Adatelemzés 2.

Data

Official data in SubjectManager for the following academic year: 2024-2025

Course director

Number of hours/semester

lectures: 6 hours

practices: 6 hours

seminars: 0 hours

total of: 12 hours

Subject data

  • Code of subject: OOF-FM2-T
  • 1 kredit
  • Általános orvos
  • Fakultatív modul
  • Minden félévben
Prerequisites:

OOF-FMA-T párhuzamos

Course headcount limitations

min. 5 – max. 12

Topic

A kurzus célja, hogy a hallgatókat felkészítse a diplomamunka elkészítésére illetve TDK munkára. Két fő területet ölel fel ebből: Az adatgyűjtés kivitelezését beleértve az adatok előkészítését a statisztikai elemzésre továbbá az elemzés végrehajtását az elemzési terv szerint. Röviden: hogyan gyűjtsünk és elemezzünk adatokat? (Ez a kurzus lehet az Adatelemzés 1 kurzus folytatása, de a két kurzus fordított sorrendben is teljesíthető. Ennek a rugalmasságnak az indoka az, hogy sok hallgató csak akkor kéri a segítséget, amikor már (legalább részlegesen) össze is gyűjtötte az adatait. Ez a kurzus pedig épp e ponttól foglalkozik az elemzési folyamat lépéseivel. Azoknak, akik ezt a kurzust teljesítik először, ajánljuk, hogy végezzék el utóbb az Adatelemzés 1 kurzust is, hogy gyakorolják a tudományos munka folyamatának megelőző lépéseit is: hogyan készül a kutatási terv?)

Ez a kurzus ugyancsak orvosi közlemények feldolgozására épül. A hallgatók a szakterületük legjobb szerzőinek példája alapján választhatnak adatgyűjtési módszereket. A cikkekből kikereshetők ezek a módszerek és egyből követhető a kivitelezés is. Így a cikkek tanulmányozása kitűnő módszere a kutatási módszertan megismerésének. Még a hibákból is tanulhatunk néha.

Ugyanezt a módszert követjük az adatok elemzése és a következtetések levonása során. Minden hallgató elemzi a saját adatait és megfogalmazza a saját (szakmai) következtetéseit a saját elemzési tervét követve.

Minden segítséget megkap a hallgató a konkrét elemzéshez és az eredmények helyes értelmezéséhez. A megoldás minden lépését megbeszéljük és tökéletesítjük a csoportmunkában.

Lectures

  • 1. Bevezetés. Egy cikk feldolgozása. Saját adatgyűjtési terv elkészítése / bemutatása. - Pótó László
  • 2. Az adatgyűjtés kivitelezése - a feldolgozott cikkek alapján - Pótó László
  • 3. Az adatok előkészítése a statisztikai elemzéshez. - Pótó László
  • 4. A statisztikai elemzés 1 - a megfelelő módszerek kiválasztása. - Pótó László
  • 5. A statisztikai elemzés 2 - az eredmények értelmezése. - Pótó László
  • 6. A következtetések megfogalmazása és bemutatása a csoportnak. Összefoglalás - Pótó László

Practices

  • 1. Egy cikk feldolgozása. Saját adatgyűjtési terv elkészítése / bemutatása. - Pótó László
  • 2. Az adatgyűjtés ismertetése - a feldolgozott cikkek alapján - Pótó László
  • 3. Az adatelőkészítési tapasztalatok megosztása - ha szükséges, korrekciók meghatározása. - Pótó László
  • 4. A statisztikai elemzés bemutatása - módszerek és eredmények 1. - Pótó László
  • 5. Folytatás - módszerek és eredmények 2. - Pótó László
  • 6. A következtetések megfogalmazása és bemutatása a csoportnak. A kurzus és az eredmények értékelése. - Pótó László

Seminars

Reading material

Obligatory literature

1-3 cikket hoz minden hallgató (könyvtárból, az intézetből vagy a diploma- illetve TDK-munka témavezetőjétől).

Literature developed by the Department

Segédanyagok (cikk, kutatási terv, beszámoló, ...), amiket az oktató kiad.

Notes

Recommended literature

Bármely statisztika könyv.

Conditions for acceptance of the semester

Maximum 1 hiányzás. A saját adatok értékelése és az eredmények beadása, valamint aktív részvétel az órákon.

Mid-term exams

Hétről-hétre rövid beszámolás a csoportnak a munka haladásáról.

Making up for missed classes

Egy pótló foglalkozás

Exam topics/questions

Aktív részvétel mellett a saját kutatási beszámoló elkészítése és beadása.

Examiners

Instructor / tutor of practices and seminars

  • Pótó László