LV EN RU DE FR

Pētnieciskā darba metodoloģija II

Kursa izstrādātāji

Kursa anotācija

Studenti apgūst zinātniskās izpētes pamatprincipus, veido zināšanas par pētījumu ētiku un mērījumiem, attīsta pētījuma īstenošanai nepieciešamās prasmes. Kursa saturs atspoguļo pētījuma loģiku, sākot ar pētījuma problēmas formulēšanu un beidzot ar pētījuma atskaites sagatavošanu un aizstāvēšanu. Kurss ietver teorētisko un empīrisko pētījumu metožu apgūšanu. Praktiskajās nodarbībās studenti gūst pētījuma problēmas, ieceres un pamatjautājumu formulēšanas pieredzi un pilnveido datu vākšanas un apstrādes prasmes.

Kursa rezultāti un to vērtēšana

• Zināšanas – spēj noteikt un izvērtēt iespējamās pētījuma problēmas, izprot pētniecisko darbu izstrādāšanas noteikumu un pētījuma ētikas prasību nozīmi un pielietošanas nepieciešamību, izprot pētījumu dizainu atšķirības un tiem atbilstošās datu vākšanas un apstrādes metodes.
• Prasmes – prot formulēt, kritiski izvērtēt un saskaņot pētījuma problēmu un pamatjautājumus, prot izvēlēties pētījuma dizainu un atbilstošas datu vākšanas un apstrādes metodes, prot izskaidrot datu apstrādes rezultātus un formulēt secinājumus, prot noformēt pētījuma atskaiti.
• Kompetence – spēj veikt, noformēt un publiskot pētījumu, spēj kritiski izvērtēt un izmantot citu pētījumu rezultātus, spēj vadīt bakalauru līmeņa pētījumus un skolēnu ZPD.

Kursa saturs(kalendārs)

1 Prezentāciju veidi, to izvēle un sagatavošana.
2 Aptaujas lapu veidošanas pamatprincipi.
3 Aptaujas lapu veidošana, izmantojot Google veidlapas.
4 Datu vākšanas metodes. Mērījumu skalas. Datu derīgums.
5 Respondenti: populācija un izlase. Pētījuma izlases veidošana.
6 Pētījuma bāzes raksturojums pētījuma atskaitē.
7 Pilotpētījumi/izmēģinājumpētījumi, datu vākšanas metodikas korekcija.
8 Aptaujas lapu iekšējās saskaņotības izvērtējums (Kronbaha alfa).
9 Datu grupēšana. Datu derīguma noteikšana.
10 Eksperimenti, to veidi. Eksperimenta plānošana.
11 Datu apstrāde (aprakstošā statistika). Datu attēlošana tabulās un diagrammās
12 Datu apstrāde (aprakstošā statistika). Datu attēlošana tabulās un diagrammās
13 Datorprogrammu izmantošana datu apstrādē (aprakstošā statistika)
14 Datorprogrammu izmantošana datu apstrādē (aprakstošā statistika)
15 Ekspertu izvēle, kompetence, vienprātība.
16 Kontroldarbs: Datu vākšanas un apstrādes iespējas.

Prasības kredītpunktu iegūšanai

Ieskaite ar atzīmi. Studējošā piedalīšanās vismaz 75% lekciju un praktisko nodarbību, visu patstāvīgo praktisko darbu izpilde un aizstāvēšana, iesniegts maģistra darba teorētiskās daļas melnraksts.

Obligātā literatūra

1. Ievads pētniecībā: stratēģijas, dizaini, metodes. Sastādītāja Kristīne Mārtinsone. [Rīga]: RaKa, 2011. 284 lpp.
2. Creswell J. W. Educational research: planning, conducting, and evaluating quantitative and qualitative research. Boston: Pearson, 2012. 650 p.
3. Kroplijs A., Rasčevska M. Kvalitatīvās pētniecības metodes sociālajās zinātnēs. Rīga: RaKa, 2004. 178 lpp. 2004.g.
4. Kristapsone S. Zinātniskā pētniecība studiju procesā. Rīga: SIA Biznesa augstskola Turība, 2008. 352 lpp.

Papildliteratūra

1. Tomsons V. Pedagoģisko pētījumu metodoloģija: mācību līdzeklis. 1.daļa Pētījuma pamatjautājumi. Jelgava: LLU, 2009. 35 lpp.
2. Geske A., Grīnfelds A. Izglītības pētniecība: mācību grāmata augstskolu izglītības un pedagoģijas profesionālo un akadēmisko studiju programmu studentiem. Rīga: LU Akadēmiskais apgāds, 2006. 261 lpp.
3. Paura L., Arhipova I. Neparametriskās metodes: SPSS datorprogramma: Mācību līdzeklis. Jelgava: LLKC, 2002. 148 lpp.

Periodika un citi informācijas avoti

1. Abonētās datubāzes LLU tīklā. http://llufb.llu.lv/db.html?i=db_saraksti.html
2. Pārresoru koordinācijas centra pētījumu un publikāciju datu bāze. http://petijumi.mk.gov.lv/
3. LR Izglītības ministrijas publikācijas un statistika. http://www.izm.gov.lv/lv/publikacijas-un-statistika

Piezīmes

Obligātais studiju kurss TF profesionālajā maģistra studiju programmā „Karjeras konsultants” pilna un nepilna laika studijās.