LV EN RU DE FR

Datu apstrāde un analītika

Kursa izstrādātāji

Kursa anotācija

Studenti pilnveido izpratni par pētījuma empīrisko daļu, apgūst zināšanas par pētījuma izlases veidošanu un aptaujas lapu sagatavošanu, pētījuma rezultātu izvērtēšanai un publiskošanai nepieciešamās zināšanas un prasmes un pilnveido spēju kritiski izvērtēt pētījumu atskaites. Praktiskajās nodarbībās studenti gūst padziļinātu pieredzi datu apstrādē, pilnveido datu primārās apstrādes un attēlošanas, kā arī datu sekundārās apstrādes, interpretēšanas un prezentācijas prasmes.
Studiju kursa apgūšanas mērķis – sniegt studentiem padziļinātas zināšanas un prasmes pētījuma rezultātu izvērtēšanā, izmantojot datu primārās un sekundārās apstrādes, interpretēšanas un prezentācijas prasmes.

Kursa rezultāti un to vērtēšana

Zināšanas:
• Spēj raksturot aptaujas lapu kvalitāti un iekšējo saskaņotību – 1.-2. kontroldarbs;
• Spēj pamatot pētījuma izlases veidošanu – 1.-2. kontroldarbs;
• Spēj pamatot datu apstrādes metožu izvēli secinošās statistikas iegūšanai – 1.-2. kontroldarbs.
Profesionālās prasmes:
• Spēj raksturot un pamatot empīriskā pētījuma gaitu – praktiskie darbi;
• Spēj raksturot pētījuma bāzi – praktiskie darbi;
• Spēj izvēlēties pētījuma mērķim un uzdevumiem atbilstošas datu iegūšanas, primārās apstrādes un attēlošanas metodes – praktiskie darbi;
• Spēj teorētiski pamatot empīriskā pētījuma ieceri – praktiskie darbi;
• Spēj izvēlēties piemērotas datu apstrādes metodes secinošās statistikas iegūšanai – praktiskie darbi;
• Spēj izvirzīt un pārbaudīt statistiskās hipotēzes – praktiskie darbi.
Vispārīgās prasmes:
• Spēj piedalīties pētījuma plānošanā un mērķu izvirzīšanā - praktiskie darbi;
• Spēj attīstīt profesijai atbilstošas sadarbības un organizatoriskās prasmes – praktiskie darbi, 1.-2. patstāvīgais darbs.
Kompetence:
• Spēj patstāvīgi izveidot iekšēji saskaņotu aptaujas lapu, apkopot pētījuma rezultātus un atspoguļot tos tabulās un diagrammās, izmantojot datorprogrammas – 1.-2. patstāvīgais darbs;
• Atbilstoši pētījumu metodiskajām prasībām, spēj patstāvīgi veidot atsauces un bibliogrāfiju, kā arī veikt pētījumu un prezentēt pētījuma rezultātus – 1.-2. patstāvīgais darbs;
• Atbilstoši pētījumu metodiskajām prasībām, spēj patstāvīgi izstrādāt un prezentēt pētījuma atskaiti jeb zinātnisko rakstu – 1.-2. patstāvīgais darbs

Kursa saturs(kalendārs)

1. Empīrisko pētījumu loma pētniecībā (lekcija – 1 h)
2. Pētījuma bāzes raksturojums pētījuma atskaitē (lekcija – 1 h)
3. Respondenti: populācija un izlase. Pētījuma izlases veidošana (lekcija – 1 h)
4. Datu vākšanas metodes. Mērījumu skalas. Datu derīgums (lekcija – 1 h)
5. Izmēģinājumpētījumi un datu vākšanas metodikas korekcija (lekcija – 1 h)
6. Aptaujas lapu izstrādes pamati. Aptaujas lapu veidošana, izmantojot Google veidlapas (lekcija – 1 h, praktiskie darbi – 2 h)
7. Aptaujas lapu iekšējās saskaņotības izvērtējums (Kronbaha alfa) (lekcija – 1 h, praktiskie darbi – 1 h)
8. Datu grupēšanas paņēmieni. Datu derīguma pārbaude (lekcija – 1 h)
9. Eksperimentu veidi un eksperimentu plāni (lekcija – 1 h, praktiskie darbi – 1 h)
10. Datu apstrāde (aprakstošā statistika), datu attēlošana tabulās un diagrammās MS Excel (lekcija – 1 h, praktiskie darbi – 3 h)
11. Datorprogrammu (R, SPSS), tiešsaistes izmantošana datu apstrādē (aprakstošā statistika) (praktiskie darbi – 4 h)
12. Ekspertvērtējuma metode (R, SPSS), tiešsaistes: ekspertu izvēles pamatojums, kompetence un vienprātība (praktiskie darbi – 2 h)
Pirmais kontroldarbs. Datu vākšanas un apstrādes metodes (aprakstošā statistika) (1 h)
13. Datu sadalījumi. Secinošo statistiku izvēle (lekcija – 1 h, praktiskie darbi – 1 h)
14. Parametriskās un neparametriskās statistikas metodes (R, SPSS, tiešsaiste) (lekcija – 1 h, praktiskie darbi – 2 h)
15. Kontingences analīze. Korelācijas koeficientu aprēķināšana (praktiskie darbi – 1 h)
16. Datu apstrāde (secinošā statistika). Statistisko hipotēžu pārbaude (R, SPSS, tiešsaiste) (praktiskie darbi – 6 h)
17. Pētījuma rezultāti atskaitēs. Diskusijas sadaļas nozīme zinātniskajās publikācijās (praktiskie darbi – 1 h)
18. Pētījuma zinātniskās atskaites pašizvērtēšana, pētījumu aizstāvēšanas runas sagatavošana (praktiskie darbi – 2 h)
Otrais kontroldarbs. Statistisko hipotēžu pārbaude, izmantojot secinošo statistiku (1 h)

Prasības kredītpunktu iegūšanai

Kursa ietvaros paredzēti divi kontroldarbi un divi patstāvīgie darbi. Praktiskie darbi ir veicami praktisko darbu laikā datorklasē. Visiem darbiem ir jābūt sekmīgi nokārtotiem.

Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums

Studiju kursa ietvaros patstāvīgām studijām atvēlētas 84 stundas, kas tiek organizētas šādi: gatavošanās pārbaudes darbiem (12 stundas katram darbam), gatavošanās patstāvīgajiem darbiem (30 stundas katram darbam).

Studiju rezultātu vērtēšanas kritēriji

Gala vērtējums studiju kursā veidojas:
20% praktiskie darbi – aptaujas lapu veidošana, datu attēlošana un datu apstrāde, izmantojot aprakstošo un secinošo statistiku;
30% kontroldarbi par datu apstrādes metodēm, izmantojot aprakstošo un secinošo statistiku;
50% divi patstāvīgie darbi par datu vākšanu un statistisko apstrādi.

Obligātā literatūra

1. Pētniecība: teorija un prakse / Kristīnes Mārtinsones, Anitas Piperes, Daigas Kamerādes zinātniskajā redakcijā. Rīga: RaKa, 2016. 546 lpp.
2. Geske A., Grīnfelds A. Izglītības pētījumu aptaujas – no izveidošanas līdz datu apstrādei. Rīga: LU Akadēmiskais apgāds, 2020. 167 lpp.
3. Wilkinson, D., Dokter, D. The Researcher’s Toolkit: The Complete Guide to Practitioner Research (2nd ed). Routledge. 2023. 168 p.
4. Research Methods for Human Resource Management. K.Sanders, J.A. Cogin, & H.T.J. Bainbridge (Eds.), Routledge. 2014. 161 p.
5. Kroplijs A., Raščevska M. Kvalitatīvās pētniecības metodes sociālajās zinātnēs. Rīga: RaKa, 2004. 178 lpp.

Papildliteratūra

1. Mood D.P., Morrow J.R., McQueen M.B. Statistics in Human Performance Using SPSS and R. New York. 2020. 443 p.
2. Okello G.O. Simplified Business Statistics Using SPSS. CRC Press. 2023. 469 p.
3. Charry K., Coussement K., Demoulin N., Heuvinck N. Marketing Research with IBM SPSS Statistics. Out of House Publishing. 2016. 265 p.

Periodika un citi informācijas avoti

1. Abonētās datubāzes LBTU tīklā. Pieejams: http://llufb.llu.lv/db.html?i=db_saraksti.html
2. Pārresoru koordinācijas centra pētījumu un publikāciju datu bāze. Pieejams: http://petijumi.mk.gov.lv/
3. LR Izglītības ministrijas publikācijas un statistika. Pieejams: http://www.izm.gov.lv/lv/publikacijas-un-statistika
4. Latvijas Zinātnes padome. Zinātnisko publikāciju klasifikācija. Pieejams: http://www.lzp.gov.lv
5. LZA Terminoloģijas komisija: Par pētījuma zinātniskā stipruma kritēriju terminiem. Pieejams: https://likumi.lv/doc.php?id=232703

Piezīmes

Obligātais studiju kurss: profesionālā maģistra studiju programma “Cilvēkresursu vadība”