Kursa kods MežZ6001

Kredītpunkti 2

Pētījumu metodoloģija

Zinātnes nozareMežzinātne (nav zn)

Kopējais stundu skaits kursā80

Lekciju stundu skaits24

Semināru un praktisko darbu stundu skaits8

Studenta patstāvīgā darba stundu skaits48

Kursa apstiprinājuma datums30.03.2021

Atbildīgā struktūrvienībaMežkopības katedra

Kursa izstrādātājs

author viesdoc.

Aigars Indriksons

Dr. silv.

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, maģistra darba satura strukturējumu, informācijas ievākšanu, matemātisko apstrādi, rezultātu interpretāciju un maģistra darba rakstīšanas un aizstāvēšanas nosacījumiem – rakstisks eksāmens. 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) – praktiskie darbi. Pēc studiju kursa apguves maģistranti ir kompetenti patstāvīgi veikt zinātnisko darbu un aizstāvēt to - seminārs: individuālo uzdevumu (maģistra darba esejas) izpildes analīze.

Kursa saturs(kalendārs)

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

Prasības kredītpunktu iegūšanai

Jābūt seminārā akceptēta individuālā uzdevuma izpildei, iesniegtai un ieskaitītai maģistra darba esejai. Sekmīgi nokārtotam rakstiskam eksāmenam.
Apmeklējums - vismaz 50% no lekcijām un praktiskajiem darbiem.

Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums

Individuālais uzdevums (maģistra darba eseja). Eseja satur pētījuma pamatinformāciju (temats, mērķis, darba hipotēze, pētnieciskie uzdevumi), maģistra darba saturu, saīsinātu līdzšinējās informācijas apskatu, darba metodikas izklāstu un iespējamos, prognozētos secinājumus. Esejas minimālais apjoms vismaz 20 lpp. Maģistra darba eseja iesniedzama elektroniskā (MS Word dokuments) un drukātā veidā, kā arī jāprezentē seminārā PowerPoint prezentācijas veidā.

Studiju rezultātu vērtēšanas kritēriji

Studiju kursa noslēguma vērtējums ir atkarīgs no eksāmenā iegūtā vērtējuma.

Maģistrants sekmīgu atzīmi par eksāmenu var iegūt, ja vismaz 50% no eksāmena jautājumu satura atbildēti pareizi un pilnīgi.
Patstāvīgo darbu (maģistra darba eseju) novērtē saskaņā ar patstāvīgā darba uzdevumā noteikto vērtēšanas kārtību.
Students pie eksāmena tiek pielaists pēc sekmīgas individuālā uzdevuma (maģistra darba esejas) aizstāvēšanas.

Obligātā literatūra

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.

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

Studiju kurss akadēmiskās izglītības maģistra studiju programmas “Mežzinātne” 2 semestrī obligātajā daļā.