RA0252 Ievads pētniecībā un datu zinātnē

Kods RA0252
Nosaukums Ievads pētniecībā un datu zinātnē
Statuss Obligātais/Ierobežotās izvēles
Līmenis un tips Pamatstudiju, Profesionālais
Tematiskā joma Datormācība
Struktūrvienība Rēzeknes akadēmija
Mācībspēks Pēteris Grabusts
Kredītpunkti 3.0
Daļas 1
Anotācija Veicināt studentu zinātnisko interešu attīstību informācijas tehnoloģiju jomā un spēju formulēt individuālus pētnieciskos jautājumus, kā arī nodrošināt pamatzināšanas IT pētniecības darba organizācijā un datu analīzes metodēs. Kurss kalpo kā pamats turpmākai padziļinātai informācijas un komunikāciju tehnoloģiju nozares pētniecības specifikas un metodoloģijas apguvei izvēlētajā studiju programmā..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
1. Zinātne un pētniecības darbs. Pētnieka loma: kā saglabāt objektivitāti? Iesaistīšanās un distancēšanās (vērtēt vai analizēt?). Kā izzināt savas pētniecības intereses un izvēlēties tām piemērotu pētījuma tēmu? Kā formulēt pētījuma jautājumus (galveno, sekundāros, skaidrojošos)? 2 4 0 0
2. Indivīds, sabiedrība, zinātne. Problēmu diagnosticēšana un pētījuma ideju ģenerēšana. Savu pētījuma jautājumu formulēšana, atsēgvārdu noteikšana (praktisks darbs). 2 2 0 0
3. Kvantitatīvās un kvalitatīvās pētniecības metodes. Datu ieguves metodes un datu analīzes metodes. Kvalitatīvo datu (interviju, fokusgrupu diskusiju u.c.) transkribēšana, datorprogrammu izmantošana. Datu klasificēšana, kodu un kategoriju (tematu) noteikšana. Datu analīze, secinājumu veidošana. 4 4 0 0
4. Informācijpratība un datpratība zinātnē. Zinātniskās informācijas meklēšana un analīze. Zinātniskās datubāzes. 2 4 0 0
5. Zinātniskās pētniecības tiesiskie un ētiskie aspekti. Plaģiāts. Autortiesības un intelektuālā īpašuma aizsardzība. Citēšana, bibliogrāfisko norāžu un atsauču veidošana. 2 4 0 0
6. Pētījumu rezultātu izplatīšana. Prezentāciju sagatavošana un uzstāšanās, stenda referāts, zinātniskais konkurss (ResearchSlam). Zinātnes komunikācija. 2 2 0 0
7. Individuālā veikuma (pētījuma dizaina jeb plāna) prezentēšana. 2 4 0 0
8. Datu analīzes metodes: 4 8 0 0
- Klasiskā datu analīze, Intelektuālās datu analīzes metodes 0 0 0 0
- Datu vizualizācijas metodes 0 0 0 0
9. Korelācija 4 6 0 0
10. Kolmogorova – Smirnova kritērijs 2 4 0 0
11.Klasterizācija 4 4 0 0
12.Digitālie rīki pētniecībā: ChatGPT un mākslīgā intelekta iespējas datu zinātnē 2 3 0 0
Kopā: 32 49 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs 		Studiju kursa mērķis: apzināt pētnieciskā darba procesa pamatus, sākot ar pētnieka lomas identifikāciju un noslēdzot ar pirmā studiju darba struktūras plānošanu, veidojot izpratni par pētniecības nozīmi informācijas un komunikāciju tehnoloģiju jomā. Studiju kursa uzdevumi: 1. Attīstīt spēju darboties ar kompleksu situāciju modeļiem un paredzēt to ietekmi. 2. Veicināt spēju precizēt pieņēmumus, balstoties uz datiem un analīzi. 3. Pilnveidot prasmi izvērtēt datos novēroto vai piedāvāto modeļu un likumsakarību nozīmi. 4. Attīstīt prasmi vispārināt iegūtos secinājumus un izvirzīt jaunas pētniecības problēmas. 5. Veicināt spēju rast radošus risinājumus tehnoloģisko procesu attīstībai, izmantojot zinātnisko pētījumu rezultātus. 6. Pilnveidot prasmi formulēt un strukturēt studiju darba uzbūvi informācijas un komunikāciju tehnoloģiju jomā.
Sasniedzamie studiju
rezultāti un to vērtēšana 		Ir motivēts nodarboties ar zinātni, pieņemt dalību viedo un ķiberfizikālo sistēmu realizācijā, apliecina gatavību pilnveidot savas kompetences un zināšanas. - Dalība semināros un kolokvijos, eksāmens.
Zina fundamentālās zinātnes jēdzienus, teorijas, pētniecības metodes, nozares tehnoloģiju izpētes izmantošanas iespējas, pētījumu metodoloģijas principus, datu apkopošanas un analīzes metodes. - Dalība semināros un kolokvijos, eksāmens.
Spēj izmantot mūsdienu populārākās datu analīzes metodes. - Ieskaites uzdevumu izpilde, eksāmens.
Studiju rezultātu vērtēšanas kritēriji
Semināra, kolokvija, prezentācijas vērtējums - 25%
Praktisko datu analīzes uzdevumu vērtējums - 25%
Eksāmena vērtējums - 50%
 
Priekšzināšanas -
Studiju kursa plānojums
Daļa KP Stundas Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 3.0 16.0 16.0 0.0 *
Pieteikties uz šo kursu
[Kursa apraksts PDF formātā]