Veidlapa Nr. M-3 (8)
Studiju kursa apraksts
Statistikas metodes psiholoģijas pētījumos
Kursa kods
SL_050
Zinātnes nozare
Matemātika
Kredītpunkti (ECTS)
3,00
Mērķauditorija
Psiholoģija
LKI
7. līmenis
Studiju veids un forma
Pilna laika
Studiju kursa īstenotājs
Kursa vadītājs
Diāna Kalniņa
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
Apgūt pamatzināšanas par analītiskās statistikas metodēm, attīstīt prasmes pielietot analītiskās statistikas metodes psiholoģijas pētījumā iegūto datu apstrādē un analīzē.
Priekšzināšanas
Bakalaura līmeņa pieredze pētniecībā, bakalaura līmenim atbilstošas zināšanas par statistiskas datu apstrādes metodēm.
Studiju rezultāti
Zināšanas
1.Studējošie lieto matemātiskās statistikas terminoloģiju; izskaidro atšķirības starp dažādām viendimensiju un daudzdimensiju statistikas metodēm; nosauc un raksturo viendimensiju un daudzdimensiju statistikas datu apstrādes metodes, kas jāpielieto dažādiem pētījuma dizainiem.
Prasmes
1.Studējošie tehniski pārvalda dažādu pētniecības statistisko metožu izpildi SPSS datorprogrammā – apstrādā pētījuma datus; analizē statistiskos rādītājus; atbilstoši izvirzītajai hipotēzei/ pētījuma jautājumam, korekti apraksta iegūtos rezultātus.
Kompetences
1.Studējošie spēj, izmantojot datortehnoloģijas, profesionāli risināt dažādus psiholoģijas pētījumā izvirzītos uzdevumus, pielieto noteiktam pētījuma dizainam atbilstošas datu apstrādes metodes; analizē un interpretē datu apstrādes rezultātus; formulē korektus secinājumus par pētījumā izvirzīto hipotēžu pierādīšanu vai noraidīšanu vai par pētījuma jautājumiem.
Vērtēšana
Patstāvīgais darbs
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Patstāvīgais darbs |
-
|
10 balles
|
|
Patstāvīgi lasīt norādītos literatūras avotus. Patstāvīgi veikt dotos uzdevumus datu apstrādē (studējošajiem doti nosacīta pētījuma sākotnējie dati ar noteiktiem pētījuma ietvaros uzdevumiem Excel dokumentā; studējošie pilda uzdevumus, sniedzot iegūto rezultātu korektu noformējumu un interpretāciju; darbs iesniedzams elektroniskā formā). |
||
Pārbaudījums
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Pārbaudījums |
-
|
10 balles
|
|
(1) Izpildīti mājas darbi par datu apstrādi. 1. Ģenerālā kopa un izlase. 2. Dispersiju analīze. 3. Regresiju analīze. 4. Komponentu analīze. Faktoranalīze. (2) Eksāmena darbs – patstāvīgs individuāla uzdevuma risinājums SPSS programmā. Gala vērtējums. - Studentiem, kuri ir iesnieguši VISUS mājas darbus (četrus) un katrs no tiem ir ieguvis vērtējumu vismaz 4 balles, gala vērtējumu kursā veido mājas darbu vērtējumu vidējais aritmētiskais rādītājs. - Studentiem, kuri nav iesnieguši VISUS mājas darbus vai kāds no mājasdarbiem ir ieguvis vērtējumu mazāku nekā 4 balles, ir jākārto rakstisks eksāmens. Šajā gadījumā gala vērtējumu veido 2 komponentes: mājasdarbu vērtējumu vidējais aritmētiskais rādītājs un eksāmena atzīme (proporcijās 50 : 50). |
||
Studiju kursa tēmu plāns
PILNA LAIKA
1. daļa
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Cits
|
2
|
Tēmas
|
Pētījums psiholoģijā. Kvantitatīvs un kvalitatīvs pētījums. Ģenerālā kopa un izlase. Pētījumā pielietojamo statistisko metožu klasifikācija un to pielietošanas shēmas. Datu mērījumu skalas un aprakstošā statistika. Slēdzienstatistika.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Cits
|
2
|
Tēmas
|
Viendimensiju statistika – SPSS izmantošana datu apstrādē un analīzē, rezultātu noformēšana.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Dispersijas analīze (ANOVA, MANOVA, MANCOVA, jaukta dizaina MANOVA).
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Regresijas analīze: standarta, secīgā, soļu metode.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Regresijas analīze – IBM SPSS izmantošana datu apstrādē un analīzē, rezultātu noformēšana.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Ieskats mediācijas un moderācijas analīzē.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Cits
|
2
|
Tēmas
|
Komponentanalīze un faktoranalīze. Apstiprinošā un izpētošā faktoranalīze.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Cits
|
2
|
Tēmas
|
Faktoru izdalīšanas metodes. Faktoru rotācijas metodes.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Dispersijas analīze – SPSS izmantošana datu apstrādē un analīzē, rezultātu noformēšana.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Cits
|
2
|
Tēmas
|
Faktoranalīze – IBM SPSS izmantošana datu apstrādē un analīzē, rezultātu noformēšana.
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Datorklase
|
2
|
Tēmas
|
Testa pantu analīze.
|
-
Nodarbība/Seminārs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Cits
|
2
|
Tēmas
|
Testa pantu analīze – SPSS izmantošana datu apstrādē un analīzē, rezultātu noformēšana.
|
Kopā kredītpunkti (ECTS):
3,00
Kontaktstundas:
24 ak. st.
Gala pārbaudījums:
Eksāmens (Rakstisks)
Bibliogrāfija
Obligātā literatūra
1.
Pētniecība: teorija un prakse (2016). K. Mārtinsones, A. Piperes, D. Kamerādes redakcijā. Rīga: RAKA
2.
Field, A. (2024). Discovering Statistics Using IBM SPSS Statistics. 6th ed. SAGE
3.
Raščevska M. (2005). Psiholoģisko testu un aptauju konstruēšana un adaptācija. Rīga: Raka. (akceptējams izdevums)
4.
Leech, N.L., Barrett, K.C., & Morgan, G.A. (2015). IBM SPSS for intermediate statistics. 5th ed. New York: London: Lawrence Erlbaum Associates. (akceptējams izdevums)
Papildu literatūra
1.
Ievads pētniecībā: stratēģijas, dizaini, metodes. (2011). Sastādījusi K. Mārtinsone. Rīga: RAKA.
2.
Moore D. S. (2007). The basic practice of statistics. New York: W. H. Freeman & Company.
3.
Raščevska M., Kristapsone S. (2000). Statistika psiholoģijas pētījumos. Rīga: Izglītības soļi.
4.
Наследов А. Д. (2006). Математические методы психологического исследования. Анализ и интерпретация данных. СПб.: Речь.
5.
Сидоренко Е. (2010). Методы математической обработки в психологии. СПб.: Речь.
6.
Arhipova, I. Bāliņa, S. (2006). Statistika ekonomikā. Risinājumi ar SPSS un Microsoft Excel. Mācību līdzeklis 2. izdevums. Rīga: Datorzinību Centrs, - 364 lpp.
7.
Krastiņš O. (2003) Ekonometrija. Rīga: LR CSP.
8.
Krastiņš O., Ciemiņa I. (2003). Statistika. Rīga: LR CSP.
9.
Lasmanis, A., Kangro, I. (2004). Faktoru analīze. Rīga: Izglītības soļi.
Citi informācijas avoti
1.
British Journal of Mathematical and Statistical Psychology.
2.
Choosing the Correct Statistical Test in SAS, STATA and SPSS.
3.
How to choose a statistical test.
4.
Selecting statistics.
5.
Statistics tutorials.
6.
Metodiskie norādījumi maģistra darbu izstrādei RSU veselības psiholoģijas un supervīzjas studiju programmām. / K. Mārtinsone, V. Perepjolkina, J. Ļevina, J. Ļubenko, J. Koļesņikova, K. Vende, D. Kamerāde, J. I. Mihailovs, S. Silniece, J. Duhovska; V.
7.
Laerd Statistics: SPSS Statistics Tutorials and Statistical Guides