顯示具有 學習-碩一 標籤的文章。 顯示所有文章
顯示具有 學習-碩一 標籤的文章。 顯示所有文章

2020年8月23日 星期日

[學習歷程] 碩班修課之心得與建議(for謝老師研究室的學生)

新學期即將開始,關於研究所的課程,我將我碩士班與學長討論的結果及自己修課的經驗分享給新生,以供參考。


目前我只有碩班之經驗,因此碩班選課之大方向我分為下列四點:

  1. 每學期修一堂統計的課程

  2. 每學期皆參與寫作課

  3. 心理計量特性課程必修

  4. 碩一開始可修自選之應用領域(建議與指導老師之研究領域相關)


老師曾PO兩篇文與修課建議相關,網址如下:

【碩博班修課(專長養成)建議】

【研究所或大學高年級修課之建議】

我建議兩篇文章可以一起閱讀,較能給自己明確的選課方向。


這邊我將列出具體建議之課程。不過我會特別找不是涼的課程去修(我修課的目的是為了要讓自己變強),因此如果你的目的不是變強,我的建議名單你可以參考參考就好。

確定選課前,請先找謝老師討論自己的選課內容,以釐清你所選的課程是否符合你的碩論需求。


統計

統計課程建議可與可一起討論作業之同學修課。

  1. 初階統計(擇一修課)

心理與教育統計學(心理系、授課老師:姚開屏)

  • 為應用統計,內容淺顯易懂,較少數理推倒,容易吸收。

  • 課程前會提供講義,可事先預習,有課程教課書可參考。課程內容包含描述統計、常態分配及抽樣分配、推論統計、機率分配、類別資料及卡方檢定、假設檢定、變異數分析、重複計量、無母數統計、相關係數及迴歸分析。

  • 有回家作業,作業建議每周花費10小時以上(含複習,以下之建議時間皆同)。

  • 有實習課(R統計軟體)。

  • 修習時間為2學期,且系上有特殊規定,請依照系上規定辦理該課之學分承認。

  • 於校本部上課。每學期有3次考試。

生物統計學一(公衛系)

※這堂課我沒有修過,但是之前遇過學弟妹沒有心統可以修的情況,因此本堂課之建議為參考其他學長姊之修習心得及參考該課之課程大綱。

  • 為數理統計,課程中有練習題供練習。

  • 課程內容包含描述性統計、機率分配、假設檢定、類別資料分析、迴歸分析及相關係數。

  • 有回家作業,也有小考。作業建議每周花費10小時以上。

  • 有實習課(R統計軟體)。

  • 修習時間為1學期。

  • 於公衛大樓上課。每學期有2次考試。

  1. 中階統計

生物統計學二(公衛系、授課老師:洪弘)

  • 數理統計,課程中有大量板書,但老師於課程中也會舉應用之範例。

  • 課程內容包含線性迴歸、羅吉斯迴歸 (Logistic regression) 及泊松迴歸 (Poisson regression) 及存活分析 (Survival analysis)。若有意願想要進修博班,碩二時可修。有預計修AI相關知識也可修習。

  • 有回家作業。作業建議每周花費10小時以上。

  • 有實習課(R統計軟體)。

  • 修習時間為1學期。

  • 於公衛大樓上課。

類別資料分析(心理系、授課老師:姚開屏)

  • 數理統計與應用統計,課前會先發給同學一本PPT講義供預習,有指定原文參考書。

  • 課程內容包含羅吉斯迴歸 (Logistic regression) 及泊松迴歸 (Poisson regression),內容比生物統計學二更深入。有預計修AI相關知識也可修習。

  • 有回家作業,作業包含統計軟體之練習。作業建議每周花費10小時以上。

  • 修習時間為1學期。

  • 於校本部上課。


寫作課(職治系、授課老師:謝清麟)

  我目前只修過謝老師開的寫作課,進行方式類似一對一教學,我認為這樣的方式可以較針對在自己研究的主題精進寫作技巧。


心理計量特性(職治系、授課老師:謝清麟)

  碩論主題若包含評估工具之驗證,必選這堂課。這堂課有助於你了解各個心理計量特性之定義及應用方法,也有助於撰寫碩論中關於心理計量特性段落之論述。


應用領域

依照自己選擇的領域選課(目標導向)。以下分別針對不同之應用領域推薦課程。

  1. 發展測驗

心理測驗(心理系、授課老師:翁儷禎)

  碩論主題若包含發展評估工具,可考慮選這堂課。後來因為我的碩論題目沒有發展新的測驗,所以沒修。該課需修過初階統計(擇一修過即可)。

  1. 社會認知/認知領域

高等認知神經科學(心理系、授課老師:黃從仁老師)

  以作業的方式當作評分標準,每堂課皆需繳一份作業。因為認知分為不同領域,所以該課程也邀請各個認知領域之專家前來授課。有指定原文參考書以供閱讀。

  1. AI

神經與行為模式建構(心理系、授課老師:黃從仁)

  以作業的方式當作評分標準,每堂課皆需繳一份作業。建議須有基本的python能力再來修習較佳。所要求之python能力較低,建議作業每周至少花費2-3天思考如何撰寫。

機器學習(電機所、授課老師:李宏毅、林宗男、吳沛遠)

  需能力檢定才可修習之課程,課前要求之python能力較高。因為我在能力檢定時失敗了,所以我沒有修到這堂課程。但是Youtube有免費的線上課程可供學習。


2019年6月27日 星期四

2019.07~09月請假時間

擬請下列時段:

7/12,家族外出
7/18~7/19,家族外出
7/26,家族外出
9/2~9/5,出國旅遊

共計8日

2019年2月1日 星期五

2018.09.20~2019.02.01總整理(20190201持續更新)


英文
準備英文口頭報告SOP
l   理解並掌握欲報告之主要概念
l   報告前撰寫講稿,並且給LYNN確認英文文法
l   PPT製作時呈現重點,可使用圖表輔助講解
困難及問題(藍色)/解決方法(橘紅色)
l   理解概念需要先將英文翻成中文,之後再將理解之中文翻回英文確認意思。可嘗試看完文獻後直接用英文寫出本段重點,之後再彙整每段之重點。
l   沒有撰寫講稿之習慣,或事前未規劃足夠之時間準備。養成每周以英文簡短彙整一篇文獻 (前言部分)
l   準備PPT時(以文獻報告為例),會習慣將該文獻之第一段每一段落都做成一張PPT應該先將概念理解之後,重新排列組合,以凸顯重點。
寫作自我檢核
整體
l   前後是否呼應
l   主題、研究目的、內文是否呼應
l   如果自己不確定是否有寫好(如重要性),可先檢查自己那些文字有提到
段落層級
l   主題句是否凸顯主旨、段落主題
l   是否有結論句
l   結論句是否與之前過多重覆
l   是否包含過多意思相近之名詞
句子層級
l   主詞、動詞是否明確

閱讀文章
單字無法藉由查字典理解
l   整本書/文章前後文是否有提過,或是否有該文字之定義
l   找該作者其他相關文獻之解釋,或其他該領域之學者如何解釋
l   不確定之段落不要自行腦補解釋,應根據白紙黑字理解

分析方法
SPSS統計分析SOP
l   前置:點確定之前都先點"貼上之後",保留語法
l   確認資料是否有遺漏
l   確認資料之正確性/完整性 (頻率分析)-天花板/地板效應
l   確認資料之分配型態 (描述性統計)-Mean/SD/偏態/峰度
l   遺漏值之補救(是否插補與老師/團隊討論,基本不插補)
l   再測信度(兩兩跑ICC,記得設定ICC model)
l   如果有再測,pool所有評估的時間,然後算MD/SD(SD只能EXCEL彙整之後求出)
l   pair t-testdifference of MDSD及顯著等級
l   SEM/MDC/effect size之計算(EXCEL寫公式求出)
l   確認誤差異質性 (資料點絕對值後計算相關係數)
l   同時效度/收斂效度/生態效度 (評估工具之間之相關係數)
l   確認重點指標 (表格呈現時之取捨)

概念釐清
1.      評估工具測量到之概念無共識/目前研究對於某一概念無共識(如ToM
l   彙整目前研究常用之概念為何
l   該研究領域主要研究者寫出來之概念為何
2.      欲分析之項目過多如何判斷?
l   作者採用之計分方法
l   確認標準計分方式
l   確認目前常用之計分方式

 自己應該還有更多不足之部分,想到的話會再更新