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
METHODOLOGICAL SKILL DEVELOPMENT II.
ID (subject code)
BMEGT52M107
Type of subject
contact lessons
Course types and lessons
Type
Lessons
Lecture
2
Practice
1
Laboratory
0
Type of assessment
mid-term grade
Number of credits
3
Subject Coordinator
Name
Dr. Geszten Dalma
Position
assistant professor
Contact details
geszten.dalma@gtk.bme.hu
Educational organisational unit for the subject
Department of Ergonomics and Psychology
Subject website
Language of the subject
magyar – HU
Curricular role of the subject, recommended number of terms

Programme: Psychology Master’s Programme - Work and organisational psychology specialisation from 2020/21/Term 1

Subject Role: Compulsory

Recommended semester: 2

Programme: Psychology Master’s Programme - Cognitive psychology specialisation from 2020/21/Term 1

Subject Role: Compulsory

Recommended semester: 2

Direct prerequisites
Strong
- Módszertani készségfejlesztés I. tantárgy teljesítése / Completion of the Methodological Skill Development I. course
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: 580768/11/2022. Valid from: 26.10.2022.

Objectives

The main objective of the course is to provide students with a stable applied knowledge of research methodology after completing the course, as well as to understand and be able to apply multivariate statistical models and tests that can be used well in both corporate and academic environments.

Academic results

Knowledge
  1. Have a comprehensive knowledge of the main concepts used in multivariate statistics, statistical tests and their interrelationships.
  2. Knows the multivariate methods, statistical tests that can be used for the analysis of the data, their theoretical background, the purpose, conditions and methods of their application.
Skills
  1. Is able to formulate his / her research questions and accordingly to determine the multivariate statistical tests necessary to justify the research questions.
  2. Able to apply relevant multivariate 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.
  5. Systemic thinking and approach.
Independence 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. Plans and carries out his / her activities independently.

Teaching methodology

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

Materials supporting learning

  • Takács Szabolcs: Bevezetés a matematikai statisztikába - Elmélet és gyakorlat 1. és 2., Antarész Kiadó, Budapest, 2016/2017.

General Rules

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

Performance assessment methods

A Szorgalmi időszakban végzett teljesítményértékelések részletes leírása: a) Részteljesítmény értékelés (3 projektfeladat): a tantárgy tudás, képesség, attitűd, valamint önállóság és felelősség típusú kompetenciaelemeinek komplex értékelési módja, melynek megjelenési formája tudományos poszterek készítése 3 különböző többváltozós statisztikai témában. b) Részteljesítmény értékelés (prezentáció): a tantárgy tudás, képesség, valamint önállóság és felelősség típusú kompetenciaelemeinek komplex értékelési módja, a félév során elkészített egyik poszter prezentációja által.

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

  • részteljesítmény értékelés (projektfeladat): 30
  • részteljesítmény értékelés (projektfeladat): 30
  • részteljesítmény értékelés (projektfeladat): 30
  • részteljesítmény értékelés (prezentáció): 10
  • összesen: 100

Percentage of exam elements within the rating

Conditions for obtaining a signature, validity of the signature

Az aláírás megszerzésének feltétele, hogy a projektfeladatok mindegyikét teljesítse.

Issuing grades

%
Excellent 96-100
Very good 86–95
Good 75–85
Satisfactory 65–74
Pass 50–64
Fail < 50

Retake and late completion

A poszterek késedelmesen a szorgalmi időszak utolsó napján 23:55 óráig adhatók be elektronikus formában. A prezentáció a pótlási hét utolsó napjáig pótolható az oktató által meghatározott időpontban.

Coursework required for the completion of the subject

Nature of work Number of sessions per term
Részvétel a kontakt tanórákon 42
Projektfeladatok (poszterek) elkészítése 36
Prezentáció 12
Összesen 90

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. Az egyes félévekben meghirdetett kurzusok sillabuszaiban e témaelemeket ütemezzük a naptári és egyéb adottságok szerint.

Lecture topics
1. Többszempontos lineáris regresszió, bináris logisztikus regresszió;
2. Többszempontos varianciaanalízis;
3. Faktorelemzés (megerősítő és feltáró);
4. Skálák megbízhatósági elemzése;
5. Klaszterelemzés;
6. Q-módszertan

Additional lecturers

Name Position Contact details
Dr. Geszten Dalma Egyetemi adjunktus geszten.dalma@gtk.bme.hu
Dr. Takács Szabolcs Egyetemi docens, megbízott előadó takacs.szabolcs.dr@gmail.com
Krén Heléna Ph.D hallgató kren.helena@edu.bme.hu
Halmos Alexandra Ph.D hallgató halmos.alexandra@gtk.bme.hu

Approval and validity of subject requirements