.
Pētījumu datu apstrāde
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:7.00
Kursa apraksta apstiprināšanas datums:17.06.2022 15:46:23
| Par studiju kursu | |||||||||
| Kursa kods: | SL_023 | LKI līmenis: | 6. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Psiholoģija; Vispārīgā psiholoģija | Mērķauditorija: | Psiholoģija | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Silva Seņkāne | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Baložu iela 14, A korpuss, Rīga, +371 67060897, statistika rsu[pnkts]lv, www.rsu.lv/statlab | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 4 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 8 | ||||
| Nodarbības (skaits) | 8 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 16 | ||||
| Kopā kontaktstundas | 24 | ||||||||
| Nepilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 2 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 4 | ||||
| Nodarbības (skaits) | 6 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 12 | ||||
| Kopā kontaktstundas | 16 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Apgūts studiju kurss “Statistiskās datu apstrādes metodes”. | ||||||||
| Mērķis: | Attīstīt zināšanas, prasmes un kompetenci pētījumu datu matemātiskajā apstrādē, lai izmantotu statistiskās datu apstrādes metodes psiholoģiskajos pētījumos. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Skalu, mērījumu un datu veidi. Mērīšanas pamatprincipi. | Lekcijas | 1.00 | auditorija | |||||
| 2 | Datu kodēšana, ievadīšana (MS Excel, IBM SPSS). | Nodarbības | 1.00 | datorklase | |||||
| 3 | Aprakstošā statistika. | Lekcijas | 1.00 | auditorija | |||||
| 4 | Aprakstošā statiska – IBM SPSS. | Nodarbības | 1.00 | datorklase | |||||
| 5 | Slēdzienstatistika. | Lekcijas | 1.00 | auditorija | |||||
| 6 | Slēdzienstatistika – IBM SPSS. | Nodarbības | 2.00 | datorklase | |||||
| 7 | Dati un to raksturojums psiholoģijas specialitātē, svarīgākās to apstrādē lietojamās metodes. | Lekcijas | 1.00 | auditorija | |||||
| 8 | Skalu psihometriskās īpašības (IBM SPSS). | Nodarbības | 2.00 | datorklase | |||||
| 9 | Rezultātu lasīšana, aprakstīšana un interpretācija. | Nodarbības | 1.00 | datorklase | |||||
| 10 | Prezentācija par sava pētījuma rezultātiem. | Nodarbības | 1.00 | datorklase | |||||
| Tēmu saraksts (nepilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Skalu, mērījumu un datu veidi. Mērīšanas pamatprincipi. | Lekcijas | 0.50 | auditorija | |||||
| 2 | Datu kodēšana, ievadīšana (MS Excel, IBM SPSS). | Nodarbības | 0.50 | datorklase | |||||
| 3 | Aprakstošā statistika. | Lekcijas | 0.50 | auditorija | |||||
| 4 | Aprakstošā statiska – IBM SPSS. | Nodarbības | 0.50 | datorklase | |||||
| 5 | Slēdzienstatistika. | Lekcijas | 0.50 | auditorija | |||||
| 6 | Slēdzienstatistika – IBM SPSS. | Nodarbības | 2.00 | datorklase | |||||
| 7 | Dati un to raksturojums psiholoģijas specialitātē, svarīgākās to apstrādē lietojamās metodes. | Lekcijas | 0.50 | auditorija | |||||
| 8 | Skalu psihometriskās īpašības (IBM SPSS). | Nodarbības | 2.00 | datorklase | |||||
| 9 | Rezultātu lasīšana, aprakstīšana un interpretācija. | Nodarbības | 0.50 | datorklase | |||||
| 10 | Prezentācija par sava pētījuma rezultātiem. | Nodarbības | 0.50 | datorklase | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | Patstāvīgi nostiprināt lekciju materiālu, sistemātiski lasot literatūru; patstāvīgais darbs, kas saistīts ar psiholoģijas specialitātes datu apstrādi, interpretēšanu un prezentēšanu (sava bakalaura darba datu apstrāde, interpretēšana un prezentēšana). | ||||||||
| Vērtēšanas kritēriji: | Patstāvīgais darbs, kas saistīts ar psiholoģijas specialitātes datu apstrādi, interpretēšanu un prezentēšanu (sava bakalaura darba datu apstrāde, interpretēšana un prezentēšana). Prasības: 1) Korekti sagatavota datu bāze IBM SPSS programmā savā bakalaura darbā. 2) Korekti izvēlētas datu apstrādes metodes. 3) Dati korekti apstrādāti. 4) Datu apstrādes rezultāti korekti noformēti un aprakstīti. 5) Secinājumi tiek veikti pareizi. 6) Sagatavota un mutiski paveikta prezentācija par sava pētījuma rezultātiem, izmantojot PowerPoint programmu. | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | Studējošais nosauc un raksturo datu analīzes pamatprincipus programmās IBM SPSS un MS Excel. | ||||||||
| Prasmes: | Studējošais ievada datus apstrādei; patstāvīgi apstrādā datus un analizē statistiskos rādītājus. | ||||||||
| Kompetences: | Studējošais pieņem pareizu lēmumu par piemērotu datu apstrādes metožu lietošanu attiecīgā situācijā, pareizi interpretē svarīgākos statistiskos rādītājus psiholoģijas specialitātē, kā arī apraksta un prezentē pētījumu MS Office programmās MS Word un MS PowerPoint. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Metodiskie norādījumi kursa un bakalaura darbu izstrādei psiholoģijas studentiem | ||||||||
| 2 | Pētniecība: teorija un prakse. (2016). K. Mārtinsones, A.Piperes, D.Kamerādes red. Rīga: RAKA. | ||||||||
| 3 | Leech, N.L., Barrett, K.C., & Morgan, G.A. (2008). SPSS for intermediate statistics: Use and interpretation. 3rd Edition. New York: London: Lawrence Erlbaum Associates. | ||||||||
| Papildu literatūra | |||||||||
| 1 | Krastiņš, O., Ciemiņa, I. (2003). Statistika. Rīga: LR CSP. | ||||||||
| 2 | Krastiņš, O. (2003) Ekonometrija. Rīga: LR CSP. | ||||||||
| 3 | Moore, D. S. (2003). The basic practice of statistics. New York: W. H. Freeman & Company. | ||||||||
| 4 | Наследов, А.Д. (2006). Математические методы психологического исследования. Анализ и интерпретация данных. СПб.: Речь. | ||||||||
| Citi informācijas avoti | |||||||||
| 1 | Choosing the Correct Statistical Test in SAS, STATA and SPSS. Available from: http://www.ats.ucla.edu/stat/mult_pkg/whatstat/default.htm | ||||||||
| 2 | How to choose a statistical test. Available from: http://www.graphpad.com/www/book/choose.htm | ||||||||
| 3 | Selecting statistics. Available from: http://www.socialresearchmethods.net/selstat/ssstart.htm | ||||||||
| 4 | British Journal of Mathematical and Statistical Psychology. Available from: http://onlinelibrary.wiley.com/journal/10.1111/(ISSN)2044-8… | ||||||||
