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
RESEARCH METHODS IN PRACTICE
Course code
BMEGT51V107
Course type
contact hour
Kurzustípusok és óraszámok
Type
Lessons
Lecture
1
Practice
0
Laboratory
1
Type of assessment
term grade
Number of credits
2
Course leader
Name
Dr. Tóth Péter
Position
professor
Email adress
toth.peter@gtk.bme.hu
Organizational unit for the subject

Department of Technical Education

Subject website
Language of teaching
magyar - HU
Curriculum role of the subject, recommended semester

Programme: Szabadon választható tárgyak

Subject Role: Szabadon választható

Recommended semester: 0

Pre-requisites
strong
None
weak
None
paralell
None
exclusive
None
A tantárgyleírás érvényessége
Approved by the Faculty Board of the Faculty of Economic and Social Sciences, Decree No 580.456/2/2020 Valid from September 1, 2020.

Objectives

Learning outcomes

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
Ability
  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 hatá-rozott, konstruktív, együttműködő, kezdeményező.
  3. Nyitott és befogadó az oktatás és képzés új eredményei iránt.
Autonomy and responsibility
  1. Önállóan végzi a feladatok és problémák végiggondolását és adott források alapján történő megoldá-sát,
  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.

Methodology of teaching

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 evaluation methods

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

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

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

Proportion of examination elements in the rating

  • :

Grading

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

Correction and retake

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

Study work required to complete the course

Work type Amount of work hours
28
18
14
60

Approval and validity of subject requirements

Topics discussed during the semester

A 2.2. pontban megfogalmazott tanulási eredmények eléréséhez a tantárgy a következő tematikai blokkokból áll. Ezek hossza alapesetben 4 óra (két hét), ám 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

Topics of lectures
1. Leíró statisztika. Statisztikai programok kezelése (EXCEL / SPSS / CRAN R).
2. Statisztika története. Adatgyűjtés, primer-szekunder források.
3. Szakirodalom feltárása és feldolgozása. Méréselmélet. Mérés, mérési hiba, skálázás.
4. A kutatási terv előkészítése, lebonyolítása. Mintavétel, reprezentativitás, validitás.
5. A kutatás eredményeinek értelmezése, következtetések levonása, publikálás. Regressziók (lineáris, nem-lineárisok). Két- és többváltozós - lineáris és nemlineáris regressziók.
6. A szakdolgozatok megírásánál alkalmazható módszerek. Korrelációk, parciális korrelációszámítás. Hipotézisvizsgálat.
7. Varianciaanalízis. Faktoranalízis. Klaszteranalízis. Nem-paraméteres eljárások.

Lecturers participating in teaching

Name Rank Contact

Approval and validity of subject requirements