Module also offered within study programmes:
General information:
Name:
Research planning and methodology variant_VII
Course of study:
2019/2020
Code:
ZSDA-3-1024-s
Faculty of:
Szkoła Doktorska AGH
Study level:
Third-cycle studies
Specialty:
-
Field of study:
Szkoła Doktorska AGH
Semester:
1
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
prof. dr hab. inż. Svyetlichnyy Dmytro (svetlich@metal.agh.edu.pl)
Dyscypliny:
Moduł multidyscyplinarny
Module summary

Zakres tematyczny wykładów obejmuje wiedzę na temat planowania eksperymentów w zakresie nauki o materiałach, inżynierii materiałowej, sposobów prawidłowego przeprowadzenia prac eksperymentalnych oraz interpretacji uzyskanych wyników.

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence: is able to
M_K001 Doktorant posiada kompetencje do krytycznej oceny dorobku w ramach danej dyscypliny naukowej, krytycznej oceny własnego wkładu w rozwój dyscypliny, uznawania znaczenia wiedzy w rozwiązywaniu problemów poznawczych i praktycznych; SDA3A_K01 Presentation
Skills: he can
M_U001 Doktorant potrafi wykorzystywać wiedzę na temat metodologii ogólnej w celu innowacyjnego rozwiązywania problemów, potrafi wnioskować na podstawie wyników badań naukowych, dokonywać analizy metodologii naukowej, a także oceny wkładu innych naukowców w tworzenie zasobów wiedzy. SDA3A_U01 Report
Knowledge: he knows and understands
M_W001 Doktorant zna i rozumie metodologię badań naukowych; SDA3A_W03 Activity during classes
M_W002 Student identyfikuje paradygmaty w nauce i kierunki ich zmian. Student zna i rozumie zasady metodologii naukowej. SDA3A_W01 Activity during classes
Number of hours for each form of classes:
Sum (hours)
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
26 6 0 6 0 0 8 0 0 0 0 0
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Social competence
M_K001 Doktorant posiada kompetencje do krytycznej oceny dorobku w ramach danej dyscypliny naukowej, krytycznej oceny własnego wkładu w rozwój dyscypliny, uznawania znaczenia wiedzy w rozwiązywaniu problemów poznawczych i praktycznych; - - - - - + - - - - -
Skills
M_U001 Doktorant potrafi wykorzystywać wiedzę na temat metodologii ogólnej w celu innowacyjnego rozwiązywania problemów, potrafi wnioskować na podstawie wyników badań naukowych, dokonywać analizy metodologii naukowej, a także oceny wkładu innych naukowców w tworzenie zasobów wiedzy. - - + - - + - - - - -
Knowledge
M_W001 Doktorant zna i rozumie metodologię badań naukowych; + - - - - + - - - - -
M_W002 Student identyfikuje paradygmaty w nauce i kierunki ich zmian. Student zna i rozumie zasady metodologii naukowej. + - - - - + - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 40 h
Module ECTS credits 1 ECTS
Udział w zajęciach dydaktycznych/praktyka 26 h
Preparation for classes 6 h
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 4 h
Realization of independently performed tasks 4 h
Module content
Lectures (6h):
Tematyka wykładów:

Struktura wiedzy, poziomy uogólnienia wiedzy i ich rozwój. Rodzaje rzeczywistości, ich przenikanie i współdziałanie. Pojęcie metodologii nauk, wiedza potoczna i wiedza naukowa, zadania metodologii. Nauka i praktyka. Fakty i teoria naukowa, role teorii w obserwacji i eksperymencie.
Zasady planowania eksperymentu.
Metody statystyczne w planowaniu, prowadzeniu i analizie badań.
Interpretacja i analiza wyników eksperymentalnych, metody obróbki danych;

Lectures (6h):
-
Laboratory classes (6h):

1. Wyznaczenie równania regresji dwóch zmiennych, wyznaczenie współczynników korelacji
2. Nieliniowa aproksymacja
3. Estymacja linii regresji

Seminar classes (8h):
Tematy referatów wyznacza prowadzący
Additional information
Teaching methods and techniques:
  • Lectures: Treści prezentowane na wykładach są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym.
  • Lectures: Nie określono
  • Laboratory classes: W trakcie zajęć laboratoryjnych studenci samodzielnie rozwiązują zadany problem praktyczny, dobierając odpowiednie narzędzia.
  • Seminar classes: Referaty przedstawiane w postaci prezentacji oraz uczestniczą w dyskusji. Ocenie podlega zarówno wartość merytoryczna prezentacji jak i udział w dyskusji.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Ćwiczenia laboratoryjne – sprawozdanie.
Seminarium – referat.

Participation rules in classes:
  • Lectures:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości.
  • Lectures:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Nie określono
  • Laboratory classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Obecność obowiązkowa.
  • Seminar classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Obecność obowiązkowa
Method of calculating the final grade:

Średnia: 1/2 ćwiczeń +1/2 oceny referatu.

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Obecność na zajęciach jest kontrolowana, dopuszczalne są 2 usprawiedliwione lub nieusprawiedliwione nieobecności.
Każda następna nieobecność powinna być zaliczona – krótkie kolokwium w terminie 3 tygodni od powrotu na uczelnię po zwolnieniu lub – jeśli to nie jest możliwe, dodatkowymi pytaniami podczas testu końcowego.
Przy nieobecności na seminariach – dodatkowy referat.
Przy nieobecności na ćwiczeniach – wykonanie samodzielne kilku wariantów zadań.

Prerequisites and additional requirements:

Brak

Recommended literature and teaching resources:

Przykładowo:
1. Andrzej Gołaś, Ireneusz Czajka, Inżynierskie metody analizy numerycznej i planowanie eksperymentu, Wydawnictwa AGH, 2017;
2. Mieczysław Korzyński, Metodyka eksperymentu, PWN, 2017;

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

None