Versions

I. COURSE DESCRIPTION
II. SUBJECT REQUIREMENTS
III. COURSE CURRICULUM
SUBJECT DATA
OBJECTIVES AND LEARNING OUTCOMES
TESTING AND ASSESSMENT OF LEARNING PERFORMANCE
THEMATIC UNITS AND FURTHER DETAILS
Course name
METHODOLOGICAL SKILL DEVELOPMENT I
Course code
BMEGT52M101
Course type
contact lessons
Kurzustípusok és óraszámok
Type
Lessons
Lecture
2
Practice
1
Laboratory
0
Type of assessment
mid-term grade
Number of credits
3
Course leader
Name
Dr. Geszten Dalma
Position
Assistant professor
Email adress
geszten.dalma@gtk.bme.hu
Organizational unit for the subject

Department of Ergonomics and Psychology

Subject website
Language of teaching
magyar - HU
Curriculum role of the subject, recommended semester
Pre-requisites
strong
None
weak
None
paralell
None
exclusive
None
A tantárgyleírás érvényessége
Approved by the Faculty Board of Faculty of Economic and Social Sciences, Decree No: 580672/5/2023 registration number. Valid from: 25.10.2023.

Objectives

The aim of the course is to develop skills on the basis of which students will be able to independently solve psychological measurement, scaling and hypothesis testing tasks, as well as exploratory data analysis during their independent research activities, primarily in connection with individual research projects and thesis preparation.

Learning outcomes

Knowledge
  1. Comprehensive knowledge of the main concepts used in univariate statistics, statistical tests and their interrelationships.
  2. Knowledge of univariate methods and statistical tests for data analysis and their theoretical background.
  3. Knowledge of the purpose, conditions, methods and scientific presentation of univariate statistical tests.
Ability
  1. Is able to formulate his / her research questions and accordingly to determine the statistical tests necessary to justify the research questions.
  2. Able to apply relevant statistical tests, examine prerequisites, interpret statistical results.
Attitude
  1. Open to expanding knowledge related to methodological and statistical knowledge.
  2. Open and motivated to apply the acquired knowledge.
  3. Collaborates with the instructor and fellow students to expand knowledge.
  4. Open to the use of information technology tools.
Autonomy and responsibility
  1. Expect and utilize new knowledge.
  2. Actively participates in the process of acquiring knowledge.
  3. Solves individual and group tasks responsibly and independently.
  4. Collaborates with fellow students during group work.

Methodology of teaching

Lectures, written and oral communication, use of IT tools and techniques, independent work.

Materials supporting learning

  • Takács Szabolcs (2016). Bevezetés a matematikai statisztikába: Elmélet és gyakorlat. Budapest, Antarész Kiadó.
  • Vargha András (2015). Matematikai statisztika. Budapest, Pólya Kiadó.
  • Ketskeméty László, Izsó Lajos (2005): Bevezetés az SPSS programrendszerbe. Budapest, ELTE Eötvös Kiadó.

General Rules

A 2.2. pontban megfogalmazott tanulási eredmények értékelése évközi teljesítménymérés alapján történik.

Performance evaluation methods

A. Szorgalmi időszakban végzett teljesítményértékelések részletes leírása: 1. Részteljesítmény értékelés (házi feladatok): a félév során tanult statisztikai próbák gyakorlati alkalmazásának ellenőrzése, melynek megjelenési formája az egyénileg készített statisztikai elemzés és ennek pontos dokumentációja, a próbaválasztás, a beállítások indoklásával, az eredmények magyarázatával; a házi feladatok tartalmát, követelményeit, beadási határidejét értékelési módját az oktató határozza meg. 2. Összegző tanulmányi teljesítményértékelés: a félév során elsajátított tananyag írásbeli számonkérése zárthelyi formájában a szorgalmi időszakban.

Proportion of performance evaluations performed during the diligence period in the rating

  • Részteljesítmény értékelés (házi feladat): 50
  • Összegző tanulmányi teljesítményértékelés: 50

Proportion of examination elements in the rating

  • :

Grading

%
Excellent 100-100
Very good 85–100
Good 70–84
Satisfactory 60–69
Pass 50–59
Fail < 50

Correction and retake

1. A házi feladat – szabályzatban meghatározott díj megfizetése mellett – késedelmesen a pótlási időszak utolsó napján elektronikus formában 23:59-ig küldhető meg. 2. Az összegző tanulmányi teljesítményértékelés a pótlási időszakban díjmentesen pótolható vagy javítható. Javítás esetén a korábbi és az új eredmény közül az utóbbit vesszük figyelembe.

Study work required to complete the course

Work type Amount of work hours
participation in contact classes 42
Homework preparation 24
Preparation for tests 24
összesen 90

Approval and validity of subject requirements

Consulted with the Faculty Student Representative Committee, approved by the Vice Dean for Education, valid from: 09.10.2023.

Topics discussed during the semester

A 2.2. pontban megfogalmazott tanulási eredmények eléréséhez a tantárgy a következő tematikai blokkokból áll. Az egyes félévekben meghirdetett kurzusok sillabuszaiban e témaelemeket ütemezzük a naptári és egyéb adottságok szerint.

Topics of lectures
1. A statisztikai módszerek általános áttekintése, Módszerek közötti összefüggések, kapcsolatok és különbségek.Leíró statisztika, normalitásvizsgálat, egymintás t-próba és nemparaméteres változatai.Csoportok összehasonlítása: Kétmintás t-próba, Welch-féle d próba, Mann-Whitney próba.Csoportok összehasonlítása: Varianciaanalízis, Kruskal-Wallis próba, Ismételt-mintás mérések.Korreláció (Spearman és Kendall), Regresszió.Kvalitatív változók kapcsolata, Khí-négyzet próba.Átjárhatóság a módszerek között. Továbblépési irányok, többváltozós módszerek bemutatása. Kitekintés a kvalitatív adatfeldolgozás felé.

Lecturers participating in teaching

Name Rank Contact
Dr. Geszten Dalma Egyetemi adjunktus geszten.dalma@gtk.bme.hu
Krén Heléna Ph.D hallgató kren.helena@edu.bme.hu
Halmos Alexandra Anna Ph.D hallgató halmos.alexandra@gtk.bme.hu

Approval and validity of subject requirements