Kursa kods Soci5040

Kredītpunkti 3

Socioloģiskās informācijas apstrāde

Zinātnes nozareSocioloģija un sociālais darbs

Zinātnes apakšnozareLietišķā socioloģija

Kopējais stundu skaits kursā81

Lekciju stundu skaits12

Semināru un praktisko darbu stundu skaits12

Studenta patstāvīgā darba stundu skaits57

Kursa apstiprinājuma datums04.11.2020

Atbildīgā struktūrvienībaSociālo un humanitāro zinātņu institūts

Kursa izstrādātājs

author pasn.

Lana Janmere

Mg. sc. soc.

Priekšzināšanas

Soci5041, Sociālo pētījumu metodes

Kursa anotācija

Studiju kursa apgūšanas mērķis ir sniegt padziļinātas teorētiskās zināšanas un praktiskās iemaņas socioloģisko pētījumu datu apstrādē un analīzē, kas nepieciešamas turpmākajā profesionālajā darbībā sabiedrības pārvaldē, pētniecības organizācijās un jebkurā privātā sektora organizācijā, kas nodarbojas ar cilvēku uzvedības un viedokļu izpēti un to kvantitatīvu mērīšanu.
Studiju kurss sniedz padziļinātas zināšanas un prasmes socioloģisko pētījumu rezultātu apstrādē, kas ļauj veikt to korektu analīzi un interpretāciju. Maģistranti apgūst nozīmīgākās aprakstošās un secinošās statistikas metodes un to pielietojumu dažādos kvantitatīvu pētījumu dizainos, kuros kā datu ieguves metode tiek izmantota aptauja. Maģistranti gūst priekšstatu par datos balstītu secinājumu nozīmi, to izdarīšanu un interpretāciju, kas ļauj pārbaudīt esošās un attīstīt jaunas zināšanas socioloģijas teorijā. Studiju kursa praktiskās nodarbības ir vērstas uz konkrētu datu apstrādes metožu pielietošanu aptaujas rezultātu apkopošanā un analīzē. Studiju kurss veicina kritiskās domāšanas un personīgo kompetenču attīstību.

Kursa rezultāti un to vērtēšana

Zināšanas: Studējošais zina un izprot kvantitatīvu datu apstrādes un analīzes būtību dažādos kvantitatīvu pētījumu dizainos, pārzina aptaujas datiem piemērotākās statistiskās apstrādes metodes, to izmantošanas nosacījumus – tests, praktiskie darbi, patstāvīgais darbs.
Profesionālās prasmes: Spēj patstāvīgi izveidot pētījuma datubāzi un pārbaudīt to, spēj apkopot aptaujas datus, iegūt primāros rezultātus un atainot tos grafiski, spēj izmērīt aptaujas datu sakarību ciešumu, noteikt to statistisko nozīmību un salīdzināt grupu vidējās tendences – praktiskie darbi, patstāvīgais darbs.
Vispārējās prasmes: Spēj atbildīgi plānot uzdotos uzdevumus, spēj sadarboties, iesaistīties diskusijā un pamatoti aizstāvēt savu viedokli, spēj kritiski izvērtēt iegūto informāciju un izdarīt datos balstītus secinājumus - tests, praktiskie darbi, patstāvīgais darbs, diskusijas.
Kompetence: Spēj patstāvīgi plānot un īstenot kvantitatīvu datu apstrādi, analīzi un secinājumu izdarīšanu, lai iegūtu jaunas zināšanas par pētāmo problēmu, spēj patstāvīgi risināt nestandarta situācijas socioloģisku pētījumu īstenošanā un tiem piemērotu datu apstrādes metožu izvēlē – patstāvīgais darbs, tests.

Kursa saturs(kalendārs)

1. Kvantitatīvu datu ieguves metodes socioloģiskajos pētījumos un to izmantošanas specifika (1 stunda).
2. Populārāko aptaujas datu apstrādei izmantoto datorprogrammu apskats. Datu matricas sagatavošana darbam IBM SPSS (1 stunda).
3. Primāro rezultātu ieguve sociālo tendenču raksturošanai socioloģiskajos pētījumos (1 stunda).
4. Aprakstoša pētījuma dizains. Primāro rezultātu interpretācija aprakstošā pētījumā (1 stunda).
5. Datu sakarību ciešuma mērīšanas rādītāji, to izmantošana dažādu sociālo problēmu izpētē (2 stundas).
6. Statistiskās nozīmības noteikšana atklātajām sakarībām datos (2 stundas).
7. Grupu atšķirību vērtēšana un vidējo tendenču salīdzināšana (2 stundas).
8. Kvazieksperimentāla pētījuma dizains. Neatkarīgā un atkarīgā mainīgā definēšana, to savstarpējās ietekmes noteikšana, izmantojot vienkāršās lineārās regresijas analīzi (2 stundas).

Praktisko darbu saturs:
1. Pētījuma bāzes sagatavošana, aptaujas datu ievade un pārbaude (3 stundas).
2. Primāro rezultātu ieguve, to interpretācija un atspoguļojums grafiskajos risinājumos (5 stundas).
3. Datu sakarību ciešuma mērīšana, statistiskās nozīmības noteikšana un vidējo tendenču salīdzināšana. Iegūto rezultātu interpretācija (4 stundas).

Prasības kredītpunktu iegūšanai

Aktīvs darbs semināros, izstrādāts patstāvīgais darbs. Ieskaite kursa noslēgumā.

Studiju kursa apguve tālmācībā tiek organizēta saskaņā ar studiju prorektora rīkojumu “Par e-studiju kārtību LLU”, katram semestrim tiek izveidots studiju kursu apguves grafiks. Studiju kursā ietvertās tēmas studējošie apgūst patstāvīgi, izmantojot docētāja izveidotos un ievietotos materiālus e-studiju vidē Moodle. Atgriezeniskā saite par lekciju un semināru nodarbību tematu apguvi tālmācībā tiek organizēta pašpārbaudes testu, diskusiju forumu un patstāvīgo darbu veidā, kā arī klātienes vai tiešsaistes konsultācijās, lekcijās un noslēguma pārbaudījumos saskaņā ar grafiku.

Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums

Jābūt izstrādātiem 2 praktiskajiem darbiem un 1 patstāvīgajam darbam. Kursa noslēgumā studenti pilda rakstisku testu.

Studiju rezultātu vērtēšanas kritēriji

Ieskaite. Tās vērtējumu veido: praktiskais darbs 1 (20%), praktiskais darbs 2 (30%), patstāvīgais darbs (30%), tests (20%).

Obligātā literatūra

1. Babbie E., Halley F., Wagner W. E., Zaino J. Adventures in Social Research: Data Analysis Using IBM SPSS Statistics. Thousand Oaks, Calif.: Sage, 2013. 456 p.
2. Bourke J., Kirby A., Doran J. Survey & questionnaire design: Collecting Primary Data to Answer Research Questions: eBook. Ireland: NuBooks, 2016. 47 p. Retrieved from EBSCO eBook Academic Collection via LLU Fundamental library network.
3. Elst van H. Foundations of Descriptive and Inferential Statistics. Germany, 2019. 176 p. Elektroniski pieejama https://arxiv.org/pdf/1302.2525.pdf.
4. Greasley P. Quantitative Data Analysis Using SPSS. An Introduction for Health & Social Science. England: Open University Press, 2008. 146 p. Elektroniski pieejama https://knowledgegat.com.au/wp-content/uploads/2019/12/Analysis_SPSS.pdf.
5. Jansons V., Kozlovskis K. Mārketinga pētījumi: teorija un prakse SPSS 20 vidē. 1. daļa. Rīga, RTU izdevniecība, 2015. 400 p. Tiešsaistē pieejama https://dom.lndb.lv/data/obj/841728.html.

6. Sirkin R. M. Statistics for the Social Sciences. London: Sage Publications, 2005. 632 p.

Papildliteratūra

1. Arhipova I., Bāliņa S. Statistika ekonomikā un biznesā. Risinājumi ar SPSS un Microsoft Excel. Rīga: Datorzinību Centrs, 2006. 364 lpp.
2. Geske A., Grīnfelds A. Izglītības pētniecība. Rīga: LU Akadēmiskais apgāds, 2006. 261 lpp.
3. Jansons V., Kozlovskis K. Mārketinga pētījumi: teorija un prakse SPSS 20 vidē. 2. daļa. Rīga: RTU izdevniecība, 2016. 326 lpp. Tiešsaistē pieejama https://dom.lndb.lv/data/obj/841729.html.
4. Jansons V., Kozlovskis K. Mārketinga pētījumi: teorija un prakse SPSS 20 vidē. 3. daļa. Rīga: RTU izdevniecība, 2018. 290 lpp. Tiešsaistē pieejama https://dom.lndb.lv/data/obj/841730.html.
5. Lasmanis A. Datu ieguves, apstrādes un analīzes metodes pedagoģijas un psiholoģijas pētījumos. 1. grāmata. Rīga: SIA “Izglītības soļi”, 2002. 236 lpp.

6. Lasmanis A. Datu ieguves, apstrādes un analīzes metodes pedagoģijas un psiholoģijas pētījumos. 2. grāmata. Rīga: SIA “Izglītības soļi”, 2002. 422 lpp.

Periodika un citi informācijas avoti

1. European Societies - European Sociological Association, UK. Pieejams: http://www.europeansociology.org/index.php?option=com_content&task=view&id=48&Itemid=29
2. International Journal of Social Research Methodology. Pieejams: http://www.tandfonline.com/loi/tsrm20
3. R Programming Tutorial - Learn the Basics of Statistical Computing. Pieejams: https://www.youtube.com/watch?v=_V8eKsto3Ug

4. Statistics - A Full University Course on Data Science Basics. Pieejams: https://www.youtube.com/watch?v=xxpc-HPKN28

Piezīmes

Obligātais studiju kurss ESAF akadēmiskajā maģistra studiju programmā “Organizāciju un sabiedrības pārvaldes socioloģija”.