IV0745 Mūsdienu pētījumu metodes

Kods IV0745
Nosaukums Mūsdienu pētījumu metodes
Statuss Obligātais/Ierobežotās izvēles
Līmenis un tips Augstākā līmeņa, Akadēmiskais
Tematiskā joma Sociālās zinātnes
Struktūrvienība Inženierekonomikas un vadības fakultāte
Mācībspēks Karine Oganisjana, Inga Jēkabsone
Kredītpunkti 6.0
Daļas 1
Anotācija Studiju kursā tiek analizētas pētījumu metodes sociālajās zinātnēs, sniedzot studentiem iespēju iegūt zināšanas par kvantitatīvajām, kvalitatīvajām un jauktajām pētījumu pieejām, kā arī par pētījumu metodoloģiju. Studiju kursā studenti izstrādā un īsteno pētnieciskus projektus, lai risinātu aktuālas problēmas savas specializācijas jomā, izmantojot mūsdienu tehnoloģiskās pieejas. Studiju kurss arī paplašina studentu izpratni par galvenajiem ontoloģiskajiem, epistemoloģiskajiem, metodoloģiskajiem un ētikas jautājumiem pētījumos, īpaši digitālās ēras un mākslīgā intelekta kontekstā..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Pētījumu ontoloģija, epistemoloģija, metodoloģija un metodes. Pētījumu paradigmas transformācija digitālajā laikmetā. Kultūras dimensijas un to ietekme uz datu izpratni un rezultātu interpretāciju. 6 8 2 10
Pētījuma metodoloģijas elementi – pētniecības ētika, pētījuma problēma, mērķis, jautājumi, uzdevumi, objekts, priekšmets, tēma, hipotēze. 8 18 4 21
Datu vākšanas metodes (aptauja, intervija (daļēji strukturēta), fokusa grupu diskusija, novērošana, netnogrāfija, digitālā etnogrāfija, gadījuma izpētes pētījumi, dienasgrāmatu pētījumi, sentimenta/teksta analīze). 6 16 4 21
Kvantitatīvo datu statistiskā analīze, izmantojot programmatūru Jamovi – Deskriptīvā analīze (vidējie rādītāji, mediānas, standartnovirze, min./maks., 95% ticamības intervāli), Korelācijas analīze (Pīrsona un Spīrmena), t-tests (grupu salīdzinājumi), Lineārā regresija (prognozēšanas modelis). 10 24 5 30
Kvalitatīvo datu kvalitatīvā kontentanalīze, izmantojot programmatūru Taguette kodošanai un KNIME automatizācijai un lielo datu teksta ieguvei (noskaņojuma analīze, vārdu biežuma noteikšana, tēmu modelēšana). 10 24 5 30
Pētījumu rezultātu triangulācija, interpretēšana, secinājumi un ieteikumi. Refleksija par iegūto pētniecisko pieredzi. 8 18 4 20
Kopā: 48 108 24 132
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs
Studiju kursa mērķis ir sagatavot studentus pētniecībai sociālajās zinātnēs, veicinot viņu pētnieciskās prasmes un kompetenci veikt pētījumus, kas integrē gan kvantitatīvās, gan kvalitatīvās metodes. Tas arī koncentrējas uz spēju kritiski izvērtēt un interpretēt pētījumu rezultātus, vienlaikus palielinot izpratni par ētiskajām apsvērumiem, kas saistīti ar pētniecības praksi. Studiju kursa uzdevumi: - sekmēt studentu izpratni par pārmaiņām pētījumu veikšanas paradigmā digitālajā un mākslīgā intelekta laikmetā; - veicināt studentu pētnieciskās domāšanas attīstību, tostarp holistisku, kritisku, loģisku, analītisku, radošu, induktīvu un deduktīvu domāšanu, kā arī uzlabot viņu izpratni par pētniecības metodoloģiju, tās galvenajiem elementiem un pētniecības ētiku; - nodrošināt studentus ar zināšanām par mūsdienīgām datu vākšanas, organizēšanas, vizualizēšanas un analīzes metodēm, kā arī apzināties šo metožu priekšrocības, ierobežojumus un piemērotību dažādiem pētniecības kontekstiem; - stiprināt studentu prasmes pētījumu projektu izstrādē un īstenošanā, analizējot gan kvantitatīvos, gan kvalitatīvos datus, izmantojot atbilstošu programmatūru, un triangulējot rezultātus, lai nodrošinātu to ticamību; - attīstīt studentu spēju interpretēt pētījuma rezultātus, sagatavot pētījumu pārskatu, efektīvi prezentēt galvenās atziņas un reflektēt par iegūto pētniecisko pieredzi.
Sasniedzamie studiju
rezultāti un to vērtēšana
Izprot pētījumu būtību un raksturīgos elementus sociālajās zinātnēs, kā arī pārmaiņas pētījumu veikšanas paradigmā digitālajā un mākslīgā intelekta laikmetā. Spēj interpretēt sabiedrībā notiekošos procesus, izmantojot Hofstedes kultūras dimensijas. - Individuālais darbs 1. Sociālo zinātņu pētījumu galvenie elementi Metode: Studenti analizē izvēlētos sociālo zinātņu pētījumu piemērus, identificējot mērķus, metodoloģiju un secinājumus. Kritēriji: Spēja atpazīt pētījuma būtiskos komponentus; skaidrība, izskaidrojot to nozīmi sabiedrisko procesu izpratnē. 2. Pētniecības paradigmu maiņa Metode: Studenti salīdzina tradicionālās pētniecības pieejas ar jaunajām pieejām digitālajā un mākslīgā intelekta laikmetā, izmantojot diskusiju vai īsu eseju. Kritēriji: Izpratne par paradigmu izmaiņām; spēja izskaidrot priekšrocības, ierobežojumus un ietekmi uz sociālajām zinātnēm. 3. Hofstede kultūras dimensiju pielietojums Metode: Studenti interpretē sabiedrisku vai organizatorisku gadījumu, izmantojot Hofstede kultūras dimensijas. Kritēriji: Precizitāte, pielietojot kultūras dimensijas; spēja sasaistīt kultūras dimensijas ar plašākiem sabiedriskajiem procesiem un sniegt pamatotu interpretāciju.
Izprot pētījumu metodoloģijas elementus un savstarpēju loģisko saistību starp šiem elementiem un spēj patstāvīgi izstrādāt pētījuma metodoloģiju. - Darbs triādēs vai pāros. 1. Pētījuma metodoloģijas izstrāde Metode: Studenti kopīgi izstrādā pētījuma metodoloģiju, balstoties uz doto vai izvēlēto pētījuma problēmu, precizējot mērķus, uzdevumus un piemērotas metodes. Kritēriji: Metodoloģijas izstrādes precizitāte; atbilstība pētniecības mērķiem un uzdevumiem; skaidrs izvēlēto metožu pamatojums konkrētajā pētniecības kontekstā. 2. Metodoloģijas elementu loģiskā savstarpējā saistība Metode: Studenti izveido shēmu, kas atspoguļo saiknes starp pētniecības problēmu, mērķiem, jautājumiem, objektu/priekšmetu, tēmu, metodēm un hipotēzēm. Kritēriji: Konsekvence un loģiskums elementu sasaistē; spēja parādīt loģisku atbilstību (pētījuma problēma ? mērķis, mērķis ? jautājumi vai uzdevumi, pētījuma objekts/priekšmets ? tēma, pētījuma mērķis ? metodes, pētījuma mērķis ? hipotēzes).
Izprot datu vākšanas, vizualizācijas un analīzes metodes un spēj izmantot tās, apzinoties to priekšrocības un trūkumus. - Pētnieciska spēle. 1. Mūsdienīgās pētniecības metodes Metode: Studenti pēta un klasificē dažādas pētniecības metodes, izmantojot interaktīvus uzdevumus spēlē. Kritēriji: Spēja patstāvīgi atpazīt metodes, izprast to atšķirības un pielietot tās dažādiem pētniecības mērķiem un kontekstiem. 2. Metožu sistematizācija Metode: Studenti grupē pētniecības metodes pēc (a) datu tipa (kvalitatīvās/kvantitatīvās), (b) funkcionalitātes (datu vākšanas, vizualizācijas vai analīzes metodes) un (c) pētniecības mērķa. Kritēriji: Loģiska un konsekventa grupēšana; skaidrība, sasaistot metodes ar pētniecības mērķiem un rezultātiem. 3. Priekšrocības un trūkumi Metode: Studenti salīdzina pētniecības metodes, izceļot to stiprās un vājās puses konkrētu pētījuma mērķu kontekstā. Kritēriji: Izpratne par metožu ierobežojumiem un priekšrocībām; spēja pamatot to metožu izvēli, kas vislabāk atbilst noteiktajiem mērķiem..
Spēj vākt, organizēt un analizēt kvantitatīvos datus, izmantojot programatūru Jamovi. - Darbs pāros. 1. Aprakstošā statistika Metode: Aprēķināt aprakstošās statistikas rādītājus Jamovi programmā izvēlētajam datu kopumam. Kritēriji: Aprēķinu precizitāte; spēja interpretēt un izskaidrot nozīmi pētījumā. 2. Korelācijas analīze Metode: Pielietot Pīrsona un Spīrmena korelāciju Jamovi vidē. Kritēriji: Pareiza izmantošana un interpretācija; izpratne par to, kad katra metode ir piemērota. 3. t-tests Metode: Veikt neatkarīgu izlases grupu t-testu Jamovi programmā. Kritēriji: Precīza izpilde un grupu atšķirību interpretācija. 4. Lineārā regresija Metode: Izveidot lineārās regresijas modeli Jamovi vidē. Kritēriji: Pareiza modeļa specifikācija; skaidra koeficientu un nozīmīguma interpretācija.
Spēj: 1) veikt tematiski strukturētu literatūras apskatu, grupējot pētījumus pa tēmām, lai identificētu likumsakarības un nepilnības; 2) veikt kvalitatīvo datu satura un tematisko analīzi, izmantojot Excel vai Taguette programmatūru. - Darbs triādēs vai pāros. 1. Tematiskā literatūras apskata sagatavošana Metode: Studenti sagatavo tematisku apskatu, grupējot pētījumus tēmās. Kritēriji: Spēja loģiski organizēt pētījumus, identificēt likumsakarības un izcelt pētījumu nepilnības. 2. Kvalitatīvā satura analīze Metode: Studenti kodē piedāvātos tekstus (izmantojot Excel vai Taguette), izstrādā kategorijas un apkopo rezultātus. Kritēriji: Kodēšanas precizitāte un konsekvence; skaidrība, izstrādājot kategorijas, kas atbild uz pētījuma jautājumu. 3. Rezultātu prezentācija Metode: Grupas prezentē savu literatūras apskatu un analīzes procesu. Kritēriji: Skaidrība, struktūra, vizuālo materiālu/tabulu izmantošana un spēja izskaidrot secinājumus. 4. Individuālā refleksija Metode: Katrs students iesniedz īsu refleksiju par savu mācīšanos. Kritēriji: Izpratnes dziļums, spēja sasaistīt metodes ar rezultātiem, kritiska pašvērtējuma veikšana.
Spēj patstāvīgi izstrādāt un īstenot pētniecisku projektu, sākot ar pētījuma problēmas formulēšanu, metodoloģijas izstrādi, kvantitatīvo un kvalitatīvo datu vākšanu un analīzi, un līdz atskaites uzrakstīšanai un atziņu prezentēšanai. - Pētniecisks projekts 1. Pētījuma metodoloģija Metode: Studenti izstrādā pētījuma metodoloģiju. Kritēriji: Skaidra, labi strukturēta, loģiski savstarpēji saistīta. 2. Pētījumu metodes Metode: Izvēlētas metodes, kas atbilst pētījuma jautājumiem jautājumiem. Kritēriji: Atbilstība un pamatotība. 3. Datu vākšana Metode: Kvantitatīvo un kvalitatīvo datu vākšanas metožu izvēle. Kritēriji: Optimāla izvēle, kas atbilst pētījuma specifikai. 4. Datu analīze Metode: Savākto kvantitatīvo un kvalitatīvo datu analīze un interpretācija. Kritēriji: Dziļums, skaidrība, pamatoti secinājumi, kas atbilst mērķiem. 5. Prezentācija Metode: Pētījuma ziņojuma sagatavošana un rezultātu prezentēšana. Kritēriji: Skaidra komunikācija un aktīva dalība diskusijā.
Studiju rezultātu vērtēšanas kritēriji
Individuālais darbs nodarbībā sociālo procesu interpretēšanai, izmantojot zināšanas par kultūras dimensijām - 5%
Darbs triādēs vai pāros pētījuma metodoloģijas izstrādei piedāvātas pētījuma problēmas risināšanai - 10%
Pētnieciska spēle – starpgrupu sacensība datu vākšanas, vizualizācijas un analīzes metožu un to priekšrocību un trūkumu sistematizēšanai un apspriešanai - 5%
Darbs pāros kvantitatīvo datu kopīgai analīzei un rezultātu interpretēšanai - 10%
Darbs triādēs vai pāros kvalitatīvo datu kopīgai analīzei un rezultātu interpretēšanai - 10%
Patstāvīgais darbs pētnieciskā projekta īstenošanai, pārskata uzrakstīšanai un atziņu prezentēšanai - 60%
 
Priekšzināšanas Zināšanas un prasme strādāt ar Microsoft Office™, ZOOM/MS Teams, Padlet, Google Forms, SurveyMonkey un ChatGPT.
Studiju kursa plānojums
Daļa KP Stundas Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 6.0 36.0 12.0 0.0 *

Kursa apgūšanas cena klausītājam Pilna laika studijas
Klātiene
Nepilna laika studijas
Klātiene
Nepilna laika studijas
Neklātiene
Pieteikties uz šo kursu

[Kursa apraksts PDF formātā]