Kursa kods MežZ5051
Kredītpunkti 6
Zinātnes nozareMežzinātne (nav zn)
Kopējais stundu skaits kursā162
Lekciju stundu skaits26
Semināru un praktisko darbu stundu skaits24
Laboratorijas darbu stundu skaits14
Studenta patstāvīgā darba stundu skaits98
Kursa apstiprinājuma datums01.02.2022
Atbildīgā struktūrvienībaMežsaimniecības institūts
Dr. silv.
Dr. silv.
Pētījumu metodoloģija nodrošina pamatzināšanas un izpratni par dažādiem meža ekosistēmas empīriskajiem pētījumiem, to plānošanu un veikšanu, eksperimenta dizainu piemērotību konkrēta zinātnisko jautājumu risināšanai, kā arī maģistra darba un zinātnisko rakstu struktūru un izstrādi.
1. Studentam ir izpratne par dažādu pētījuma dizainu priekšrocībām un trūkumiem.
2. Prot izstrādāt pētījuma struktūru, sagatavot un pamatot eksperimenta dizainu konkrēta pētījuma veikšanai.
3. Students zina galvenās empīrisko datu apstrādes metodes.
4. Izmantojot loģisko analīzi, prot izvēlēties datu specifikai piemērotākās matemātiskās metodes, kā arī ir kompetents empīrisko datu apstrādes pamatmetožu pielietošanā un praktiskā to realizācijā, risinot pētnieciskos uzdevumus mežzinātnē.
Kuras rezultāti tiek vērtēti, izmantojot kontroljautājumus laboratorijas darbos (vērtējums ieskaitīts/neieskaitīts), kā arī kontroldarbos (vērtējums 10 ballu skalā).
1. Maģistra darba pamatinformācija (nosaukums, mērķis, uzdevumi) un strukturējums. Piemēru un biežāk pieļauto kļūdu analīze (2 h).
2. Statistiskās kopas. Reprezentativitātes problēma (2 h).
3. Empīriskie un teorētiskie sadalījumi (2 h).
4. Pētījumu veidi. Pētījuma strukturēšana (2 h)
5. Eksperimentu plānošana, ierīkošana, iegūstamie rezultāti un to interpretācija: piemēri (seminārs) (16 h).
6. Zinātnisko rakstu veidi. Atsevišķo raksta sadaļu saturs un uzdevumi (2 h).
7. Rezultātu interpretācija un diskusija. Secinājumi (2 h).
8. Primārie un sekundārie zinātniskās literatūras avoti. Zinātniskās literatūras datubāzes (2 h).
9. Plaģiātisms: kā no tā izvairīties. Atsauces tekstā. Literatūras saraksts (2 h).
10. Datu apstrādes metodes izvēle (2 h).
11. Deskriptīvā statistika: parametri, metodes, īstenošanas iespējas (laboratorijas darbs – 2 h).
12. Hipotēžu pārbaudes. Nulles hipotēze (laboratorijas darbs – 2 h).
13. Parametriskās un neparametriskās metodes (laboratorijas darbs – 2 h).
14. Vienīgā faktora un multiplā stratēģija. Nelinearitāte (laboratorijas darbs – 2 h).
Kontroldarbs.
15. Dispersijas analīze. Pazīmju atkarība. (2 h lekcijas. 2 h laboratorijas darbs).
16. Korelācijas analīze. Regresijas analīze. (4 h lekcijas. 4 h – 2 laboratorijas darbi).
17. Daudzparametru klasifikācija. (2 h lekcijas. 2 h laboratorijas darbs).
Kontroldarbs
18. Individuālo uzdevumu (maģistra darba esejas) izpildes analīze (praktiskie darbi) (6 h).
Jābūt sagatavotai sava pētījuma (maģistra darba) struktūra un sadaļām: mērķis, uzdevumi, materiāli un metodes. Semināram un praktiskajiem darbiem jābūt apmeklētiem un
sekmīgi jāuzraksta 2 kontroldarbi. Jāizpilda un jāaizstāv 7 laboratorijas darbi (vērtējums ieskaitīts/neieskaitīts). Noslēgumā akumulējoša ieskaite ar atzīmi, vērtējums veidojas no kontroldarbu atzīmēm un izstrādātas sava pētījuma daļas vērtējuma.
Kavēto laboratorijas darbu un semināru izpilde un neieskaitīto kontroldarbu pārrakstīšana Mežkopības katedras noteiktajā laikā.
Sistemātiskas teorijas studijas, kontroldarbu un laboratorijas dabu kārtošana. Sagatavošanās semināriem un praktiskajiem darbiem, praktisko darbu uzdevumu un rezultējošā darba – sava pētījuma sadaļu – sagatavošana un aizstāvēšana.
Zināšanu, prasmju un kompetences vērtēšana notiek 10 ballu skalā. Mutiska vai rakstveida atbilde ir sekmīga, ja vismaz 50% no jautājumiem atbildēti pareizi.
Kontroldarbus vērtē saskaņā ar noteikto kārtību – pēc atbildēm uz jautājumi, kuri doti metodiskajos aprakstos katra studiju posma sākumā, savukārt praktisko darbu vērtēšana notiek dabā, cik kompetenti students spēj iegūtās teorētiskās zināšanas un prasmes pielietot.
1. Pradip Kumar Sahu (2013) Research Methodology: A Guide for Researchers In Agricultural Science, Social Science and Other Related Fields. Springer.
2. Arhipova I., Bāliņa S. Statistika ekonomikā. Risinājumi ar SPSS un Microsoft Excel. Rīga: Datorzinību centrs, 2003. 352 lpp.
3. Levine D. M., Ramsey P.P., Smitd R.K. Applied statistics for Engineers and Scientists: Using Microsoft Excel and MINITAB. Upper Saddle River, New Jersey: Prentice Hall, 2001. 671 p.
1. Johnson R.A., Wichern D.W. Applied Multivariate Statistical Analysis. 6th ed. Upper Saddle River: Pearson Education, Inc., 2007. 773 p.
2. Zar J.H. Biostatistical Analysis. 4th edition. Upper Saddle River: Prentice Hall, 1999. 1996. 663 p.
3. Everitt B.S., Der A. A handbook of statistical analysis using SAS. London: Chapman & Hall, 1996. 157 p.
1. Biometrics. Journal of the International Biometric Society. ISSN 1541-0420.
2. Nature. Pieejams: https://www.nature.com/
3. European Journal of Forest Research. Pieejams: https://www.springer.com/journal/10342/
Akadēmiskā maģistra studiju programma "Mežzinātne" studentiem