.
Kvantitatīvie un kvalitatīvie rīki inovatīvai politikas pētniecībai
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:1.00
Kursa apraksta apstiprināšanas datums:22.02.2024 11:29:35
| Par studiju kursu | |||||||||
| Kursa kods: | SZF_071 | LKI līmenis: | 6. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Politikas zinātne | Mērķauditorija: | Politikas zinātne | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Toms Rātfelders | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Sociālo zinātņu fakultāte | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | Dzirciema iela 16, Rīga, szf rsu[pnkts]lv | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 11 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 22 | ||||
| Nodarbības (skaits) | 4 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 8 | ||||
| Kopā kontaktstundas | 30 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Nav nepieciešamas priekšzināšanas. Minimālas zināšanas par Stata un R programmatūru lietošanu studiju procesu atvieglinās. | ||||||||
| Mērķis: | Kursa mērķis ir iepazīstināt studentus ar jaunākajiem pasaulē izmantotajiem rīkiem un metodēm politikas zinātnes pētniecībā, kuri palīdzētu kursa un bakalaura darbu izstrādē. Ņemot vērā arvien lielāku politikas zinātnes pētniecības uzsvaru uz jaukto (mixed) metožu pielietošanu, kurss ir veidots kā salikums no divām daļām - kvanitatīvās un kvalitatīvās, tai pat laikā uzsverot abu metožu kategoriju savietojamību atbildēšanā uz aktuālajiem politikas jautājumiem. Kursa ietvaros tiks aplūkotas tādas kvalitatīvās pētniecības metodes kā intervijas, procesa izsekošana (process tracing), kvalitatīvā salīdzinošā analīze (QCA), satura, kontent/diskursa analīze, kā arī sabiedrisko tīklu analīze un etnogrāfija. To papildinās tādas kvantitatīvās metodes kā divfaktoru/daudzfaktoru regresiju analīze, automatizētā teksta analīze un eksperimenti. Kursa ietvaros tiks arī attīstītas studentu spējas domāt kā zinātniekiem, iepazīstinot ar neatkarīgo un atkarīgo mainīgo principiem, labu pierādījumu atlasīšanas praksi, cēloņsakarībām (un to noteikšanu), kā arī iespējām ierobežot personisko uzskatu ietekmi uz pētījuma rezultātiem. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Ievads. Kā pasauli redz zinātnieki? | Lekcijas | 1.00 | auditorija | |||||
| 2 | Atkarīgie un neatkarīgie mainīgie: kas tie ir un kāpēc tie ir svarīgi? | Lekcijas | 1.00 | auditorija | |||||
| 3 | Cēloņsakarība un cēloņsakarības mehānismi. Procesa izsekošanas metode | Lekcijas | 1.00 | auditorija | |||||
| 4 | Teorija pētniecības procesā – kāpēc tā ir nepieciešama? | Lekcijas | 1.00 | auditorija | |||||
| 5 | Prezentācija: Mainīgie, cēloņsakarība un hipotēze kursa darbā | Nodarbības | 1.00 | auditorija | |||||
| 6 | Laba datu ievākšanas prakse: interviju un teksta satura analīzes metodes, darbs ar arhīvu | Lekcijas | 1.00 | auditorija | |||||
| 7 | Pētnieka pozicionalitātes un personīgo uzskatu riski: etnogrāfijas metode un lauka pētījumi | Lekcijas | 1.00 | auditorija | |||||
| 8 | Prezentācija: Potenciālie primārie un sekundārie avoti kursa darbā | Nodarbības | 1.00 | auditorija | |||||
| 9 | Gadījumu analīze, mazas izlases un vidējas izlases pētījumos: case studies pret Kvalitatīvo Salīdzinošo analīzi (QCA) | Lekcijas | 1.00 | auditorija | |||||
| 10 | Lielas izlases pētījumi: statistiskās metodes – divfaktoru un daudzfaktoru regresijas | Lekcijas | 1.00 | auditorija | |||||
| 11 | Lielas izlases pētījumi: automatizētā teksta analīze | Lekcijas | 1.00 | auditorija | |||||
| 12 | Prezentācija: Analizējamo gadījumu atlase kursa darbā | Nodarbības | 1.00 | auditorija | |||||
| 13 | Sabiedriskie tīkli kā alternatīvs skatījums uz politiskajiem procesiem | Lekcijas | 1.00 | auditorija | |||||
| 14 | Ētikas nozīme pētniecības procesā: eksperimenti politikas zinātnē | Lekcijas | 1.00 | auditorija | |||||
| 15 | Prezentācija: Kursa darba agrīns melnraksts | Nodarbības | 1.00 | auditorija | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | Kursa ietvaros studentiem ir jānodod vairāki pastāvīgi rakstu darbi, kuros ir tikušas sasaistītas iegūtās zināšanas ar veidotā kursa darba elementiem. Pēc tam šie rakstu darbi tiks prezentēti citu studentu priekšā, kuriem būs iespēja izteikt kritiku, priekšlikumus un uzdot jautājumus. Tāpat studentu zināšanas un prasmes tiks pārbaudītas ar vairākiem rakstu darbiem, kuriem nav tiešas saistības ar kursa darba tēmu, bet kuru mērķis ir izkopt tehniskās prasmes pielietot konkrētu pētījuma metodi. Piemēram, divfaktoru un daudzfaktoru regresiju apgūšanai, studentiem būs jāizveido pašiem savs kods programmatūrā Stata un jāprot nolasīt un interpretēt rezultātus rakstiskā formā. Papildus visam, uz katru lekciju tiek arī sagaidīta obligātās literatūras lasīšana. Lai izvērtētu studiju kursa kvalitāti kopumā, studentam jāaizpilda studiju kursa novērtēšanas anketa Studējošo portālā. | ||||||||
| Vērtēšanas kritēriji: | Studentu darba kvalitāte tiks vērtēta, atbilstoši atbilstoši vairākiem kritērijiem: 1) Aktīva līdzdalība un iesaiste gan lekcijās, gan semināros (10%); 2) Prezentēšanas spējas un sniegtie ieteikumi citu studentu kursa darbu uzlabošanā (20%); 3) Rakstu darbu kvalitāte - 1) spēja iekļauties noteiktajā apjomā (20%), 2) spēja izveidot uzdevumā noteiktos pētījuma elementus (50%), 3) kursa ietvaros lasītās literatūras integrācija (30%) (kopā no gala vērtējuma 40%); 4) Kursa darba agrīna melnraksta kvalitāte - 1) spēja iekļauties noteiktajā apjomā (20%), 2) spēja izveidot uzdevumā noteiktos pētījuma elementus (30%), 3) kursa ietvaros lasītās literatūras integrācija (30%), 4) ieklausīšanās kursa vadītaja un kursa biedru padomos (20%) (kopā no gala vērtējuma 30%). | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | |||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | Kursa rezultātā studenti spēs vairāk orientēties politikas zinātnes literatūrā un atpazīt pētnieku pielietotās pētījumu metodes. Tie spēs saprast pamata principus, uz kuriem ir tikusi bāzēta autora argumentācija un potenciāli arī atrast iespējamos zinātniskos "caurumus". Tāpat studenti iegūs zināšanas par kvalitatīva zinātniska pētījuma priekšnoteikumiem un iemācīsies atšķirt nepārliecinošus no pārliecinošiem pierādījumiem. Tie arī iegūs priekšstatu par teorijas nozīmi politisku problēmjautājumu skaidrošanā un potenciāli sāks izvērtēt savas pozicionalitātes un personīgo uzskatu ietekmi uz radītajiem zinātniskajiem rezultātiem. | ||||||||
| Prasmes: | Kursa ietvaros studenti iegūs pirmās iemaņas statistisko programmatūru (Stata un R) lietošanā, kā arī ar praktisku uzdevumu palīdzību būs pamata līmenī iemācījušies integrēt metodes potenciālos pētījumos. Tāpat arī regulāru prezentāciju ietvaros, tiks izkoptas prasmes prezentēt savus pētījuma rezultātus lielas auditorijas priekšā. Turklāt savstarpējo diskusiju ietvaros, studenti pamata līmenī būs apguvuši sniegt konstruktīvu zinātnisku kritiku un padomus citu pētījumu uzlabošanā. | ||||||||
| Kompetences: | Studenti spēs orientēties galvenajos poltikas zinātnes standartos, kas tiem sniegs atbalstu gan kursa darba, gan bakalaura darba izstrādē. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Visa literatūra ir angļu valodā un piemērota gan latviešu, gan angļu plūsmas studentiem | ||||||||
| 2 | Bennett, Andrew, and Jeffrey T. Checkel, eds. 2015. Process Tracing: From Metaphor to Analytic Tool. Cambridge: Cambridge University Press. | ||||||||
| 3 | Kapiszewski, Diana, Lauren M. MacLean, and Benjamin L. Read. 2015. Field Research in Political Science: Practices and Principles. Cambridge: Cambridge University Press. | ||||||||
| 4 | Mosley, Layna, ed. 2013. Interview Research in Political Science. Ithaca, NY: Cornell University Press. | ||||||||
| 5 | Ragin, Charles C. 2008. Redesigning Social Inquiry: Fuzzy Sets and Beyond. University of Chicago Press. | ||||||||
| 6 | Schatz, Edward. 2013. Political Ethnography: What Immersion Contributes to the Study of Power. Chicago: University of Chicago Press. | ||||||||
| 7 | Emilie Hafner-Burton, Miles Kahler and Alexander H. Montgomery, “Network Analysis for International Relations,” International Organization 63, no. 3 (2009). | ||||||||
| 8 | Lobasz, Jennifer K. 2008. "The Woman in Peril and the Ruined Woman: Representations of Female Soldiers in the Iraq War." Journal of Women, Politics, and Policy (formerly Women and Politics) 29:305-334 | ||||||||
| 9 | Jennifer Milliken. 1999. "The Study of Discourse in International Relations: A Critique of Research and Methods." European Journal of International Relations 5 (2):225-254 | ||||||||
| 10 | Agresti, Alan and Barbara Finlay. 2018. Statistical Methods for the Social Sciences. 5th edition. Pearson/Prentice-Hall | ||||||||
| 11 | Grimmer, Justin, Margaret E. Roberts, and Brandon M. Stewart. 2022. Text as Data: A New Frame-work for Machine Learning in the Social Sciences. Princeton, NJ: Princeton University Press. | ||||||||
| 12 | Gary Goertz and James Mahoney. 2012. A Tale of Two Cultures. Qualitative and Quantitative Research in the Social Sciences. Princeton: Princeton University Press. | ||||||||
| 13 | The Oxford Handbook of Political Methodology. 2008. ed. Janet M. Box- Steffensmeier, Henry E. Brady, and David Collier. Cambridge, UK: Cambridge University Press | ||||||||
| 14 | Stephen Van Evera. 1997. Guide to Methods for Students of Political Science. Ithaca: Cornell University Press | ||||||||
