Szkolenie pt.: „Podstawowe typy analiz statystycznych dla nauk medycznych i przyrodniczych”

O czym jest to szkolenie?

Szkolenie wprowadza uczestników w metodykę prowadzenia badań o charakterze eksperymentalnym w naukach medycznych i przyrodniczych oraz w odpowiadające im metody analizy danych statystycznych. Uczestnicy uczą się planować badania w schemacie wewnątrzgrupowym i międzygrupowym, a następnie dobierać i przeprowadzać odpowiednie testy analityczne z obszaru ANOVA (analiza wariancji), wraz z interpretacją wyników i raportowaniem ich zgodnie ze standardami APA.

Dla kogo?

• Dla naukowców, doktorantów i studentów kierunków medycznych, biologicznych oraz przyrodniczych.
• Dla osób prowadzących badania eksperymentalne, które chcą samodzielnie analizować dane ilościowe.
• Dla badaczy, którzy chcą lepiej zrozumieć, jak dobierać odpowiednie testy statystyczne do schematu badawczego.

Jakie wartości dostarcza?

• Zrozumienie logiki badań eksperymentalnych i sposobów ich analizy statystycznej.
• Umiejętność doboru odpowiednich testów ANOVA do schematu badawczego.
• Praktyczna znajomość interpretacji i raportowania wyników w standardzie APA.

Program szkolenia

• Czym różni się schemat wewnątrzgrupowy od międzygrupowego?
• Jak formułować hipotezy i planować analizę danych?

• Struktura danych dla badań eksperymentalnych (zmienne, grupy, pomiary).
• Weryfikacja założeń analizy wariancji – normalność, homogeniczność wariancji, sferyczność.

• Dobór modelu analizy w zależności od liczby czynników.
• Interpretacja efektów głównych i interakcji.
• Testy post-hoc: Tukeya, Bonferroniego i Scheffégo.

• Kiedy stosować analizę z powtarzanymi pomiarami?
• Weryfikacja założenia sferyczności (test Mauchly’ego).
• Korekty Greenhouse–Geisser i Huynh–Feldt.

• Kiedy zmienna zależna ma charakter dychotomiczny?
• Interpretacja ilorazów szans (OR) i współczynników modelu.
• Ocena dopasowania modelu: test Hosmera–Lemeshowa, krzywa ROC i pole pod krzywą (AUC).

• Jak opisywać wyniki ANOVA i regresji logistycznej krok po kroku.
• Przykłady interpretacji efektów w języku naukowym.
• Wizualizacja danych: wykresy słupkowe, boxploty, error bary oraz krzywe ROC.

• Omówienie pytań uczestników dotyczących własnych badań i analiz.

O prowadzącym:

dr Przemysław Tomczyk, doktor nauk ekonomicznych w zakresie nauk o zarządzaniu. Doktorat obronił w Szkole Głównej Handlowej w Warszawie (2015). Adiunkt w Katedrze Marketingu Akademii Leona Koźmińskiego.

Specjalizuje się w zakresie roli sztucznej inteligencji w tworzeniu prac naukowych oraz wprowadzaniu automatyzacji do nauki. Autor kilkudziesięciu publikacji naukowych oraz kanału na YouTube „dr Przemek Tomczyk AI”.

https://www.youtube.com/@drprzemek

Prowadzi szkolenia z zakresu analizy statystycznej i wykorzystania sztucznej inteligencji w pracy naukowej.

Ostatnio opublikowane teksty na temat wykorzystania nowoczesnych technologii (w tym AI) w pisarstwie naukowym:

• Tomczyk, P. (2026). Researcher as manager of the academic writing process with generative artificial intelligence. Framework for systematic literature review in management. International Journal of Social Research Methodology, 1-19.
  https://www.tandfonline.com/eprint/EDKXX6WQAFPNX8BNCFXP/full?target=10.1080/13645579.2026.2651311
• Tomczyk, P., Brüggemann, P., & Vrontis, D. (2026). AI meets academia: transforming systematic literature reviews. EuroMed Journal of Business, 21(1), 345-369.
  https://www.emerald.com/emjb/article/21/1/345/1249905?casa_token=HhBJvmBN3AYAAAAA:w8fUYzm1V8UEhdkMUPEiaSVji0VsIETyXx0sZs6ek3zy11Guebu101WTdF6NUipsXhl4IiSinX2CqAer
• Tomczyk, P., Brüggemann, P., Mergner, N., & Petrescu, M. (2026). Are AI tools better than traditional tools in literature searching? Evidence from E-commerce research. Journal of Librarianship and Information Science, 58(1), 135-145.
  https://journals.sagepub.com/doi/abs/10.1177/09610006241295802
• Tomczyk, P. (2025). Don’t write, manage! Researcher as manager of systematic literature review process in management. Scientific Papers of Silesian University of Technology. Organization & Management / Zeszyty Naukowe Politechniki Slaskiej. Seria Organizacji i Zarzadzanie, (227).
  https://managementpapers.polsl.pl/wp-content/uploads/2025/09/227-Tomczyk.pdf 
• Tomczyk, P. (2025). Zrzucanie czaru, czyli pozamagiczne argumenty za i przeciw współpracy naukowca ze sztuczną inteligencją, PWN Nauka, 1/2025.
• Tomczyk, P. (2025). AI napisze za nas tekst naukowy? Forum Akademickie.
  https://forumakademickie.pl/zycie-akademickie/ai-napisze-za-nas-tekst-naukowy/
• Tomczyk, P., Brüggemann, P., & Paul, J. (2024). Variable science mapping as literature review method, Journal of Marketing Analytics, pp. 1-13.
  https://doi.org/10.1057/s41270-024-00336-9
  https://link.springer.com/article/10.1057/s41270-024-00336-9
• Tomczyk, P., Brüggemann, P., Mergner, N., & Petrescu, M. (2024). Exploring AI’s role in literature searching: traditional methods versus AI-based tools in analyzing topical e-commerce themes, in Digital Marketing & eCommerce Conference (pp. 141-148). Springer, Cham.
  https://link.springer.com/chapter/10.1007/978-3-031-62135-2_15
• Tomczyk, P., Brüggemann, P., & Doligalski, T. (2024). The Automation of Science? Possibilities and Boundaries of AI Applications for Conducting Systematic Literature Reviews. International Journal on Artificial Intelligence Tools.
  https://www.worldscientific.com/doi/abs/10.1142/S0218213024500234

Uczestnictwo w szkoleniu wymaga umiejętności podstawowej obsługi komputera (tj. instalacja prostego programu, umiejętność logowania się do aplikacji typu ChatGPT, pracy z programem Word itp.)

Niektóre aplikacje, bądź ich funkcjonalności, zaprezentowane podczas szkolenia są płatne. Nie ma konieczności zakupu ich na potrzeby uczestnictwa w szkoleniu. Zostaną omówione w sposób wskazujący jakie funkcjonalności lub jakie ograniczenia są dostępne w wersjach bezpłatnych a jakie wymagają ewentualnego wykupienia subskrypcji. Informacje przekazane na szkoleniu pozwolą uczestnikowi na świadome podjęcie decyzji o sposobie dalszego korzystania z prezentowanych aplikacji.