Versions

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
DEGREE THEISIS CONSULTATION II.
ID (subject code)
BMEGT51S229
Type of subject
contact hour
Course types and lessons
Type
Lessons
Lecture
0
Practice
5
Laboratory
0
Type of assessment
term grade
Number of credits
0
Subject Coordinator
Name
Dr. Kanczné dr. Nagy Katalin
Position
senior lecturer
Contact details
kanczne.nagy.katalin@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
Direct prerequisites
Strong
None
Weak
None
Parallel
None
Exclusion
None
Validity of the Subject Description

Objectives

Academic results

Knowledge
  1. Ismeri a tudományos kutatás főbb lépéseit
  2. Ismeri a kutatástechnikát támogató szoftverek kezelésének alapjait.
  3. Ismeri a kutatástechnika méréselméleti hátterét.
  4. Ismeri a magasabb szintű statisztikai módszereket
Skills
  1. Képes egy kutatási folyamat lépéseinek értelmezésére.
  2. Képes megfelelően kezelni statisztikai módszereket.
  3. Képes a kutatás során feltárt eredményeket értelmezni, következtetéseket levonni, eredményeket publikálni.
Attitude
  1. Együttműködik az ismeretek bővítése során az oktatóval és hallgató társaival,
  2. Csoportos feladatvégzés, tanulás és munkavégzés esetén irányítóként és végrehajtóként egyaránt határozott, konstruktív, együttműködő, kezdeményező.
  3. Nyitott és befogadó az oktatás és képzés új eredményei iránt.
Independence and responsibility
  1. Önállóan végzi a feladatok és problémák végiggondolását és adott források alapján történő megoldását,
  2. Nyitottan fogadja a megalapozott kritikai észrevételeket.
  3. Csoportmunkában a cél elérése érdekében autonóm módon, a csoport többi tagjával együttműködve (illetve esetenként azokat irányítva) mozgósítja elméleti és gyakorlati tudását, képességeit.

Teaching methodology

Materials supporting learning

  • Mitev Ariel, Sajtos László: SPSS kutatási és adatelemzési kézikönyv
  • Falus Iván, Ollé János: Statisztikai módszerek pedagógusok számára

General Rules

A 3.2. pontban megfogalmazott tanulási eredmények értékelése év során megírt három házi feladat eredménye alapján. Ezt módosíthatja az órákon tanúsított aktív részvétel.

Performance assessment methods

A. Szorgalmi időszakban végzett teljesítményértékelések részletes leírása: 1. Részteljesítmény-értékelés (házi feladatok): a tantárgy tudás, képesség, attitűd, valamint önállóság és felelősség típusú kompetenciaelemeinek értékelése. B. Vizsgaidőszakban végzett teljesítményértékelés 1. nincs

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

  • részteljesítmény értékelés (1. házi feladat): 33%
  • részteljesítmény értékelés (2. házi feladat): 33%
  • részteljesítmény értékelés (3. házi feladat): 34%
  • összesen: 100%

Percentage of exam elements within the rating

  • :

Issuing grades

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

Retake and late completion

1) A házi feladat 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
5
15
25
45

Approval and validity of subject requirements

Topics covered during the term

A 2.2. pontban megfogalmazott tanulási eredmények eléréséhez a tantárgy a következő tematikai blokkokból áll. A hallgatók összetételétől és az általuk javasolt problémák tárgyalásának jellegétől függően arányuk az egyes félévek során változhat. Az egyes félévekben meghirdetett kurzusok sillabuszaiban e témaelemeket ütemezzük a naptári és egyéb adottságok szerint.

Lecture topics
1. A kutatás célja, tartalma, környezete. Szakirodalom feltárása és feldolgozása. Előfeltevések és hipotézisek kidolgozása. Statisztikai programok kezelése (EXCEL, SPSS). Gyakoriság. Középértékek. Szóródás. Mérési hibák, skálázás.
2. A kutatási terv előkészítése, lebonyolítása. A kutatás eredményeinek értelmezése, következtetések levonása. Szórásnégyzet, szórás. Kovariancia, korrelációs együttható. Normális eloszlások. Pont- és intervallumbecslés - konfidencia-intervallum. A statisztikában alkalmazott főbb eloszlástípusok.
3. Mintavétel alapfogalma és formái. Primer és szekunder kutatási módszerek. Reprezentativitás.
4. Tartalomelemzés. Szövegbányászati módszerek.
5. Hipotézisvizsgálat. Egymintás t-próba. Kereszttábla-elemzés.
6. Adatok képi megjelenítése, vizualizáció.
7. A szakdolgozatok megírásánál alkalmazható módszerek.

Additional lecturers

Name Position Contact details

Approval and validity of subject requirements