Project assignment

For this project, you are expected to carry out data analysis using Python and write a report that summarises the results ofyour data analysis.

The topic chosen for this project is “The Determinants of Students’ Learning” and the dataset  provided  is  derived  from  the  OECD's  Programme  for  International  Student Assessment   (PISA)   which   measures    15-year-olds’   ability   to   use   their   reading, mathematics and science knowledge and skills to meet real-life challenges.

The  file “PISA-2018-UK”  contains  data  on  students’  scores  on  Maths,  Reading,  and Science tests, as well as additional information on  students’ individual characteristics, family background, and school characteristics. More detailed information on data and variables can be found in “PISA-DataDescription”.

Your task is to outline a research question of interest and perform data analysis to support your hypotheses and findings. Possible research questions are

•    Does a pupil’s immigrant status affect their learning outcomes?

•    Do private school pupils outperform public school pupils in Maths, Reading, or Science tests?

•    Does access to computers and other educational resources at home affects pupils’ learning outcomes?

You may choose one of the questions above or propose a new one ofyour choice.

Your data analysis should use the numerical and visualisation tools covered in lectures and workshops. You are encouraged to explore and use additional tools and methods as long as appropriate to the research question.

Submission details

You are required to submit two files:

•    Report  (2000  words,  Word  docx  or  pdf)  outlining  the  research  question,  and summarising and commenting on the results of your data analysis. This should include any tables, graphs, equations used, and references.

(2000  words  count  includes  main  text,  but  excludes  tables,  graph,  equations, references, appendix)

•    Jupyter  Notebook  (.ipynb)  containing  the  codes  used  to  produce  descriptive statistics, tables, graphs, and any other output ofyour data analysis.

Report structure

The suggested structure for the report is as follows

1.   Introduction

Clearly state the research question and give an outline of the report and data analysis performed.  If  relevant,  briefly  provide  additional  context  on  why  the  research question is relevant and related existing studies.

2.   Descriptive statistics

Introduce the variables used in your analysis and explain why these are relevant to the research question. Descriptive statistics should be presented via tables and/or graphs and commented on.

3.   Data analysis and results

This is the main section of the report. The aim is to construct evidence from data and to answer the research question. A variety of numerical and visualisation tools and methods may be used here, including tables, graphs, hypotheses testing, and linear models.

Use your judgement to select the most appropriate methods here. This should not be an exercise where you mechanically apply all methods, but rather you should think about what tools and results are most convincing.

4.   Conclusions

Critically summarise the results ofyour analysis.

Please notice that the structure above is only a suggestion, and departures from it are allowed.  For instance, you may decide to group  sections 2  and  3  and/or  add/rename sections ifyou think your analysis could be better described otherwise.

Data analysis plan

The questions and tips below may help you organise your work and give you some ideas for your data analysis.

•    Have you identified the main variables of your analysis? Which other variables may be also important for your research question?

•    Which ofyour variables are numerical? Which are categorical?

•    Is this variable best described using a numerical or a visualisation tool? Or both?

•    Are there any significant differences between different groups/categories?

•    Is there an association among these variables? What is the best way to show this?

•    What factors are likely to contribute the most to the main variables of interest?