Kursa nosaukums | Informāciju tehnoloģijas |
Kursa kods | DatZ5002 |
Zinātnes nozare | Datorzinātne un informātika |
Kredītpunkti (ECTS) | 3 |
Kopējais stundu skaits kursā | 81 |
Lekciju stundu skaits | 12 |
Semināru un praktisko darbu stundu skaits | 12 |
Studenta patstāvīgā darba stundu skaits | 57 |
Atbildīgā struktūrvienība | Pārtikas institūts |
Priekšzināšanas Kursam priekšzināšanas nav nepieciešamas |
|
Kursa anotācija | |
Studiju kursa mērķis: pilnveidot studentu izpratni par daudzveidīgajām informācijas tehnoloģiju izmantošanas iespējām profesionālajā darbībā un studijās, to izmantošanas priekšrocībām un trūkumiem, kā arī apgūt IT praktisku izmantošanu.
Kursa uzdevumi: 1) apgūt darbam un studijām nepieciešamo dokumentu un prezentāciju sagatavošanas prasmes un prezentēšanas prasmes; 2) apgūt prasmes profesionālajai darbībai un studijām izmantot noderīgu aprīkojumu un programmatūru, piem., digitālajiem mācību materiāliem, anketēšanas rīkiem, publiskās uzstāšanos nodrošinošo aprīkojumu; 3) apgūt kļūdu aprēķinu, datu apstrādes un datu vizualizēšanas metodes. |
|
Kursa rezultāti un to vērtēšana | |
Zināšanas:
1)zina profesionālajai darbībai un studijām noderīgus datu un informācijas vākšanas un apstrādes digitālos rīkus un to izmantošanas iespējas; 2)izprot digitālo rīku izmantošanas iespējas profesionālajā komunikācijā un sadarbībā. Prasmes: 1)vāc profesionālajai darbībai un studijām noderīgu informāciju elektroniskajās datu bāzēs; 2)izmanto digitālos rīkus profesionālajā darbībā un studijās nepieciešamo dokumentu (prakses atskaites vai studiju noslēguma darba) izstrādei; prezentāciju sagatavošanai un to prezentēšanā; 3)veic datu statistisko apstrādi un iegūto rezultātu grafisko attēlošanu. Kompetence: 1)izvēlas piemērotus digitālos rīkus un tos izmanto profesionālās darbības un studiju uzdevumu izpildei. |
|
Kursa saturs(kalendārs) | |
Lekcijas
1. IT kompetence un profesionālā darbība. L2 2. Eksperimentālo mērījumu kļūdas un to aprēķini. L2 Praktiskie darbi Darbs ar datu bāzēm noderīgas informācijas vākšanai. P4 Digitālo iespēju izmantošana noslēguma darbu sagatavošanā. P4 Digitālo iespēju izmantošana prezentāciju sagatavošanā un prezentēšanā. P4 Darbs ar profesionālajai darbībai un studijām noderīgu digitālo aparatūru un programmatūru. P6 Eksperimentālo mērījumu kļūdas un to aprēķini. P4 Empīrisko pētījumu datu apstrāde un to vizualizēšana. P6 L – lekcijas, P – praktiskie darbi |
|
Prasības kredītpunktu iegūšanai | |
Studiju kursa gala vērtējums veido, starppārbaudījumu (patstāvīgo darbu) un eksāmena vērtējums. Studenti patstāvīgos darbus iesniedz līdz nodarbību plānā norādītajiem datumiem. Eksāmenu studenti kārto tikai tad, ja ir nokārtoti visi starppārbaudījumi. Studentiem obligāti jāveic praktiskie darbi, patstāvīgie darbi un eksāmena darbs. Nodarbību kavējuma gadījumā praktiskos darbus studenti veic patstāvīgi un to izpildi pārrunā ar docētāju konsultāciju laikā. | |
Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums | |
Studentu patstāvīgais darbs tiek organizēts individuāli, uzdodot šādus uzdevumus:
1)izstrādāt patstāvīgos darbus, praktiskajiem darbiem un gala pārbaudījumam; 2)studēt ar kursa tēmām saistītu literatūru. |
|
Studiju rezultātu vērtēšanas kritēriji | |
1.Starppārbaudījumi:
1)Darbs ar datu bāzēm, vietņu anotāciju apkopojuma izveide – 10 %; 2)Akadēmiskās prezentācijas izstrāde un prezentēšana – 10 %; 3)Noslēguma darba noformēšana – 30 %; 4)Datu statistiskā apstrāde un sakarību vizualizācija – 20%. 2.Noslēguma pārbaudījums: Eksāmens - ar profesionālo darbību vai studijām saistīta, studenta paša izvēlēta uzdevuma prezentēšana, kas apliecina kursā apgūtās zināšanas, prasmes un kompetences – 30%. |
|
Obligātā literatūra | |
1.Information design: research and practice/ edited by Black. London; New York: Routledge, Taylor & Francis Group, 2017, 750 lpp.
2.Karnītis, E. Informācijas sabiedrība – Latvijas iespējas un uzdrošināšanās. Rīga: Pētergailis, 208 lpp. 3.Logins, J. Informācijas tehnoloģija. E-studiju kurss LU Moodle vidē. Studiju materiāli. 2021. |
|
Papildliteratūra | |
1.Data science & big data analytics: discovering, analyzing, visualizing and presenting data/ EMC Education Services. Indianapolis, In: John Wiley and Sons, 2014., 410 p.
2.Dorner, D. G. Information needs analysis: principles and practice in information organizations. London: Facet Publishing, 2015., 269 p. 3.Pierson, L. Data science for dummies/ by Lillian Pierson; foreword by Jake Porway, Founder and Executive Director of DataKind. Hoboken, New Jersey: For Dummies, a Wiley Brand, 2015., 384 lpp. 4.Trochim, W. M. Research methods: the essential knowledge base. 2nd edition. Boston, MA: Cengage Learning, 2016., 422 p. 5.Ware, C. Information visualization: perception for design / Colin Ware. Fourth edition. Philadelphia: Elsevier, Inc, 2020., 538 p. |
|
Periodika un citi informācijas avoti | |
1.E-learning and Education (eleed) Journal.
Pieejams tiešsaistē:http://eleed.campussource.de/ |
|
Piezīmes | |
Kopīgās akadēmiskās maģistra studiju programmas “Uzturzinātne” studējošajiem 1. semestrī |