Pavyzdinis metodologinis mokomasis studijų paketas „Lyginamieji tyrimai su TOSMANA ir FS/QCA“
Autoriai: prof. Zenonas NORKUS, dr. Vaidas MORKEVIČIUS ir Ligita ŠARKUTĖ

Šiuolaikiniame globalizuotame pasaulyje netgi labai didelėje šalyje vykstančių socialinės ir kultūrinės kaitos procesų neįmanoma nei adekvačiai aprašyti, nei paaiškinti, nei tuo labiau numatyti jų ilgalaikes pasekmes, apsiribojant tomis priežastimis, kurių veikimo lauką nubrėžia šalies dabartinės sienos. Todėl lyginamųjų tyrimų plėtra yra viena iš strateginių socialinių mokslų ir humanistikos raidos krypčių Lietuvoje. Komparatyvistika Lietuvoje turi tam tikras tradicijas, kurių ištakos siekia tarpukario laikus, kai S.Šalkauskis ir A. Maceina klausė apie Lietuvos civilizacinį savitumą erdvėje tarp Vakarų ir Rytų. Ją pratęsė V. Kavolis ir jo pasekėjai Lietuvoje, plėtoję lyginamuosius civilizacijų tyrimus. Tačiau nei lyginamajam tyrimui skirtų metodologinių darbų, nei tuo labiau lyginamojo metodo vadovėlių ar kitokių mokymo priemonių Lietuvoje nėra. Lyginamuoju metodu operuojama intuityviai ar pusiau intuityviai („rankiniu“ būdu), apsiribojant paprasčiausiomis jo formomis. Kas dar svarbiau, tarpcivilizacinė komparatyvistika tėra tik viršutinis šiuolaikinės komparatyvistikos aukštas, operuojantis paties didžiausio masto, kokie tik gali būti, atvejais, kurie, be to, dažnai tebūna tik teoretiko vaizduotės konstruktas. Vakarų socialinėje mokslinėje komparatyvistikoje dominuoja tarptautiniai palyginimai, operuojantys mažesnio masto atvejais (dažniausiai tai nacionalinės valstybės). Tarptautinėje komparatyvistikoje savo ruožtu išsiskiria kiekybinė (orientuota į kintamuosius) ir kokybinė (orientuota į atvejus) kryptis. Kokybinę komparatyvistiką metodiškai atnaujino Boole’io algebra pagrįstų kompiuterinių duomenų analizės programų QCA, fs/QCA, QCA/R, TOSMANA. Metodologinio mokomojo studijų paketo „Lyginamieji tyrimai su TOSMANA ir fs/QCA“medžiaga kaip tik ir turėtų supažindinti Lietuvos socialinių ir humanitarinių mokslų tyrinėtojus su metodologiniais komparatyvistikos pagrindais, skirtingų lyginamosios analizės strategijų ypatumais bei su kompiuterine įranga, skirta atlikti kokybinę lyginamąją analizę.

Studijų paketo tikslai:

Išaiškinti lyginamųjų tyrimų vietą ir reikšmę mokslinio pažinimo kontekste. Suteikti teorinių žinių apie šiuolaikinėje metodologinėje literatūroje aptinkamą lyginamojo metodo sampratą, lyginamojo tyrimo tipų klasifikaciją, jų vieta kiekybinių ir kokybinių metodų sandūroje bei su jais susijusios metodologinės diskusijas. Išaiškinti problemines situacijas, kurias mėginama spręsti KLA priemonėmis; KLA loginės ir kauzalinės prielaidos, KLA tinkamų duomenų bei matavimų jiems gauti ypatumai kompiuterinėse lyginamosios analizės programose „QCA“, „fs/QCA“ ir „TOSMANA“.

Pavyzdiniame metodologiniame mokomajame studijų pakete aptariamos tokios temos:

I DALIS. Įvadinio kurso į lyginamąją analizę mokomoji medžiaga:

1. Komparatyvistika gamtos, socialiniuose moksluose ir humanistikoje.
2. Visuomenė, kultūra, civilizacija, imperija, pasaulinė sistema kaip lyginamojo tyrimo atvejų tipai.
3. Kas yra lyginamasis metodas?
4. Lyginimo formų klasifikacijos.
5. J.S.Millio eliminacinės indukcijos kanonai kaip lyginamojo metodo taisyklės.
6. Lyginimasis ir atvejo tyrimo metodai.
7. Dvi atvejo sampratos ir dvi lyginimo strategijos.
8. Daugeriopo ir konjunktūrinio priežastingumo problema ir sintetinės lyginamojo tyrimo strategijos idėja.
9. KLA kaip sintetinės lyginamojo tyrimo strategijos loginė technika.
10. KLA stiprybės ir silpnybės. KLA silpnybių įveikimo būdai naujausiose jos versijose (fs/QCA, TOSMANA).
11. KLA programinės įrangos „fs/QCA“ ir „TOSMANA“ veikimo principai bei sprendžiami uždaviniai.

II DALIS. Kompiuterizuotos lyginamųjų tyrimų analizės pavyzdžių medžiaga:

1. Demokratijų išlikimo tarpukario Europoje priežastys: ryškiųjų aibių KLA (CS/QCA)
2. Lietuvos partijų vidinės demokratijos veiksniai: daugiareikšmių kintamųjų KLA (MV/QCA)
3. Demokratijų išlikimo tarpukario Europoje neryškiųjų aibių KLA (fs/QCA)

Pavyzdinis metodolologinis mokomasis studijų paketas „Statistinė kiekybinių duomenų analizė su SPSS is STATA“
Autoriai: doc. Vytautas JANILIONIS, dr. Vaidas MORKEVIČIUS, dr. Rimantas RAULECKAS

Pavyzdinis metodolologinis mokomasis studijų paketas „Statistinė kiekybinių duomenų analizė su SPSS is STATA“ yra skirtas socialinių ir humanitarinių mokslų studentams, mokslininkams ir tyrėjams. Paketas suteikia teorinių statistikos žinių ir praktinių įgūdžių, būtinų analizuojant kiekybinius HSM empirinius duomenis. Pavyzdinį metodolologį mokomąjį studijų paketą sudaro trys dalys: I-oje dalyje pateikiami į pavyzdinę skaitmeninę duomenų bazę įtrauktų tyrimų aprašymai, iš tų tyrimų atrinktų kintamųjų sąvadai ir savarankiškai duomenų analizei reikalingi paaiškinimai, II-oje dalyje pateikiama įvadinio teorinio kurso į statistinę analizę mokomoji medžiaga, III-oje dalyje, pagal įvadinio teorinio kurso temas, pateikiami statistinės analizės pavyzdžiai, naudojant pavyzdinius duomenų rinkinius iš LiDA duomenų archyvo.

Studijų paketo tikslai: supažindinti su pagrindiniais statistiniais kiekybinių duomenų analizės metodais ir jų sprendžiamais uždaviniais bei ugdyti gebėjimus parinkti tinkamus statistikos metodus kiekybinių duomenų analizei; suprasti ir interpretuoti profesinėje literatūroje pateikiamus statistinių tyrimų rezultatus.

Pavyzdiniame metodologiniame mokomajame studijų pakete aptariamos tokios temos:

  I DALIS. Tyrimų įtrauktų į pavyzdinę skaitmeninę duomenų bazę aprašymai ir kintamųjų sąvadai bei paaiškinimai

  II DALIS. Įvadinio kurso į statistinę analizę mokomoji medžiaga

  Įvadas
  1. Aprašomoji statistika
  2. Pasikliautinieji intervalai
 3. Hipotezių tikrinimas
  4. Vidurkių palyginimas. Dispersinė analizė
  5. Požymių priklausomumo tyrimas. Koreliacinė analizė
  6. Regresinė analizė
  7. Klasterinė analizė
  8. Faktorinė analizė
 9. Daugiamačių skalių metodas (MDS)
  Literatūra

III DALIS. Statistinės analizės pavyzdžių naudojant pavyzdinę skaitmeninę duomenų bazę medžiaga

  1. Įvadas
  2. Aprašomoji statistika
  3. Pasikliautinieji intervalai
  4. Hipotezių tikrinimas
  5. Vidurkių palyginimas. Dispersinė analizė (ANOVA)
  6. Požymių priklausomumo tyrimas. Koreliacinė analizė
  7. Regresinė analizė
  8. Klasterinė analizė
  9. Faktorinė analizė
  10. Daugiamačių skalių analizė (MDS)
  11. Literatūra

Mokymo kursas „Kompiuterinis pasirengimas duomenų archyvo vartojimui“.
Dėstytojas: doc. dr. Algimantas VENČKAUSKAS

Humanitarinių ir socialinių mokslų tyrimuose vis plačiau naudojamos kompiuterinės technologijos, empirinių duomenų ir informacijos elektroniniai archyvai. Todėl mokslininkai ir kiti tyrėjai turi būti pasirengę naudoti šiuolaikines informacines technologijas. Šis mokymo kursas suteikia ar papildo žinias, kurios būtinos asmenims, dirbantiems HSM tyrimų srityje. Supažindina su pagrindinėmis informacijos technologijų sąvokomis, šių technologijų panaudojimu kasdienėje veikloje. Kursas apima darbo kompiuteriu aplinką, naudojimąsi pagrindinėmis šiuolaikinių kompiuterių operacinių sistemų ir taikomųjų programų galimybėmis – tekstų rengimu ir jų tvarkymu, naudojimąsi elektroniniu paštu ir kitomis interneto paslaugomis, pateikčių rengimą bei skaičiuoklių panaudojimą pagal ECDL pradmenų programos reikalavimus. Kursas tai pat suteikia žinių apie e. leidybos sistemas, e. dokumentų publikavimo procesus ir priemones, Lietuvos akademinės elektroninės bibliotekos (eLABa) technologijas, specialiąją HSM programinę įrangą, skirtą empirinių ir faktografinių duomenų publikavimui, kaupimui bei analizei (NESSTAR).

Kurso tikslai:

Suteikti teorinių žinių ir praktinių įgūdžių, būtinų naudoti informacines technologijas HSM tyrimams, supažindinti su pagrindinėmis technologijomis, skirtomis e. dokumentų publikavimui, empirinių ir faktografinių duomenų archyvų realizavimui ir suteikti įgūdžių dirbti su duomenų archyvais.

Įgytos kompetencijos:

Klausytojai išklausę kursą įgis teorinių žinių ir gebės:

• naudotis kompiuteriu ir tvarkyti failus, dirbi su interneto priemonėmis, naudotis elektroniniu paštu;
• tvarkyti tekstus, naudotis skaičiuokle ir jas naudoti tekstiniuose dokumentuose, rengti pateiktis;
• suprasti e. leidybos sistemas, e. dokumentų publikavimo procesus ir priemones;
• panaudoti Lietuvos akademinės elektroninės bibliotekos (eLABa) technologijas HSM tyrimuose;
• dirbti su specialiąja HSM programine įranga, skirta empirinių ir faktografinių duomenų publikavimui, kaupimui bei analizei (NESSTAR).

Mokymo kurse paskaitos ir seminarai bus vedami tokiomis temomis:

  1. HSM ir IT. Pagrindinės IT sąvokos. Naudojimasis kompiuteriu ir rinkmenų tvarkymas. Internetas. Elektroninis paštas. (Teorinė paskaita ir praktinis seminaras).
  2. Tekstų tvarkymas. Skaičiuoklės ir jų naudojimas tekstiniuose dokumentuose. Pateikčių rengimas. (Teorinė paskaita ir praktinis seminaras).
  3. E. leidybos sistemos, e. dokumentų publikavimo procesai ir priemonės. (Teorinė paskaita ir praktinis seminaras).
  4. Lietuvos akademinės elektroninės bibliotekos (eLABa) technologijų panaudojimas HSM tyrimuose. (Teorinė paskaita ir praktinis seminaras).
  5. Specialioji HSM programinė įranga, skirta empirinių ir faktografinių duomenų publikavimui, kaupimui bei analizei (NESSTAR). (Teorinė paskaita ir praktinis seminaras).

Teikiant mokymo kursą bus teorinių paskaitų ir praktinių įgūdžių lavinimo komponentai. Jame bus suteikiama teorinių žinių ir praktinių įgūdžių, būtinų kompetentingai naudotis internetiniais duomenų archyvais; supažindinama su pagrindinėmis IT sąvokomis, darbu su kompiuteriu, rinkmenų tvarkyba, internetu, elektroniniu paštu ir elektroninėmis bibliotekomis; ugdomi gebėjimai kompiuteriu tvarkyti tekstus, skaičiuoti kompiuterinėmis skaičiuoklėmis, rengti skaitmenines pateiktis, publikuoti e. dokumentus, dirbti su specialia HSM duomenų archyvų programine įranga „NESSTAR“.

Mokymo kursas „Informacinis raštingumas duomenų archyvo vartojimui“.
Dėstytojas: doc. dr. Marija PROKOPČIK

Socialinės ir humanitarinės srities duomenų archyvuose (DA) sukaupti duomenys yra aprašomi, klasifikuojami, grupuojami, kuriami jų katalogai ir paieškos sistemos, nustatomos prieigos ir naudojimosi sąlygos. Duomenų tvarkymas ir jų paieška reikalauja atitinkamų teorinių žinių ir įgūdžių. Kita vertus, tam, kad būtų užtikrintas Lietuvos duomenų archyvo suderinamumas su užsienio šalių DA ir tarptautinių organizacijų reikalavimais, yra remiamasi egzistuojančiais tarptautiniais standartais ir dokumentais. Lietuvos socialinių ir humanitarinių mokslų tyrinėtojai, kurie yra potencialūs archyvo kūrėjai ir naudotojai, neturi pakankamų šios srities žinių ir praktinių įgūdžių. Šis mokymo kursas kaip tik ir supažindins akademinę bendruomenę, kitus DA vartotojus su HSM srities informacijos tvarkybos ir ieškos procesais, empirinių duomenų archyvavimo standartais ir dokumentavimu, metaduomenų formatais ir jų dokumentavimu, HSM srityje naudojamais kontroliuojamais žodynais ir suformuoti praktinių šios veiklos įgūdžių pagrindus.

Kurso tikslai:

Supažindinti su HSM srities informacijos tvarkybos ir ieškos procesais, empirinių duomenų archyvavimo standartais ir dokumentavimu, metaduomenų formatais ir jų dokumentavimu, HSM srityje naudojamais kontroliuojamais žodynais.

Įgytos kompetencijos:

• Klausytojai išklausę kursą įgis teorinių žinių, kurios yra būtinos prieigai prie duomenų archyvo ir reikalingų duomenų radimui bei naudojimui, ir gebės:
• atlikti dalykinę teminę dokumentų ir duomenų analizę;
• indeksuoti dokumentus naudojant įvairias paieškos kalbas ir kontroliuojamus žodynus;
• naudotis archyvavimo reikmėms parengtu lietuvišku HSM tezauru;
• formuoti HSM duomenų ieškos strategijas naudojant kontroliuojamus žodynus;
• naudoti empirinių duomenų aprašymo standartą ir rengti metaduomenis.

Mokymo kurse paskaitos ir seminarai bus vedami tokiomis temomis:

  1. Natūralių ir kontroliuojamų kalbų samprata, jų privalumai, trūkumai ir galimybės informacijos tvarkybos ir ieškos požiūriu. (Teorinė paskaita).
  2. Dalykinė teminė dokumentų analizė ir indeksavimo procesas. (Teorinė paskaita ir praktinis seminaras).
  3. Kontroliuojami žodynai. Tezaurai, kaip leksikografinės kontrolės užtikrinimo priemonė. (Teorinė paskaita ir praktinis seminaras).
  4. Svarbiausi HSM srities tezaurai. HSM tezauro lietuvių kalba naudojimas archyvo reikmėms. (Teorinė paskaita ir praktinis seminaras).
  5. Metaduomenys. Metaduomenų schemos ir elementų rinkiniai. Empirinių duomenų aprašymo standartas ir jo taikymas archyvo reikmėms. (Teorinė paskaita ir praktinis seminaras).

Teikiant mokymo kursą bus derinami teorinių paskaitų ir praktinių įgūdžių lavinimo komponentai. Jame bus suteikiama teorinių žinių ir praktinių įgūdžių, būtinų HSM duomenų organizavimui ir jų paieškai; supažindinama su pagrindinėmis informacijos paieškos kalbomis, jų organizavimo būdais ir priemonėmis, HSM duomenų analize ir indeksavimo procesais, kontrolės žodynais, visų pirma, tezaurais ir svarbiausiomis metaduomenų schemomis; ugdomi gebėjimai naudotis archyvavimo reikmėms parengtu lietuvišku HSM tezauru ir empirinių duomenų aprašymo standartu.

Kokybiniai duomenys yra labai paplitę socialiniuose ir humanitariniuose moksluose. Jie gaunami atliekant tikslinius tyrimus (pavyzdžiui, etnografinius stebėjimus, eksperimentus, giluminius interviu ar atviro tipo apklausas) arba renkami iš jau egzistuojančių šaltinių (pavyzdžiui, žiniasklaidos, teisinių dokumentų, politinės komunikacijos šaltinių ar grožinės literatūros). Tradiciškai socialinių ir humanitarinių mokslų atstovai tokius duomenis analizavo „rankiniu“ būdu. Išplitusios kompiuterinės ir informacinės technologijos šį daug žmogiškųjų ir laiko išteklių reikalaujantį procesą daro gerokai lengviau įgyvendinamą. Taigi kokybinių duomenų analizė pasitelkiant naujausią kompiuterinę kokybinių duomenų analizavimo programinę įrangą turėtų tapti kiekvieno socialinių ar humanitarinių mokslų atstovo kasdienybe. Šis mokymo kursas supažindins Lietuvos socialinių ir humanitarinių mokslų tyrinėtojus su kompiuterio pagalba atliekamos kokybinių duomenų analizės pagrindais, pagrindinėmis perspektyvomis ir kompiuterine įranga leidžiančia praktiškai įgyvendinti tokią analizę.

Kurso tikslai:

Suteikti teorinių žinių ir praktinių įgūdžių, būtinų kompiuterio pagalba analizuoti HSM kokybinius duomenis; supažindinti su pagrindiniais kompiuterinės kokybinių duomenų analizės metodais ir jų pagalba sprendžiamais uždaviniais; išugdyti gebėjimus parinkti ir taikyti tinkamus kompiuterinius metodus kokybinių duomenų analizei, korektiškai interpretuoti rezultatus.

Įgytos kompetencijos:

Klausytojai išklausę kursą įgis teorinių žinių būtinų kompiuterio pagalba analizuoti HSM kokybinius duomenis ir gebės:

• parengti kokybinius duomenis kompiuterinei analizei;
• parinkti ir taikyti tinkamus kompiuterinius metodus kokybinių duomenų analizei;
• korektiškai interpretuoti rezultatus gautus naudojant šiuolaikinę kokybinių duomenų analizės programinę įrangą „NVivo“ ir „TextQuest“,
• suprasti ir savarankiškai interpretuoti kokybinių tyrimų kompiuterizuotos analizės rezultatus;
• apibendrinti gautus rezultatus ir pateikti pagrįstas išvadas;
• rengti kokybinių tyrimų kompiuterizuotos analizės ataskaitas.

Mokymo kurse paskaitos ir seminarai bus vedami tokiomis temomis:

1. Kokybinių ir kiekybinių duomenų samprata bei analizės perspektyvos. Kokybinių duomenų rinkimas, tvarkymas ir pritaikymas kompiuterizuotai analizei. (Teorinė paskaita ir praktinis seminaras).
2. Mechaninis kategorijų, teminių vienetų išskyrimas ir modelių generavimas. Pagrįstoji teorija ir analitinė indukcija. (Teorinė paskaita ir praktinis seminaras).
3. A priori sukurtų modelių, teminių vienetų ir kategorijų taikymas bei duomenų kodavimas. Kokybinių hipotezių tikrinimas. (Teorinė paskaita ir praktinis seminaras).
4. Analizės rezultatų eksportavimas į statistinės analizės paketus. Sąvokų sąryšio paieška ir sąvokų medžių braižymas. (Teorinė paskaita ir praktinis seminaras).
5. Kompiuterizuotos kokybinių duomenų analizės rezultatų interpretavimas. (Teorinė paskaita ir praktinis seminaras).

Teikiant mokymo kursą bus derinami teorinių paskaitų ir praktinių įgūdžių lavinimo komponentai. Klausytojams bus suteikiama teorinių žinių ir praktinių įgūdžių, būtinų kompiuterio pagalba analizuoti HSM kokybinius duomenis; supažindinama su pagrindiniais kompiuterinės kokybinių duomenų analizės metodais ir jų pagalba sprendžiamais uždaviniais; ugdomi gebėjimai parinkti ir taikyti tinkamus kompiuterinius metodus kokybinių duomenų analizei, korektiškai interpretuoti rezultatus gautus naudojant šiuolaikinę kokybinių duomenų analizės programinę įrangą „NVivo“ ir „TextQuest“, suprasti ir savarankiškai interpretuoti mokslinėje literatūroje pateikiamus kokybinių tyrimų kompiuterizuotos analizės rezultatus.

Mokymo kurso struktūra:

  1. Teorinis įvadas į (kompiuterio pagalba atliekamą) kokybinių duomenų analizę.
  2. Praktinis įvadas į kokybinių duomenų analizę su "TextQuest".
       3. Praktinis įvadas į kokybinių duomenų analizę su "WordStat".
  4. Praktinis įvadas į kokybinių duomenų analizę su "NVivo".
       5. Praktinis įvadas į kokybinių duomenų analizę su "QDA Miner".

Mokymo kursas „Statistinė analizė humanitarinių ir socialinių mokslų tyrimuose“.
Dėstytojas: doc. dr. Vytautas JANILIONIS

Šiuo metu pasaulyje sparčiai didėja įvairiose duomenų bazėse kaupiamos HSM informacijos apimtys ir tobulėja statistinės analizės programinė įranga (SPSS, SAS, STATA ir t.t.), kuri ženkliai palengvina visus reikiamos informacijos gavimo iš duomenų žingsnius. Kiekybinių duomenų analizė yra labai paplitusi socialiniuose ir humanitariniuose moksluose. Analizuojami duomenys dažniausiai gaunami atliekant užsakomuosius tyrimus arba iš jau egzistuojančių duomenų šaltinių. Apdorodami ir analizuodami savo tyrimų duomenis Lietuvos HSM doktorantai ir mokslininkai dar mažai naudojasi šiais paketais ir kol kas toli gražu nepanaudoja visų šių programų paketų teikiamų galimybių. Ypač tai pasakytina apie sudėtingesnius statistinės analizės metodus. Mokymo kursas supažindins HSM atstovus su sudėtingesnių kiekybinių duomenų statistinės analizės uždavinių sprendimu naudojant šiuolaikinius statistikos programų paketus.

Kurso tikslai:

Suteikti teorinių žinių ir praktinių įgūdžių, būtinų analizuojant HSM kiekybinius duomenis taikant sudėtingesnius statistikos metodus ir programinę įrangą; išugdyti gebėjimus parengti tyrimų duomenis kompiuterinei analizei; parinkti tinkamus statistikos metodus realių duomenų analizei; sudaryti duomenų statistinės analizės modelius; atlikti įvairią duomenų statistinę analizę panaudojant profesionalią statistikos programinę įrangą SPSS; suprasti ir interpretuoti statistinių skaičiavimų rezultatus; įvertinti gautų rezultatų tikslumą ir patikimumą; apibendrinti gautus rezultatus ir pateikti pagrįstas išvadas; rengti statistinių tyrimų ataskaitas.

Įgytos kompetencijos:

Klausytojai išklausę kursą įgis teorinių žinių, būtinų analizuojant HSM kiekybinius duomenis, taikant sudėtingesnius statistikos metodus ir programinę įrangą, bei gebės:

• parengti tyrimų duomenis kompiuterinei analizei;
• parinkti tinkamus statistikos metodus realių duomenų analizei;
• sudaryti duomenų statistinės analizės modelius;
• atlikti įvairią duomenų statistinę analizę panaudojant profesionalią statistikos programinę įrangą SPSS;
• suprasti ir interpretuoti statistinių skaičiavimų rezultatus;
• įvertinti gautų rezultatų tikslumą ir patikimumą;
• apibendrinti gautus rezultatus ir pateikti pagrįstas išvadas;
• rengti statistinių tyrimų ataskaitas.

Mokymo kurse paskaitos ir seminarai bus vedami tokiomis temomis:

  1. Statistiniai metodai ir programinės priemonės HSM tyrimuose (teorinė paskaita).
  2. Požymių priklausomumo tyrimas (teorinė paskaita ir praktinis seminaras).
  3. Dispersinė analizė (teorinė paskaita ir praktinis seminaras).
  4. Regresinė analizė (teorinė paskaita ir praktinis seminaras).
  5. Faktorinė analizė (teorinė paskaita ir praktinis seminaras).

Teikiant mokymo kursą bus derinami teorinių paskaitų ir praktinių įgūdžių lavinimo komponentai. Teorinės paskaitos metu bus suteikiamos teorinės žinios, būtinos kompiuterio pagalba analizuojant HSM kiekybinius duomenis; supažindinama su kiekybinių duomenų statistinės analizės metodais ir jų pagalba sprendžiamais uždaviniais. Praktinių seminarų metu bus ugdomi gebėjimai  parengti tyrimų duomenis analizei kompiuteriu; parinkti analizei tinkamus metodus; atlikti įvairią duomenų statistinę analizę su SPSS; interpretuoti statistinių skaičiavimų rezultatus; įvertinti gautų rezultatų tikslumą ir patikimumą; apibendrinti gautus rezultatus ir pateikti pagrįstas išvadas.