I. SUBJECT DESCRIPTION
II. SUBJECT REQUIREMENTS
III. COURSE CURRICULUM
SUBJECT DATA
OBJECTIVES AND LEARNING OUTCOMES
TESTING AND ASSESSMENT OF LEARNING PERFORMANCE
THEMATIC UNITS AND FURTHER DETAILS
Subject name
PEDAGOGICAL MEASURES AND ANALYSES
ID (subject code)
BMEGT51S574
Type of subject
contact hour
Course types and lessons
Type
Lessons
Lecture
10
Practice
15
Laboratory
0
Type of assessment
exam
Number of credits
12
Subject Coordinator
Name
Dr. Kata János
Position
academic rank: teacher
Contact details
kata.janos@gtk.bme.hu
Educational organisational unit for the subject
Department of Technical Education
Subject website
Language of the subject
magyar- HU
Curricular role of the subject, recommended number of terms

Programme: Measurement-assessment specialist teacher from 2021/22/Term 2

Subject Role: Compulsory

Recommended semester: 4

Direct prerequisites
Strong
None
Weak
None
Parallel
None
Exclusion
None
Validity of the Subject Description
Approved by the Faculty Board of Faculty of Economic and Social Sciences, Decree No: 581046/15/2021. Valid from: 24.11.2021.

Objectives

The objective of the subject is to introduce the student to the modern methods of statistical data analysis and their application in pedagogical analyses. The transfer of a system of tools that will give the student the opportunity to analyse the thesis in the short term in accordance with the objectives of the training, and to carry out independent research later on.

Academic results

Knowledge
Skills
  1. 1. Képes a pedagógiai problémafelismerésre.
  2. 2. Képes meghatározni az adatfeldolgozásra felhasználható statisztikai eljárások körét, figyelembe venni azok előnyeit és hátrányait.
  3. 3. Képes az összetett statisztikai eljárások végrehajtására számítógép segítségével.
  4. 4. Képes az elemzés eredményeinek statisztikai, matematikai és pedagógiai értelmezésére. ezek alapján fejlesztési javaslatok megfogalmazására.
Attitude
Independence and responsibility

Teaching methodology

Transfer of theoretical knowledge in lectures, practice and master learned technical (software management) and data discovery, data preparation and data analysis methods through practice and independent work at home. Processing of the evaluation of the results in group work, analysis of case studies.

Materials supporting learning

  • 1. Kata János: Statisztikai módszerek a pedagógus munkájában (tanszéki jegyzet, forrása: moodle-tanlap)
  • 2. Varga Lajos: Kutatásmódszertan (Közoktatásvezetői szak jegyzete, Budapest, 2006.)
  • 3. Ketskeméty László-Izsó Lajos-Könyves Tóth Előd: Bevezetés az SPSS Statistics programrendszerbe, Artéria Stúdió Kft, Budapest, 2011

General Rules

A 2.2. pontban megfogalmazott tanulási eredmények értékelése a félév során megírt három házi feladat, illetve az elméleti tananyag elsajátításának ellenőrzésére irányuló szóbeli vizsga eredménye alapján történik.

Performance assessment methods

A. Szorgalmi időszakban végzett teljesítményértékelések részletes leírása: 1. Részteljesítmény-értékelés (házi feladatok): a tantárgyi tudás, az önállóság és felelősség típusú kompetenciaelemeinek értékelése. B. Vizsgaidőszakban végzett teljesítményértékelés (vizsga) 1. van

Percentage of performance assessments, conducted during the study period, within the rating

Percentage of exam elements within the rating

  • 1. részteljesítmény értékelés (1. házi feladat): 16
  • 2. részteljesítmény értékelés (2. házi feladat): 17
  • 3. részteljesítmény értékelés (3. házi feladat): 17
  • szóbeli vizsga: 50

Conditions for obtaining a signature, validity of the signature

A Kari Hallgatói Képviselet véleményezése után jóváhagyta dr. Lógó Emma oktatási dékánhelyettes -én, érvényes -től.

Issuing grades

%
Excellent 100-100
Very good 87- 100
Good 75- 87
Satisfactory 62- 75
Pass 50- 62
Fail 0-50

Retake and late completion

1) A házi feladat és a vizsga a mindenkori Tanulmányi és Vizsgaszabályzat előírásai szerint, a Térítési és Juttatási Szabályzatban előírt díjak megfizetése mellett pótolható.

Coursework required for the completion of the subject

Nature of work Number of sessions per term
részvétel a kontakt tanórákon 25
házi feladatra felkészülés 60
tanórákra való felkészülés 60
számítógépes gyakorlás 100
vizsgafelkészülés 50
egyéb felkészülés 65

Approval and validity of subject requirements

Consulted with the Faculty Student Representative Committee, approved by the Vice Dean for Education, valid from: 08.11.2021.

Topics covered during the term

A 2.2. pontban megfogalmazott tanulási eredmények eléréséhez a tantárgy a képzés adottságaihoz igazítva a négy konzultációs időpontnak megfelelő tematikai blokkokból áll. Ezek hossza a hallgatók összetételétől és az általuk javasolt problémák tárgyalásának jellegétől függően az egyes félévek során változhat.

Lecture topics
1. A gyakorlatok témái
2. A faktoranalízis elvégzése SPSS-ben. A program futtatása különböző szoftverbeállítások esetén. Az eredmények matematikai és pedagógiai értelmezése.
3. A klaszterelemzés elvégzése SPSS-ben. A program futtatása különböző szoftverbeállítások esetén. Az eredmények matematikai és pedagógiai értelmezése.
4. A többdimenziós skálázás elvégzése SPSS-ben. A program futtatása különböző szoftverbeállítások esetén. Az eredmények matematikai és pedagógiai értelmezése.
5. További eljárások elvégzése SPSS-ben. Az eredmények matematikai és pedagógiai értelmezése.
6. További eljárások elvégzése SPSS-ben. Az eredmények matematikai és pedagógiai értelmezése.

Additional lecturers

Name Position Contact details
-

Approval and validity of subject requirements