, la adecuacion de los procedimientos y metodos utilizados. II.RESULTADOS DE APRENDIZAJE 1.Aplicar sus conocimientos sobre la naturaleza multivariada del fenomeno educativo al dise?o de investigaciones. 2.Seleccionar dise?os de investigacion cuantitativa apropiados a problemas educacionales abordados desde un enfoque multivariado. 3.Aplicar tecnicas de analisis de datos e interpretar sus resultados en diferentes tipos de dise?os de investigacion multivariados. 4.Evaluar investigaciones educacionales, considerando la coherencia interna, la adecuacion de los procedimientos y metodos y el ajuste a los criterios de validez interna y externa. 5.Dise?ar un proyecto de investigacion en todas sus etapas, que aborde un fenomeno educativo multivariado. 6.Utilizar de manera eficiente software de analisis estadistico R. III.CONTENIDOS 1.Modelos correlacionales basicos y avanzados 1.1.Regresion multiple: mediacion e interaccion 1.2.Modelos jerarquicos o multinivel: datos anidados 1.3.Modelos de cambio 1.4.Modelo de medicion 1.5.Modelo de ecuaciones estructurales 2.Causalidad 2.1.Propensity Score 2.2.Regresion discontinua 2.3.Dif en Dif. IV.ESTRATEGIAS METODOLOGICAS La metodologia incluye la exposicion y discusion de temas a cargo del docente y de los participantes. En las sesiones de clases se analizaran investigaciones cuantitativas sobre fenomenos educativos publicadas en revistas indexadas. El trabajo de taller contempla el trabajo practico con analisis de datos e interpretacion de resultados. V.ESTRATEGIAS EVALUATIVAS -Talleres de aplicacion: desarrollo e interpretacion de resultados 30% -Presentacion de articulos para evaluar investigaciones educacionales 20% -Trabajo de dise?o, analisis e interpretacion de una pregunta de investigacion (oral y escrito) 50% VI.BIBLIOGRAFIA -Barron, R. M., & Kenny, D. A. (1986). The moderator mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173-1182. -Berner, H., Cooper, R., Guzman, M. y Guzman, N. (2009). Anexo metodologia evaluacion de impacto. Santiago, Chile: Division Control de Gestion. -Finch, W. H., Bolin, J. E., & Kelley, K. (2014). Multilevel modeling using R (Chapter 3, Fitting two-level models in R, pp. 55-65). London: CRC Press. -Gujarati, D., & Porter, D. (2010). Basic econometrics. New York: McGraw-Hill. -Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (2000). Analisis multivariante (Capitulo 11, Modelos de ecuaciones estructurales). Madrid: Prentice Hall. -Hayes, A. F. (2018). Introduction to mediation, moderation and conditional process analysis (Chapter 4, 7). New York: The Guilford Press. -Hox, J. (2002). Multilevel analysis. Techniques and applications (Chapter 1, Introduction to multilevel analysis; Chapter 2, The basic two-level model). Mahwah, NJ.: Lawrence Erlbaum. -Huck, S. W. (2012). Bivariate, multiple and logistic regression. En S. W. Huck (Ed.), Reading statistics and research (6th ed., pp. 367-403). Boston, MA: Pearson Education. -Ma, X., Ma, L., & Bradley, K. D. (2008). Using multilevel modeling to investigate school effects. En A. O?Connell, & D. B. McCoach (Eds.), Multilevel modelling of educational data (pp. 59-110, Chapter 3). Charlotte, NC: IAP. -O?Connell, A., & Amico, R. (2010) Logistic regression. En G. R. Hancock, & R. O. Mueller (Eds.), The reviewer?s guide to quantitative methods in the social sciences (pp. 221-239). New York, NY: Routledge. -Osborne, J. (2019) A conceptual introduction to bivariate logistic regression. En J. Osborne (Ed.), Best practices in logistic regression (Chapter 1). Washington D.C.: Sage Publications, Inc. -Package `lme4? (2019). Linear mixed-effects models using 'Eigen' and S4 [Paquete estadistico]. Recuperado de https://cran.r-project.org/web/packages/lme4/lme4.pdf -Santelices, M. V., Catalan, X., Kruger, D., & Horn, C. (2015). Determinants of persistence and the role of financial aid: Lessons from Chile. Higher Education, 71(3), 323-342. -Schneider, B., Carnoy, M., Kilpatrick, J., Schmidt, W. H., & Shavelson, R. J. (2005). Estimating causal effects using experimental and observational data (Chapter 3, 5). Washington D.C.: American Educational Research Association.