Veidlapa Nr. M-3 (8)

Kursa apraksta statuss: Apstiprināts

Kursa apraksta versija: 25/26.R.1.00

Kursa apraksta periods : 2025./26. akadēmiskā gada rudens semestris

Kursa apraksta apstiprināšanas datums: -

Studiju kursa apraksts

Pētījumu datu apstrāde

Studiju kursa pamatinformācija

Kursa kods
SL_023
Zinātnes nozare
Psiholoģija; Vispārīgā psiholoģija
Kredītpunkti (ECTS)
3,00
Mērķauditorija
Psiholoģija
LKI
6. līmenis
Studiju veids un forma
Pilna laika; Nepilna laika

Studiju kursa īstenotājs

Kursa vadītājs
Silva Seņkāne
Struktūrvienības vadītājs
Andrejs Ivanovs
Struktūrvienība
Statistikas mācību laboratorija
Kontaktinformācija

Baložu iela 14, A korpuss, Rīga, +371 67060897, statistika@rsu.lv, www.rsu.lv/statlab

Par studiju kursu

Mērķis

Attīstīt zināšanas, prasmes un kompetenci pētījumu datu matemātiskajā apstrādē, lai izmantotu statistiskās datu apstrādes metodes psiholoģiskajos pētījumos.

Priekšzināšanas

Apgūts studiju kurss “Statistiskās datu apstrādes metodes”.

Studiju rezultāti

Zināšanas

1.Studējošais nosauc un raksturo datu analīzes pamatprincipus programmās IBM SPSS un MS Excel.

Prasmes

1.Studējošais ievada datus apstrādei; patstāvīgi apstrādā datus un analizē statistiskos rādītājus.

Kompetences

1.Studējošais pieņem pareizu lēmumu par piemērotu datu apstrādes metožu lietošanu attiecīgā situācijā, pareizi interpretē svarīgākos statistiskos rādītājus psiholoģijas specialitātē, kā arī apraksta un prezentē pētījumu MS Office programmās MS Word un MS PowerPoint.

Vērtēšana

Patstāvīgais darbs

Virsraksts
% no gala vērtējuma
Vērtējums
1.

Patstāvīgais darbs
-
-
Patstāvīgi nostiprināt lekciju materiālu, sistemātiski lasot literatūru; patstāvīgais darbs, kas saistīts ar psiholoģijas specialitātes datu apstrādi, interpretēšanu un prezentēšanu (sava bakalaura darba datu apstrāde, interpretēšana un prezentēšana).

Pārbaudījums

Virsraksts
% no gala vērtējuma
Vērtējums
1.

Pārbaudījums
-
-
Patstāvīgais darbs, kas saistīts ar psiholoģijas specialitātes datu apstrādi, interpretēšanu un prezentēšanu (sava bakalaura darba datu apstrāde, interpretēšana un prezentēšana). Prasības: 1) Korekti sagatavota datu bāze IBM SPSS programmā savā bakalaura darbā. 2) Korekti izvēlētas datu apstrādes metodes. 3) Dati korekti apstrādāti. 4) Datu apstrādes rezultāti korekti noformēti un aprakstīti. 5) Secinājumi tiek veikti pareizi. 6) Sagatavota un mutiski paveikta prezentācija par sava pētījuma rezultātiem, izmantojot PowerPoint programmu.

Studiju kursa tēmu plāns

PILNA LAIKA
1. daļa

  1. Lekcija

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Auditorija
2

Tēmas

Skalu, mērījumu un datu veidi. Mērīšanas pamatprincipi.

  1. Nodarbība/Seminārs

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Datorklase
2

Tēmas

Datu kodēšana, ievadīšana (MS Excel, IBM SPSS).

  1. Lekcija

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Auditorija
2

Tēmas

Aprakstošā statistika.

  1. Nodarbība/Seminārs

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Datorklase
2

Tēmas

Aprakstošā statiska – IBM SPSS.

  1. Lekcija

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Auditorija
2

Tēmas

Slēdzienstatistika.

  1. Nodarbība/Seminārs

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Datorklase
2

Tēmas

Slēdzienstatistika – IBM SPSS.

  1. Nodarbība/Seminārs

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Datorklase
2

Tēmas

Slēdzienstatistika – IBM SPSS.

  1. Lekcija

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Auditorija
2

Tēmas

Dati un to raksturojums psiholoģijas specialitātē, svarīgākās to apstrādē lietojamās metodes.

  1. Nodarbība/Seminārs

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Datorklase
2

Tēmas

Skalu psihometriskās īpašības (IBM SPSS).

  1. Nodarbība/Seminārs

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Datorklase
2

Tēmas

Skalu psihometriskās īpašības (IBM SPSS).

  1. Nodarbība/Seminārs

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Datorklase
2

Tēmas

Rezultātu lasīšana, aprakstīšana un interpretācija.

  1. Nodarbība/Seminārs

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Datorklase
2

Tēmas

Prezentācija par sava pētījuma rezultātiem.
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
24 ak. st.
Gala pārbaudījums:
Eksāmens (Rakstisks)
NEPILNA LAIKA
1. daļa

  1. Nodarbība/Seminārs

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Datorklase
2

Tēmas

Slēdzienstatistika – IBM SPSS.

  1. Nodarbība/Seminārs

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Datorklase
2

Tēmas

Slēdzienstatistika – IBM SPSS.

  1. Nodarbība/Seminārs

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Datorklase
2

Tēmas

Skalu psihometriskās īpašības (IBM SPSS).

  1. Nodarbība/Seminārs

Modalitāte
Norises vieta
Kontaktstundas
Klātiene
Datorklase
2

Tēmas

Skalu psihometriskās īpašības (IBM SPSS).
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
16 ak. st.
Gala pārbaudījums:
Eksāmens (Rakstisks)

Bibliogrāfija

Obligātā literatūra

1.

Metodiskie norādījumi kursa un bakalaura darbu izstrādei psiholoģijas studentiem

2.

Pētniecība: teorija un prakse. (2016). K. Mārtinsones, A.Piperes, D.Kamerādes red. Rīga: RAKA.

3.

Leech, N.L., Barrett, K.C., & Morgan, G.A. (2008). SPSS for intermediate statistics: Use and interpretation. 3rd Edition. New York: London: Lawrence Erlbaum Associates.

Papildu literatūra

1.

Krastiņš, O., Ciemiņa, I. (2003). Statistika. Rīga: LR CSP.

2.

Krastiņš, O. (2003) Ekonometrija. Rīga: LR CSP.

3.

Moore, D. S. (2003). The basic practice of statistics. New York: W. H. Freeman & Company.

4.

Наследов, А.Д. (2006). Математические методы психологического исследования. Анализ и интерпретация данных. СПб.: Речь.

Citi informācijas avoti

1.

Choosing the Correct Statistical Test in SAS, STATA and SPSS. Available from: http://www.ats.ucla.edu/stat/mult_pkg/whatstat/default.htm

2.

How to choose a statistical test. Available from: http://www.graphpad.com/www/book/choose.htm

3.

Selecting statistics. Available from: http://www.socialresearchmethods.net/selstat/ssstart.htm

4.

British Journal of Mathematical and Statistical Psychology. Available from: http://onlinelibrary.wiley.com/journal/10.1111/(ISSN)2044-8317