Od Sygnałów Mózgowych po Markery Emocji i Procesów Poznawczych: Wprowadzenie do Tematyki Elektroencefalografii
Stanisław Adamczyk, doktorant
Centrum Badań Mózgu, UJ
Szkoła Doktorska Badań Społecznych, UJ
Przy zachowaniu odpowiedniej ostrożności elektroencefalografia (EEG) dostarcza unikalnych informacji na temat neuronalnych korelatów percepcji, uwagi i emocji. EEG rejestruje informacje nawet do tysiąca razy na sekundę, co pozwala obserwować zdarzenia w mózgu mózgu tak krótkie, że niemożliwe do zarejestrowania innymi metodami.
Interpretowanie wyników EEG wymaga jednak szczególnej uwagi. Metoda ta ma ograniczenia jeśli chodzi o precyzyjne określanie źródeł mierzonej aktywności i jest podatna na zakłócenia, m.in. ze strony mięśni. Ponadto zwykle rejestrujemy jedynie korelaty procesów poznawczych – czasem słabo poznane – a nie same procesy. Świadomość tych ograniczeń jest kluczowa, aby uniknąć wysnuwania pochopnych wniosków.
Podczas mojego warsztatu omówię te zagadnienia w przystępny sposób, aby pomóc wam zdobyć podstawową wiedzę o EEG. Połączę wprowadzenie z przykładami z neuronauki społecznej, dając wam pomysły na wykorzystanie EEG w waszych badaniach. Poruszymy takie tematy jak: wstępne przetwarzanie sygnału, potencjały wywołane, analiza widmowa, analiza połączeń, lokalizacja źródeł oraz statystyczna ocena danych EEG.
Warsztat obejmie zarówno część wykładową, jak i ćwiczenia praktyczne, dzięki którym doświadczycie niektórych wyzwań związanych z pracą na sygnałach mózgowych. Na koniec ostatnia część warsztatu będzie w całości poświęcona waszym pytaniom dotyczącym EEG i jego potencjalnych zastosowaniu w waszych badaniach.
Dyadic Data Analyses with the Actor-Partner Interdependence Model
Kay Brauer, PhD
Martin Luther University Halle-Wittenberg, Germany
The study of dyads (e.g., romantic couples, parent-child, colleague, supervisor-employee, teacher-student, therapist-client dyads) is gaining increasing popularity in research on the analysis of social relationships. The evaluation of datasets characterized by pairwise interdependence among dyad members requires specialized analytical approaches. The Actor-Partner Interdependence Model (APIM, Cook & Kenny, 2005) is the state-of-the-art method for dyadic data analysis. The APIM enables the computation of relationships between predictor and outcome variables at intrapersonal and interpersonal levels (actor and partner effects) while taking dyadic interdependence into account. In this workshop, I will provide a theoretical introduction and practical insights into APIM analyses. This includes computing a standard APIM analysis on basis of an example data set with the freely available demo version of Mplus. The aim of this workshop is to provide participants with a basic understanding of setting up, computing, and interpreting a standard APIM analysis of a dyadic data set.
Popularyzacja nauki: dobre praktyki
dr Dominika Bulska,
Uniwersytet Warszawski
SWPS
Jak opowiadać o wynikach badań naukowych? Z jakich narzędzi korzystać, by robić to dobrze? Czy sposób popularyzacji zależy od medium, jakie stosujemy? I wreszcie, dlaczego warto omawiać wyniki badań naukowych? Na te i inne pytania odpowiemy sobie w trakcie praktycznego warsztatu poświęconego popularyzacji wyników badań naukowych.
Metody analiz danych podłużnych
Maciej Górski, doktorant
Wydział Psychologii UW
Instytut Psychologii PAN
Wojciech Podsiadłowski, doktorant
Instytut Studiów Społecznych UW
Warsztat poświęcony jest zastosowaniu metod analizy danych podłużnych w projektach badawczych uczestników, ze szczególnym uwzględnieniem badań z obszaru psychologii społecznej. Warsztat ma przede wszystkim charakter aplikacyjny. Kolejne metody będą prezentowane wraz z przykładami implementacji w RStudio i interpretacją wyników, a ich dobór zostanie dopasowany do wiedzy i potrzeb grupy. Następnie, uczestnicy będą pracować na rzeczywistych danych w RStudio, pogłębiając wybrane techniki w zależności od poziomu zaawansowania i zainteresowań. Po ukończeniu warsztatu uczestnicy będą potrafili przeprowadzić i zinterpretować podstawowe analizy podłużne.
Jak sztuczna inteligencja podejmuje decyzje: wprowadzenie do drzew decyzyjnych
dr hab. Agnieszka Szymańska, prof. UKSW
Instytut Psychologii, Uniwersytet Kardynała Stefana Wyszyńskiego w Warszawie
Warsztat dotyczy drzew decyzyjnych jako jednego z podstawowych i najbardziej interpretowalnych podejść wykorzystywanych we współczesnych systemach sztucznej inteligencji i uczenia maszynowego. Drzewa decyzyjne stanowią ważny punkt wyjścia do zrozumienia, w jaki sposób modele AI podejmują decyzje na podstawie danych oraz jak przebiega proces automatycznego wnioskowania.
Podczas warsztatu omówiona zostanie koncepcja drzew decyzyjnych w kontekście sztucznej inteligencji: ich struktura, logika działania oraz rola w budowie modeli predykcyjnych. Szczególny nacisk położony zostanie na interpretowalność modeli i możliwość śledzenia procesu decyzyjnego, co ma kluczowe znaczenie w badaniach naukowych oraz w odpowiedzialnym stosowaniu AI. Uczestnicy zapoznają się z ogólnymi zasadami uczenia modeli decyzyjnych oraz z typowymi wyzwaniami związanymi z ich stosowaniem w praktyce.
Warsztat ma charakter wprowadzający i koncentruje się na zrozumieniu idei stojących za wykorzystaniem drzew decyzyjnych w systemach AI, bez konieczności wcześniejszego przygotowania technicznego czy znajomości konkretnych algorytmów.
Zajęcia skierowane są do osób zainteresowanych sztuczną inteligencją, analizą danych oraz interpretowalnymi modelami decyzyjnymi, w szczególności do uczestników chcących lepiej zrozumieć, jak AI „podejmuje decyzje”.