.
Konsultēšana statistikā
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:4.00
Kursa apraksta apstiprināšanas datums:14.03.2024 11:37:05
| Par studiju kursu | |||||||||
| Kursa kods: | SL_122 | LKI līmenis: | 7. līmenis | ||||||
| Kredītpunkti: | 4.00 | ECTS: | 6.00 | ||||||
| Zinātnes nozare: | Matemātika; Varbūtību teorija un matemātiskā statistika | Mērķauditorija: | Dzīvās dabas zinātnes | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Andrejs Ivanovs | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Statistikas mācību laboratorija | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Kapseļu iela 23, 2.stāvs, Rīga, statistika rsu[pnkts]lv, +371 67060897 | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 9 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 18 | ||||
| Nodarbības (skaits) | 14 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 28 | ||||
| Kopā kontaktstundas | 46 | ||||||||
| Nepilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 9 | Lekciju ilgums (akadēmiskās stundas) | 1 | Kopā lekciju kontaktstundas | 9 | ||||
| Nodarbības (skaits) | 12 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 24 | ||||
| Kopā kontaktstundas | 33 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | • Studējošajiem nepieciešamas labas zināšanas par statistiku – bieži lietotiem jēdzieniem, metodēm un modeļiem. • „R” programmatūra. | ||||||||
| Mērķis: | Studiju kursa mērķis ir iepazīstināt studējošos ar dažādām prasmēm, kas nepieciešamas, lai kļūtu par veiksmīgu konsultantu statistikā. Šādas prasmes ietver tehnisko statistikas jēdzienu paskaidrošanu cilvēkiem, kas nav speciālisti statistikā, sadarbību ar citiem pētniekiem, pētījuma jautājuma pārvēršanu statistikas problēmā, konsultāciju procesa vadīšanu un rezultātu nodošanu atbilstoši klienta tehniskajam raksturojumam, kā arī citas lietas. Kursā tiek demonstrēti programmatūras rīki, kas var palīdzēt labāk prezentēt rezultātus. Tiek sniegts statistisko metožu un to piemērošanas konteksta vispārīgs pārskats, lai mudinātu studējošos izstrādāt savas metodes / rīcības plānu, kas var palīdzēt prezentēt potenciāli nozīmīgās metodes klientam. Tiek apspriesti izplatīti maldīgie priekšstati par statistiku un nepareizs pielietojums, kā arī daži ētiski apsvērumi. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Vajadzība pēc konsultācijām statistikā. Klientu veidi. Konsultācijas pretstatā sadarbībai, abpusēji ieguvumi no konsultācijām. Komunikācija ar klientu, konsultāciju process. Problēmas un rezultātu definēšana. Laika plānošana. | Lekcijas | 1.00 | auditorija | |||||
| 2 | Rakstiska ziņojuma sagatavošanas pamatprincipi. Prezentācijas. Diagrammas. | Lekcijas | 1.00 | auditorija | |||||
| 3 | Izplatītas problēmas, maldīgi priekšstati par statistikas metodēm un to nepareizs pielietojums. | Lekcijas | 1.00 | auditorija | |||||
| Nodarbības | 0.50 | datorklase | |||||||
| 4 | Resursi un programmatūras rīki statistisko jēdzienu prezentēšanai. | Nodarbības | 1.00 | datorklase | |||||
| 5 | Gadījuma izpēte (1): problēma, dati, metodoloģija, darba kārtība, iznākums. | Nodarbības | 1.00 | datorklase | |||||
| 6 | Vieslekcija (1): saruna un diskusija ar akadēmiķi / nozares ekspertu. | Nodarbības | 1.00 | auditorija | |||||
| 7 | Statistisko rezultātu paziņošana. Statistikas metožu sadaļas rakstīšana zinātniskajos rakstos. | Lekcijas | 1.00 | auditorija | |||||
| Nodarbības | 0.50 | datorklase | |||||||
| 8 | Pētījuma zinātniskā metode salīdzinājumā ar hipotēzes izvirzīšanu no datiem. Jautājumi, kas saistīti ar statistikas konsultāciju starpdisciplināro raksturu un ētiskajiem apsvērumiem. | Lekcijas | 1.00 | auditorija | |||||
| 9 | Datu vākšanas metodes. Datu pārvaldība. | Lekcijas | 1.00 | auditorija | |||||
| Nodarbības | 0.50 | datorklase | |||||||
| 10 | Gadījuma izpēte (2): problēma, dati, metodoloģija, darba kārtība, iznākums. | Nodarbības | 1.00 | datorklase | |||||
| 11 | Vieslekcija (2): saruna un diskusija ar akadēmiķi / nozares ekspertu. | Nodarbības | 1.00 | auditorija | |||||
| 12 | Pārskats par pētījumu plāniem. | Lekcijas | 1.00 | auditorija | |||||
| 13 | Statistikas metožu pārskats. Prognozējošie un skaidrojošie modeļi. | Lekcijas | 1.00 | auditorija | |||||
| 14 | Projekta dokumentācija. Nobeiguma ziņojuma saturs un formatēšana. Padziļināts ieskats „R Markdown” ziņojumu rakstīšanai. | Lekcijas | 1.00 | auditorija | |||||
| Nodarbības | 0.50 | datorklase | |||||||
| 15 | Gadījuma izpēte (3): problēma, dati, metodoloģija, darba kārtība, iznākums. | Nodarbības | 1.00 | datorklase | |||||
| 16 | Vieslekcija (3): saruna un diskusija ar akadēmiķi / nozares ekspertu. | Nodarbības | 1.00 | auditorija | |||||
| 17 | Diagrammas un interaktīvas vizualizācijas „R” (ggplot2, plotly). | Nodarbības | 2.00 | datorklase | |||||
| 18 | Interaktīva rezultātu prezentēšana, izmantojot „R” un „R Shiny”. | Nodarbības | 2.00 | datorklase | |||||
| 19 | Kursa projektu noslēguma prezentācijas. | Nodarbības | 1.00 | auditorija | |||||
| Tēmu saraksts (nepilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Vajadzība pēc konsultācijām statistikā. Klientu veidi. Konsultācijas pretstatā sadarbībai, abpusēji ieguvumi no konsultācijām. Komunikācija ar klientu, konsultāciju process. Problēmas un rezultātu definēšana. Laika plānošana. | Lekcijas | 1.00 | auditorija | |||||
| 2 | Rakstiska ziņojuma sagatavošanas pamatprincipi. Prezentācijas. Diagrammas. | Lekcijas | 1.00 | auditorija | |||||
| 3 | Izplatītas problēmas, maldīgi priekšstati par statistikas metodēm un to nepareizs pielietojums. | Lekcijas | 1.00 | auditorija | |||||
| Nodarbības | 0.50 | datorklase | |||||||
| 4 | Resursi un programmatūras rīki statistisko jēdzienu prezentēšanai. | Nodarbības | 1.00 | datorklase | |||||
| 5 | Gadījuma izpēte (1): problēma, dati, metodoloģija, darba kārtība, iznākums. | Nodarbības | 1.00 | datorklase | |||||
| 6 | Vieslekcija (1): saruna un diskusija ar akadēmiķi / nozares ekspertu. | Nodarbības | 1.00 | auditorija | |||||
| 7 | Statistisko rezultātu paziņošana. Statistikas metožu sadaļas rakstīšana zinātniskajos rakstos. | Lekcijas | 1.00 | auditorija | |||||
| Nodarbības | 0.50 | datorklase | |||||||
| 8 | Pētījuma zinātniskā metode salīdzinājumā ar hipotēzes izvirzīšanu no datiem. Jautājumi, kas saistīti ar statistikas konsultāciju starpdisciplināro raksturu un ētiskajiem apsvērumiem. | Lekcijas | 1.00 | auditorija | |||||
| 9 | Datu vākšanas metodes. Datu pārvaldība. | Lekcijas | 1.00 | auditorija | |||||
| Nodarbības | 0.50 | datorklase | |||||||
| 10 | Gadījuma izpēte (2): problēma, dati, metodoloģija, darba kārtība, iznākums. | Nodarbības | 1.00 | datorklase | |||||
| 11 | Vieslekcija (2): saruna un diskusija ar akadēmiķi / nozares ekspertu. | Nodarbības | 1.00 | datorklase | |||||
| 12 | Pārskats par pētījumu plāniem. | Lekcijas | 1.00 | auditorija | |||||
| 13 | Statistikas metožu pārskats. Prognozējošie un skaidrojošie modeļi. | Lekcijas | 1.00 | auditorija | |||||
| 14 | Projekta dokumentācija. Nobeiguma ziņojuma saturs un formatēšana. Padziļināts ieskats „R Markdown” ziņojumu rakstīšanai. | Lekcijas | 1.00 | auditorija | |||||
| Nodarbības | 0.50 | datorklase | |||||||
| 15 | Gadījuma izpēte (3): problēma, dati, metodoloģija, darba kārtība, iznākums. | Nodarbības | 1.00 | datorklase | |||||
| 16 | Vieslekcija (3): saruna un diskusija ar akadēmiķi / nozares ekspertu. | Nodarbības | 1.00 | auditorija | |||||
| 17 | Diagrammas un interaktīvas vizualizācijas „R” (ggplot2, plotly). | Nodarbības | 1.00 | datorklase | |||||
| 18 | Interaktīva rezultātu prezentēšana, izmantojot „R” un „R Shiny”. | Nodarbības | 1.00 | datorklase | |||||
| 19 | Kursa projektu noslēguma prezentācijas. | Nodarbības | 1.00 | auditorija | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | Studējošajiem jāturpina pētīt lekcijās apspriestās tēmas un jāveido personiskie uzskati. Tas ietver atbilstošu žurnālu rakstu, statistikas praktiķu un konsultantu memuāru un citus resursu lasīšanu. Daļa šī kursa satura sniedzas ārpus akadēmiskās literatūras. Kursa projekta izstrāde. | ||||||||
| Vērtēšanas kritēriji: | Novērtējums 10 ballu skalā saskaņā ar RSU Studiju reglamentu: • Kursa projekts – studējošie var izvēlēties no vairākiem piedāvātajiem projektiem. Studējošajiem ir jāsagatavo projekta atskaite un jāprezentē rezultāti – 60%; • Rakstisks eksāmens – 40%. | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | Eksāmens (Rakstisks) | ||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | • Izskaidro statistikas konsultāciju procesa galvenos soļus un labo praksi; • Izprot statistikas konsultanta lomu starpnozaru pētījumos; • Izklāsta izplatītas kļūdas, kas tiek pieļautas, izmantojot statistikas metodes; • Klasificē dažādus pētījumu plānus, datu vākšanas metodes un atbilstošās statistikas metodes; • Izvēlas galvenās statistikas metodes dažāda veida problēmu risināšanai; • Definē „R” koda sintaksi un pakotnes bieži izmantotajiem statistiskajiem testiem un modeļiem. | ||||||||
| Prasmes: | • Informēt klientus ar dažādiem zināšanu līmeņiem par statistikas jēdzieniem un metodēm (un to nepareizu izmantošanu); • Apstrādāt patstāvīgi un pārveidot datus analīzei; • Izvēlēties un izmantot konkrētajiem datiem un problēmai piemērotāko statistikas metodi; • Sagatavot nobeiguma ziņojumu un prezentāciju, izmantojot „R Markdown” funkcionalitāti; • Sagatavot interaktīvu „R” lietojumprogrammu rezultātu prezentēšanai, izmantojot „R Shiny”, rakstiski un mutiski prezentēt rezultātus gan nozares speciālistiem, gan nespeciālistiem. | ||||||||
| Kompetences: | Pēc veiksmīgas studiju kursa apguves studējošie spēj piedalīties konsultāciju procesā un iegūt no klienta nepieciešamo informāciju sadarbības iespēju izvērtēšanai. Studējošie spēj aprakstīt klientam nepieciešamās analīzes veikšanas darbības, sniegt atbilstošās metodoloģijas pārskatu un ieskicēt iespējamos rezultātus. Studējošie ir gatavi vadīt savu darbu un risināt problēmas konsultāciju procesa laikā (iespējams, ar zināmu vadību), lai atbalstītu uzticamus un zinātniskus pētījumus. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Cabrera, J. & McDougall, A. (2013). Statistical consulting. Springer Science & Business Media. | ||||||||
| 2 | Hand, D. J. & Everitt, B. S. (Eds.). (2007). The statistical consultant in action. Cambridge University Press. | ||||||||
| Papildu literatūra | |||||||||
| 1 | Wasserman, L. (2013). All of statistics: a concise course in statistical inference. Springer Science & Business Media. | ||||||||
| 2 | Friedman, J., Hastie, T. & Tibshirani, R. (2001). The elements of statistical learning. New York: Springer series in statistics. Available from: https://web.stanford.edu/~hastie/Papers/ESLII.pdf | ||||||||
| 3 | Izenman, Alan J. (2001). Modern Multivariate Statistical Techniques. New York: Springer series in statistics. | ||||||||
| 4 | Härdle, W. & Simar, L. (2007). Applied multivariate statistical analysis. Berlin: Springer. | ||||||||
| 5 | Montgomery, D. C. (2017). Design and analysis of experiments. John Wiley & sons. | ||||||||
| 6 | Xie, Y., Allaire, J. J. & Grolemund, G. (2018). R Markdown: The definitive guide. CRC Press. | ||||||||
