Kursa kods InfTD004

Kredītpunkti 6

Pētījumu metodoloģija informācijas tehnoloģijās

Zinātnes nozareInformācijas tehnoloģija (nav zn)

Kopējais stundu skaits kursā162

Lekciju stundu skaits32

Semināru un praktisko darbu stundu skaits32

Studenta patstāvīgā darba stundu skaits98

Kursa apstiprinājuma datums18.10.2022

Atbildīgā struktūrvienībaDatoru sistēmu un datu zinātnes institūts

Kursa izstrādātājs

author prof.

Irina Arhipova

Dr. sc. ing.

Kursa anotācija

Kursa mērķis ir apgūt fundamentālo un lietišķo pētījumu organizācijas jautājumus no problēmas noteikšanas līdz datu analīzei un interpretācijai. Kursā detalizēti tiek apskatīti eksperimentu plānošanas un izmēģinājumu veikšanas jautājumi. Kurss aptver varbūtības un gadījuma lielumu jēdzienu analīzi inženierzinātnēs, statistisko, matemātisko un grafisko datu analīzi un to pielietojumu konkrētos pētījumu virzienos.

Kursa rezultāti un to vērtēšana

• zināšanas - spēj parādīt, ka pārzina un izprot aktuālākās zinātniskās teorijas un atziņas, pārvalda pētniecības metodoloģiju un mūsdienu pētniecības metodes eksperimentu plānošanas un izmēģinājumu veikšanas informācijas tehnoloģijās un dažādu jomu saskarē (1.kontroldarbs. Statistiskā, matemātiskā un grafiskā datu analīze);
• prasmes - spēj patstāvīgi izvērtēt un izvēlēties informācijas tehnoloģiju zinātniskiem pētījumiem atbilstošas matemātiskās un statistiskās metodes, ir veicis ieguldījumu zināšanu robežu paplašināšanā vai devis jaunu izpratni esošām zināšanām un to pielietojumiem praksē, īstenojot būtiska apjoma oriģinālu pētījumu, no kura daļa ir starptautiski citējamu publikāciju līmenī (2.kontroldarbs. Eksperimenta plānošana);
• kompetences - spēj, veicot patstāvīgu, kritisku analīzi, sintēzi un izvērtēšanu, risināt būtiskus pētnieciskus uzdevumus informācijas tehnoloģiju nozarē, patstāvīgi izvirzīt pētījuma ideju, plānot un rast risinājumu (inženieru eksperimenta plānošanas teorijas pielietojuma prezentēšana promocijas darba izstrādei individuālo studiju un pārbaudījumu periodā).

Kursa saturs(kalendārs)

1. Pētījuma process: problēmas noteikšana, datu vākšana, hipotēzes izvirzīšana un pārbaude[L-4h].
2. Nepārtraukta gadījuma lieluma sadalījumi. Normālais sadalījums [L-2h;P-2h].
3. Gammas sadalījums. Gammas sadalījuma speciālie gadījumi [L-2h;P-2h].
4. Beta sadalījums. Beta sadalījuma speciālie gadījumi [L-2h;P-2h].
5. Statistiskie modeļi saistītie ar normālo sadalījumu: Lognormālais sadalījums un Košī sadalījums [L-2h;P-2h].
6. Diskrēta gadījuma lieluma sadalījumi [L-2h;P-2h].
7. Aproksimācija ar empīriskiem sadalījumiem. Džonsona sadalījums. Pirsona sadalījums [L-2h;P-2h].
8. Centrāla robežteorēma [L-2h;P-2h].
9. 1.kontroldarbs. Statistiskā, matemātiskā un grafiskā datu analīze [P-4h].
10. Dispersijas analīze un daži eksperimenta plānošanas jautājumi [L-4h].
11. Korelācijas un regresijas analīzes lietošana inženierzinātnēs [L-2h;P-2h].
12. Mērījumu sistēmu projektēšana [L-2h;P-2h].
13. Drošuma statistiskās kontroles metodes [L-2h;P-2h].
14. Eksperimenta plānošana un izmēģinājumu secība [L-2h;P-2h].
15. Kontroles statistiskās metodes [L-2h;P-2h].
16. 2.kontroldarbs: Eksperimenta plānošana [P-4h].

Prasības kredītpunktu iegūšanai

ieskaitei izstrādāti praktiskie darbi un ieskaitīti divi kontroldarbi. Teorētiskās daļas kontrole semestra pārbaudījuma laikā.

Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums

Patstāvīgā darba organizācija semestra laikā notiek patstāvīgi studējot literatūru, izmantojot mācībspēka konsultācijas.

Studiju rezultātu vērtēšanas kritēriji

Studiju rezultātu vērtējums ir atkarīgs no kontroldarbu kumulatīvā vērtējuma (80%) un teorijas (20%) individuālo studiju un pārbaudījumu periodā.

Obligātā literatūra

1. John W. Creswell. (2009) Research design: qualitative, quantitative, and mixed methods approaches. Thousand Oaks, Calif.: Sage, 260 pp.
2. Jordan E., Silcock L. (2005) Beating IT Risks. Chichester: John Wiley & Sons, 292 pp.
3. Michael P. Marder (2011) Research methods for science. Cambridge; New York, NY: Cambridge University Press, 227 pp.
4. Moynihan T. (2002) Coping with IS/IT Risk Management: The Recipes of Experienced Project Managers. London: Springer, 328 pp.

Papildliteratūra

1. Hahn G. J., Shapiro S. S. (1994) Statistical Models in Engineering. A Wiley-Interscience Publication. John Wiley & Sons, INC, 347 pp. 2. Nathabandu T. Kottegoda, Renzo Rosso (2008) Applied statistics for civil and environmental engineers. Oxford; Malden, MA: Blackwell Publishing, 718 pp. 3. Mark Mitchell, Janina Jolley (2004) Research design explained. Belmont, CA: Wadsworth/Thomson Learning, 570 pp.

Periodika un citi informācijas avoti

1. ACM Computing Surveys. SSN:0360-0300E-ISSN:1557-7341 2. Foundations and Trends in Machine Learning SSN:1935-8237; E-ISSN:1935-8245 3. Foundations and Trends in Communications and Information Theory. ISSN:1567-2190; E-ISSN:1567-2328 4. Computer Science Review. ISSN:1574-0137 5. Journal of Big Data E-ISSN:2196-1115

Piezīmes

Obligātais kurss ITF doktora studiju programmā „Informācijas tehnoloģijas”.