Kursa kods MežZ6001

Kredītpunkti 2

Pētījumu metodoloģija

Zinātnes nozareKopējais stundu skaits kursāLekciju stundu skaitsSemināru un praktisko darbu stundu skaitsKursa apstiprinājuma datumsAtbildīgā struktūrvienība
Mežzinātne (nav zn)3224808/11/2011Mežkopības katedra

Kursa izstrādātājs

author asoc. prof.

Aigars Indriksons

Mežzinātņu doktors

Papildliteratūra

1. Sprent P., Smeeton N.C. Applied Nonparametric Statistical Methods. Boca Raton, London, New York, Washington D.C.: Chapman Hall/CRC, 2000. 461 p.

Periodika un citi informācijas avoti

1. Latvijas Lauksaimniecības Universitāte. Raksti. ISSN: 1407-4427. Rural Sustainability Research. Proceedings of the Latvia University of Agriculture. Berlin: De Gruyter Open. ISSN: 2256-0939.
2. Zinātnisko konferenču rakstu krājumi izvēlētajā zinātnes apakšnozarē.
3. Mežzinātne. ISSN: 1407-270X.
4. Biometrics. A Journal of the International Biometric Society. ISSN: 0006-341X.

Piezīmes

Maģistra studiju programmu "Meža ekoloģija un mežkopība", "Meža darbi un tehnika", "Meža ekonomika un politika", "Koksnes materiāli un tehnoloģija" obligātais kurss.

Kursa anotācija

Zinātniskās izziņas veidi. Maģistra darba pamatinformācija un strukturējums. Biežāk sastopamo kļūdu analīze. Informācijas ievākšana, matemātiskā apstrāde, analīze un rezultātu interpretācija, nostādnes un metodes. Reprezentativitātes problēma. Statistiskās kopas, to sadalījumi, rādītāji un parametri. Hipotēžu izvirzīšana un pārbaude. Daudzvariāciju statistika. Apstrādes metožu specifika un atbilstība pētnieciskajam uzdevumam un materiālam, piemērotākās metodes izvēle. Daļēja maģistra darba izstrāde.

Kursa rezultāti un to vērtēšana

Studiju kursā maģistranti iegūst zināšanas par kopējām zinātnisko pētījumu īstenošanas likumsakarībām: pētījuma pamatinformācijas (temats, mērķis, darba hipotēze, pētnieciskie uzdevumi) formulēšanu, promocijas darba satura strukturējumu, informācijas ievākšanu, matemātisko apstrādi, rezultātu interpretāciju un maģistra darba rakstīšanas un aizstāvēšanas nosacījumiem. Maģistranti uztur saikni ar zinātniskajiem vadītājiem un pilnveido prasmi patstāvīgi izvēlēties un īstenot pētījuma nosacījumus zinātniskā darba izpildei (datu matemātiskās apstrādes piemērotākās metodes izvēle un pielietošana, rezultātu saturiskā skaidrošana un izklāstīšana). Pēc studiju kursa apguves maģistranti ir kompetenti patstāvīgi veikt zinātnisko darbu un aizstāvēt to.

Kursa plāns

1 Studiju kursa apguves nosacījumi. Maģistra darba pamatinformācija (nosaukums, mērķis, uzdevumi) un strukturējums.
2 Piemēru un biežāk pieļauto kļūdu analīze. Datu apstrādes metodes izvēle.
3 Statistiskās kopas. Reprezentativitātes problēma.
4 Empīriskie un teorētiskie sadalījumi.
5 Deskriptīvās statistika: parametri, metodes, īstenošanas iespējas.
6 Hipotēžu pārbaudes. Nulles hipotēze.
7 Parametriskās un neparametriskās metodes.
8 Atkarību infrastruktūra. Vienīgā faktora un multiplā stratēģija. Nelinearitāte. Sinerģismi.
9 Dispersijas analīze. Pazīmju atkarība.
10 Pazīmju atkarība. Korelācijas analīze.
11 Pazīmju atkarība. Korelācijas analīze.
12 Daudzparametru klasifikācija
13 Seminārs: individuālo uzdevumu (maģistra darba esejas) izpildes analīze.
14 Seminārs: individuālo uzdevumu (maģistra darba esejas) izpildes analīze.
15 Seminārs: individuālo uzdevumu (maģistra darba esejas) izpildes analīze.
16 Eksāmens.

Prasības kredītpunktu iegūšanai

Jābūt semiārā akceptēta individuālā uzdevuma izpildei, iesniegtai un ieskaitītai maģistra darba esejai.

Pamatliteratūra

1. Arhipova I., Bāliņa S. Statistika ekonomikā. Risinājumi ar SPSS un Microsoft Excel. Rīga: Datorzinību centrs, 2003. 352 lpp.
2. Williams B. Biostatistics. Concepts and Applications for Biologist. London: Chapman & Hall, 1996. 201 p.
3. Zar J. H. Biostatistical Analysis. New Jersey: Published by Prentice Hall, 1999. 591 p.