.
Multivariatīvā statistika un modelēšana psiholoģijā II
Studiju kursa apraksts
Kursa apraksta statuss:Apstiprināts
Kursa apraksta versija:1.00
Kursa apraksta apstiprināšanas datums:13.01.2022 16:16:52
| Par studiju kursu | |||||||||
| Kursa kods: | VPUPK_332 | LKI līmenis: | 8. līmenis | ||||||
| Kredītpunkti: | 2.00 | ECTS: | 3.00 | ||||||
| Zinātnes nozare: | Psiholoģija | Mērķauditorija: | Psiholoģija | ||||||
| Studiju kursa vadītājs | |||||||||
| Kursa vadītājs: | Jeļena Ļubenko | ||||||||
| Studiju kursa īstenotājs | |||||||||
| Struktūrvienība: | Veselības psiholoģijas un pedagoģijas katedra | ||||||||
| Struktūrvienības vadītājs: | |||||||||
| Kontaktinformācija: | J. Asara iela 5, Rīga, LV-1009, vppk rsu[pnkts]lv | ||||||||
| Studiju kursa plānojums | |||||||||
| Pilns laiks - 1. semestris | |||||||||
| Lekcijas (skaits) | 3 | Lekciju ilgums (akadēmiskās stundas) | 2 | Kopā lekciju kontaktstundas | 6 | ||||
| Nodarbības (skaits) | 5 | Nodarbību ilgums (akadēmiskās stundas) | 2 | Kopā nodarbību kontaktstundas | 10 | ||||
| Kopā kontaktstundas | 16 | ||||||||
| Studiju kursa apraksts | |||||||||
| Priekšzināšanas: | Maģistra līmeņa pieredze pētniecībā, zināšanas par statistiskas datu apstrādes metodēm, Multivariatīvā statistika un modelēšana I. | ||||||||
| 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 faktoru analīzes, regresiju analīzes, mediāciju un moderāciju analīzes lietošanu izvirzīto hipotēžu pārbaudīšanai vai pētījuma jautājumu noskaidrošanai, kā arī spēju atspoguļot un interpretēt iegūtos rezultātus. | ||||||||
| Tēmu saraksts (pilna laika studijas) | |||||||||
| Nr. | Tēma | Īstenošanas forma | Skaits | Norises vieta | |||||
| 1 | Faktoru analīze | Nodarbības | 1.00 | auditorija | |||||
| 2 | Regresiju analīzes metodes | Lekcijas | 1.00 | auditorija | |||||
| Nodarbības | 1.00 | auditorija | |||||||
| 3 | Mediācijas un moderācijas analīze | Lekcijas | 1.00 | auditorija | |||||
| Nodarbības | 1.00 | auditorija | |||||||
| 4 | Ievads strukturālo vienādojumu modelēšanā | Lekcijas | 1.00 | auditorija | |||||
| 5 | Metodoloģijas izaicinājumi mūsdienu kvantitatīvo datu analīzē psiholoģijā | Nodarbības | 1.00 | auditorija | |||||
| 6 | Promocijas darba pētījuma metode | Nodarbības | 1.00 | auditorija | |||||
| Vērtēšana | |||||||||
| Patstāvīgais darbs: | 1. patstāvīgi lasīt norādītos avotus; 2. izvēlēties metodoloģijas jautājumu, kas aktuāls promocijai darba tēmas izpētē, un sagatavot prezentāciju, izmantojot zinātniskos rakstus no psiholoģijas metodoloģijas žurnāliem. 3. sagatavot un prezentēt promocijas darba pētījuma metodoloģiju (pētījuma shēma, pētījuma jautājumi, instrumentārijs, datu analīzes metodes, risku un draudu izvērtējums). | ||||||||
| Vērtēšanas kritēriji: | • Dalība praktiskajās nodarbībās (10%); • Students argumentēti diskutē par statistikas metožu pielietojumu psiholoģijas pētījumos un to izmantošanas ierobežojumiem (10%); • Darbi ir iesniegti laikā un atbilst prasībām (prezentācija par metodoloģijas problēmu – 40%; promocijas darba metodes prezentācija – 40%). | ||||||||
| Gala pārbaudījums (pilna laika studijas): | Eksāmens (Mutisks) | ||||||||
| Gala pārbaudījums (nepilna laika studijas): | |||||||||
| Studiju rezultāti | |||||||||
| Zināšanas: | Studējošais pēc kursa apguves spēs lietot korektu matemātiskās statistikas terminoloģiju; izskaidrot atšķirības starp dažādām univariatīvās un multivariatīvās statistikas metodēm; aprakstīt statistisko modelēšanu. | ||||||||
| Prasmes: | Spēs atlasīt kvantitatīvajā stratēģijā veiktus zinātniskos pētījumus, izskaidrot publikācijā atspoguļotos rezultātus, ņemot vērā pētījuma dizaina ierobežojumus; tehniski pārvaldīt dažādu statistikas metožu izpildi; analizēt statistiskos rādītājus; korekti aprakstīt iegūtos rezultātus. | ||||||||
| Kompetences: | Studējošais spēs analizēt publicētu pētījumu rezultātus; izmantot atbilstošas kvantitatīvās datu apstrādes metodes, lai risinātu pētījumā formulētos uzdevumus; analizēt iegūtos datu apstrādes rezultātus un formulēt korektus secinājumus, veidot pētījuma shēmu kvantitatīvajā stratēģijā un argumentēti diskutēt par pētījuma riskiem un draudiem, kā arī piedāvāt to mazināšanas iespējas. | ||||||||
| Bibliogrāfija | |||||||||
| Nr. | Atsauce | ||||||||
| Obligātā literatūra | |||||||||
| 1 | Abbott, M. L. (2016). Using statistics in the social and health sciences with spss and excel. | ||||||||
| 2 | Denis, D. J. (2015). Applied univariate, bivariate and multivariate statistics. | ||||||||
| 3 | Zinātniskās darbības metodoloģija: Starpdisciplināra perspektīva. Rīga: RSU, 2021 | ||||||||
| 4 | Ārvalstu studentiem/For international students | ||||||||
| 5 | Abbott, M. L. (2016). Using statistics in the social and health sciences with spss and excel. | ||||||||
| 6 | Denis, D. J. (2015). Applied univariate, bivariate and multivariate statistics. | ||||||||
| 7 | The ultimate IBM® SPSS® Statistics guides. | ||||||||
| Papildu literatūra | |||||||||
| 1 | The ultimate IBM® SPSS® Statistics guides. | ||||||||
| 2 | Zinātniskie raksti no žurnāliem/Scientific articles from journals: The quantitative methods for psychology, Psychological Methods | ||||||||
| Citi informācijas avoti | |||||||||
| 1 | Zinātniskie raksti no Scopus un Web of Science datu bāzēm atbilstoši promocijas darba tēmai./Scientific articles from Scopus and Web of Science databases according to the topic of the thesis. | ||||||||
