.
Kvantitatīvās pētniecības metodes psiholoģijā (multivariatīvā statistika un modelēšana)
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:7.00
Kursa apraksta apstiprināšanas datums:13.07.2021 17:10:44
| Par studiju kursu | |||||||||
| Kursa kods: | VPUPK_312 | LKI līmenis: | 8. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Psiholoģija; Klīniskā psiholoģija | Mērķauditorija: | Psiholoģija | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Jeļena Ļubenko | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Veselības psiholoģijas un pedagoģijas katedra | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Rīga, J. Asara iela 5, vppk rsu[pnkts]lv, +37167061587 | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 8 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 16 | ||||
| Nodarbības (skaits) | 0 | Nodarbību ilgums (akadēmiskās stundas) | 0 | Kopā nodarbību kontaktstundas | 0 | ||||
| Kopā kontaktstundas | 16 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Maģistra līmeņa pieredze pētniecībā, zināšanas par statistiskas datu apstrādes metodēm. | ||||||||
| Mērķis: | Padziļināt izpratni par datu analīzes statistikas metodēm psiholoģijas pētījumos un pilnveidot prasmes to lietojumam pētījumu rezultātu apstrādei un analīzei, attīstot spēju patstāvīgi pieņemt lēmumus par piemērotu statistikas metožu lietošanu izvirzīto hipotēžu pārbaudīšanai vai pētījuma jautājumu noskaidrošanai. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Statistiskā domāšana. Pētījumā lietojamo statistisko metožu klasifikācija. Univariatīvās statistikas un multivariatīvās statistikas salīdzinājums. Statistiskā modelēšana. | Lekcijas | 2.00 | auditorija | |||||
| 2 | Dispersiju analīze (ANOVA, MANOVA, MANCOVA, jaukta dizaina MANOVA). | Lekcijas | 2.00 | auditorija | |||||
| 3 | Regresiju analīze: standarta, secīgā, soļu metode. Mediācijas un moderācijas analīze. | Lekcijas | 2.00 | auditorija | |||||
| 4 | Pētījuma shēma, psihometriskiem parametriem atbilstoši mērījumu instrumenti. | Lekcijas | 2.00 | auditorija | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | 1) patstāvīgi lasīt norādītos avotus; 2) datu bāzē pēc norādītajiem kritērijiem atlasīt divus kvantitatīvā pētījuma stratēģijā veiktus pētījumus, kuros lietotas dažādas multivariatīvās statistiskās metodes, analizēt atlasītos pētījumus pēc dotajiem kritērijiem un prezentēt rezultātus (30%); 3) analizēt esošos izpētes instrumentus pēc to psihometriskiem rādītājiem, izstrādāt un prezentēt pētījuma shēmu (70%). | ||||||||
| Vērtēšanas kritēriji: | Individuālie darbi ir prezentēti (prezentācijā ir iekļauta nepieciešamā informācija, rezultāti ir atspoguļoti un analizēti korekti, tiek lietota atbilstoša terminoloģija). | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens (Mutisks) | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | |||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | Studējošais lieto korektu matemātiskās statistikas terminoloģiju; izskaidro atšķirības starp dažādām univariatīvās un multivariatīvās statistikas metodēm; apraksta statistisko modelēšanu. | ||||||||
| Prasmes: | Atlasa kvantitatīvajā stratēģijā veiktus zinātniskos pētījumus, izskaidro publikācijā atspoguļotos rezultātus, ņemot vērā pētījuma dizaina ierobežojumus; tehniski pārvalda dažādu statistikas metožu izpildi; analizē statistiskos rādītājus; korekti apraksta iegūtos rezultātus. | ||||||||
| Kompetences: | Analizē publicētu pētījumu rezultātus; izmanto atbilstošas kvantitatīvās datu apstrādes metodes, lai risinātu pētījumā formulētos uzdevumus; analizē iegūtos datu apstrādes rezultātus un formulē korektus secinājumus, veido pētījuma shēmu kvantitatīvajā stratēģijā. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Abbott, M.L. (2016). Using statistics in the social and health sciences with spss and excel. Retrieved from: https://ebookcentral-proquest-com.db.rsu.lv | ||||||||
| 2 | Denis, D.J. (2015). Applied univariate, bivariate and multivariate statistics. Retrieved from: https://ebookcentral-proquest-com.db.rsu.lv | ||||||||
| Papildu literatūra | |||||||||
| 1 | Brown, B.L., Hendrix, S.B., & Hedges, D.W. (2011). Multivariate analysis for the behavioral and social sciences: a graphical approach. Retrieved from: https://ebookcentral-proquest-com.db.rsu.lv | ||||||||
| 2 | Kenett, R.S., & Shmueli, G. (2016). Information quality: the potential of data and analytics to generate knowledge. Retrieved from: https://ebookcentral-proquest-com.db.rsu.lv | ||||||||
| 3 | Mārtinsone K., Pipere A. un Kamerāde D. (red.) Pētniecība: teorija un prakse. Rīga: RaKa | ||||||||
| Citi informācijas avoti | |||||||||
| 1 | British Journal of Mathematical and Statistical Psychology. Retrieved from: http://onlinelibrary.wiley.com/journal/10.1111/(ISSN)2044-8… | ||||||||
| 2 | Statistics tutorials. Retrieved from: www.statsoft.com/textbook/stathome.html | ||||||||
| 3 | http://www.datastep.com/SPSSTutorial_1.pdf | ||||||||
| 4 | http://www.datastep.com/SPSSTutorial_2.pdf | ||||||||
| 5 | Zinātniskie raksti no Scopus, Web of Science, PubMed u.c. datu bāzēm | ||||||||
