Methods and tools of quantitative research II - BMEGT51STK5036-00

The aim of the course is to help students deepen their knowledge of statistical analysis based on quantitative research methodology and to enable them to apply inferential statistical methods to real research data. Additional objectives include: (1) developing statistical thinking, (2) establishing a foundation for drawing conclusions from empirical data, and (3) developing the analytical skills necessary for conducting independent research.

1. - is familiar with the basic concepts of inferential statistics (sampling distribution, significance, confidence interval),
2. - understands the logic and steps of hypothesis testing,
3. - is aware of the conditions for applying the most important statistical tests (e.g., chi-square, t-test, ANOVA, correlation, regression),
4. - is familiar with measures of reliability and validity of measurement instruments (e.g., Cronbach’s alpha),
5. - understands the basic principles of simpler multivariate analyses (e.g., factor analysis).

1. - select appropriate statistical methods for various research questions,
2. - conduct hypothesis tests independently using statistical software (e.g., SPSS, JASP),
3. - interpret analysis results professionally and place them in context,
4. - identify multivariate relationships and model them at a basic level,
5. - prepare a research report meeting scientific standards.

1. - strives to draw precise, data-driven conclusions,
2. - critically evaluates statistical results and their limitations,
3. - is open to learning more complex analytical methods,
4. - is committed to adhering to research ethics standards and data integrity,
5. - consciously avoids misinterpreting or overgeneralizing data.

1. - is able to independently design and conduct a quantitative analysis,
2. - takes responsibility for the correct analysis and interpretation of data,
3. - makes independent decisions regarding the selection of methodological approaches,
4. - collaborates within a research group but performs analytical tasks autonomously,
5. - reflects on their own analytical decisions and their consequences.

Throughout the semester, students master analytical algorithms under faculty guidance while gradually becoming more independent, and learn to interpret the results they obtain.

• - A letölthető anyagok a tantárgy Moodle kurzusában találhatók.
• - Babbie, Earl: A társadalomtudományi kutatás gyakorlata. Budapest: Balassi Kiadó.
• - Sajtos László – Mitev Ariel: SPSS kutatási és adatelemzési kézikönyv. Budapest: Alinea Kiadó.
• - Field, Andy: Discovering Statistics Using IBM SPSS Statistics. Sage Publications.
• - Ketskeméty László – Izsó Lajos: Bevezetés az SPSS programrendszerbe. ELTE Eötvös Kiadó

A 2.1 és 2.2. pontban megfogalmazott célok és tanulási eredmények elérése a gyakorlatokon való aktív részvétellel, a kutatási tanulmány elkészítésével realizálódik.

Szorgalmi időszakban végzett teljesítményértékelések részletes leírása: - A gyakorlatokon való aktív részvétel. - A kutatási tanulmány elkészítése és feltöltése a Moodle-be. Az AI alkalmazása megengedett, de figyelembe kell venni a kari és egyetemi ajánlásokat.

• 1. a gyakorlaton való részvétel aktivitása.: 20
• 2. a kutatási tanulmány elkészítése: 80

- Az aktív részvétel – jellegéből adódóan – nem pótolható, nem javítható, továbbá más módon nem kiválható vagy helyettesíthető. Ez ügyben a BME TVSZ előírásai az irányadók. A kutatási tanulmány kései beadására a TVSZ előírásai az irányadók.

Consulted with the Faculty Student Representative Committee, approved by the Vice Dean for Education, valid from: 04.05.2026.

A 2.1 és 2.2. pontban megfogalmazott célok és tanulási eredmények eléréséhez a tantárgy a következő tematikai blok-kokból áll. Az egyes félévekben meghirdetett kurzusok sillabuszaiban e témaelemeket ütemezzük a naptári és egyéb adottságok szerint.