Vedecký výskum v manažmente (v anglickom jazyku)
- Kredity: 10
- Ukončenie: Skúška
- Rozsah: 16sP
- Semester: zimný
- Ročník: 1
- Fakulta podnikového manažmentu
Vyučujúci
Zaradený v študijných programoch
Výsledky vzdelávania
Vedomosť:
• Študent získa nové a rozšíri si existujúce vedomosti o dostupných vedeckých databázach, registrácii v nich a následne o postupoch práce pri hľadaní literárnych zdrojov v platených ako aj verejne dostupných databázach.
• O procese a postupoch transformácie teoretických konštruktov/pojmov/definícií na empirické meracie nástroje s konkrétne definovanými očakávanými vzťahmi, čo povedie k stanoveniu cieľov a následnému dizajnu na dosiahnutie cieľov.
• O všetkých bežne používaných vedeckých dizajnoch, ich jednotlivých podkategóriách a štatistických metódach používaných na ich realizáciu. Konkrétne: exploračný výskumný dizajn (explorácia dát, identifikovanie latentných premenných), deskriptívny výskumný dizajn (vzťahy medzi premennými, porovnávanie skupín, overovanie latentných premenných), explanačný výskumný dizajn (identifikovanie vplyvov premenných)
• O aplikovaní konkrétnych štatistických metód používaných pre konkrétne výskumné dizajny.
• O systéme a organizácii písania vedeckých článkov, vlastnej dizertačnej práce.
Kompetentnosť :
• V systematickej, hlbokej a komplexnej práci s vedeckou literatúrou. Ako z najnovších vedeckých literárnych zdrojov identifikovať potencionálne sľubné výskumné línie, založené na hlbokej a premyslenej argumentácii podloženej najnovšími literárnymi zisteniami.
• V práci s teoretickými konštruktami/pojmami/definíciami používanými v danej doméne. Študent sa naučí priraďovať k teoretickým konštruktom konkrétne meracie nástroje (dotazníky, inventáre, úlohy, stimulačné materiály, vzorce, rovnice, atď.) a bude vedieť systematicky vyargumentovať prečo z viacerých možností vybral jednu konkrétnu. Súčasne bude vedieť posúdiť ich časové, nákladové a praktické výhody i limity.
• Dokáže si stanoviť reálne a dosiahnuteľné ciele rámcované a opísané najaktuálnejšími vedeckými pojmami a založené na aktuálnych vedeckých a teoretických konštruktoch. V previazanosti s cieľmi si dokáže stanoviť hypotézy.
• Na základe cieľov bude študent kompetentný vybrať si najvhodnejší výskumný dizajn, ktorým dokáže stanovené ciele dosiahnuť.
• Prakticky realizovať a úspešne dokončiť primárny zber dát, alebo zhromaždenie sekundárnych dát podľa stanoveného výskumného dizajnu.
• Pripraviť si dáta vo formáte a štruktúre, ktorú vyžaduje štatistický opensource softvér JAMOVI a následne na základe rozsiahlych vedomostí o konkrétnych štatistických metódach/testoch/analýzach samostatne analyzovať získané dáta, overiť stanovené hypotézy a tým naplniť jednotlivé ciele ako aj hlavný cieľ výskumu/záverečnej práce.
• Empirické výsledky prezentovať v diskusii v kontexte teoretického základu a východísk. Na základe toho vytvoriť jedinečný a originálny vlastný vedecký prínos, ktorý rozširuje súčasné vedecké poznanie v konkrétnej špecifickej oblasti/doméne.
• Teoretickú časť, ciele, metodológiu a výsledky spracovať vo forme vedeckého článku, ktorý spĺňa všetky predpoklady potrebné na publikáciu v zahraničnom karentovanom časopise s vysokým impakt faktorom.
• Navrhnúť si organizovaný podrobný publikačný plán v kategóriách štúdium literatúry, ciele, dizajn, zber, analýza a písanie založený na realistických odhadoch.
Zručnosť :
• Orientovať sa a pracovať s vedeckými databázami článkov. Zručnosť v hľadaní založenom na rôznych technikách, kritériách, databázach
• Úspešne zvládne postup určenia literatúry, ktorá sa vzťahuje k predmetnému problému.
• Vzťah medzi použitou metodikou a možnosťami následnej analýzy a výstupom analýzy. Kedy je potrebný výskum a kedy sa môžeme spoľahnúť na exitujúce informácie.
• Proces identifikovania a správneho stanovenia problému. Určovanie analýzy, určovanie premenných, stanovenie si výskumných cieľov, otázok a následne hypotéz.
• V postupoch testovania hypotéz.
• Použiť široké spektrum aj náročných štatistických testov, pomocou ktorých sa overia hypotézy a dosiahnu sa stanovené ciele.
• V sumarizácii vlastných výsledkov a ich interpretácii v kontexte existujúcich štúdií a teoretických východísk.
Stručná osnova predmetu
1. Dizertačná práca ako vedecká kvalifikačná práca, jej odlišnosť od profesijných kvalifikačných prác (bakalárska, diplomová práca).
2. Práca s literatúrou a systematická tvorba teoretickej bázy nevyhnutnej v dizertačnej práci a vo vedeckých článkoch.
3. Identifikovanie špecifického vedeckého výskumného problému.
4. Princípy používania a definovanie konštruktov/pojmov/definícií, ktoré tvoria abstraktný a teoretický rámec vybranej problematiky a práca s týmito konštruktami.
5. Exploračný výskumný dizajn a štatistické metódy používané v tomto type dizajnu I.
6. Exploračný výskumný dizajn a štatistické metódy používané v tomto type dizajnu II.
7. Deskriptívny výskumný dizajn I.
8. Explanačný výskumný dizajn.
Odporúčaná literatúra
1. FIELD, Andy. Discovering statistics using IBM SPSS statistics. Sage, 2013.
2. PERVEZ Ghauri - GRØNHAUG Kjell - STRANGE Roger. Research methods in business studies. Cambridge University Press, 2020.
3. EVANS, Jonathan. How to Be a Researcher: A strategic guide for academic success. Routledge: 2015 ISBN: 978-1138917316
4. BOWERMAN, Bruce. Business Statistics in Practice: Using Data, Modeling, and Analytics. McGraw-Hill Higher Education: 2016.
5. JOHNSON, Andrew - SUMPTER, John. How to be a Better Scientist. Routledge: 2018. ISBN: 978-1138731295
6. ROBERTS, Carol. - Hyatt Laura M. The dissertation journey: A practical and comprehensive guide to planning, writing, and defending your dissertation. Corwin Press. 3 vydanie: 2018. ISBN: 978-1506373317
7. MOORE, David et al. The practice of statistics for business and economics. WH Freeman: 2016.
8. ZIKMUND, William - CARR Jon - GRIFFIN Mitch. Business Research Methods. Cengage Learning, 2013.
9. SAUNDERS, Mark - LEWIS Philip - THORNHILL Adrian. Research Methods for Business Students (4th edn.) (2011).
10. GREENER, Sue. Business research methods. BookBoon, 2008.
11. THARENOU, Phyllis - DONOHUE Ross - COOPER Brian. Management research methods. Cambridge University Press, 2007.
12. FIELD, Andy - HOLE Graham. How to design and report experiments. Sage, 2002.
13. ADAMS, John - HAFIZ TA Khan - RAESIDE Robert. Research methods for business and social science students. SAGE Publications India, 2014.
Scientific Papers:
1. ALBERS, Casper – LAKENS, Daniël. "When power analyses based on pilot data are biased: Inaccurate effect size estimators and follow-up bias." Journal of experimental social psychology 74, 2018, s. 187-195.
2. ALTMAN, Douglas G - BLAND J. Martin. "Statistics notes: the normal distribution." Bmj 310, no. 6975, 1995, s. 298.
3. BISHARA, Anthony J. – HITTNER, James B.. "Testing the significance of a correlation with nonnormal data: comparison of Pearson, Spearman, transformation, and resampling approaches." Psychological methods 17, no. 3, 2012,s 399.
4. BROWN, J. "Choosing the right number of components or factors in PCA and EFA." JALT Testing & Evaluation SIG Newsletter 13, no. 2, 2009.
5. BURMEISTER, Elizabeth, - AITKEN Leanne. "Sample size: How many is enough?." Australian Critical Care 25, no. 4, 2012, s. 271-274.
6. COHEN, Patricia - COHEN Jacob - AIKEN Leona S. - WEST Stephen G.. "The problem of units and the circumstance for POMP." Multivariate behavioral research 34, no. 3, 1999, s. 315-346.
7. COSTELLO, Anna B. - OSBORNE Jason. "Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis." Practical assessment, research, and evaluation 10, no. 1, 2005, s 7.
8. INTHOUT, Joanna - IOANNIDIS John - BORM George F.. "The Hartung-Knapp-Sidik-Jonkman method for random effects meta-analysis is straightforward and considerably outperforms the standard DerSimonian-Laird method." BMC medical research methodology 14, no. 1, 2014, s 1-12.
9. KOLDE, Raivo - LAUR Sven - ADLER Priit - VILO Jaak. "Robust rank aggregation for gene list integration and meta-analysis." Bioinformatics 28, no. 4, 2012, s. 573-580.
10. LENTH, Russell V. "Some practical guidelines for effective sample size determination." The American Statistician 55, no. 3, 2001, s. 187-193.
11. LIN, Shili. "Rank aggregation methods." Wiley Interdisciplinary Reviews: Computational Statistics 2, no. 5, 2010, s. 555-570.
12. LUMLEY, Thomas - DIEHR, Paula - EMERSON Scott - CHEN Lu. "The importance of the normality assumption in large public health data sets." Annual review of public health 23, no. 1, 2002, s. 151-169.
13. MACCALLUM, Robert C. - WIDAMAN Keith F - ZHANG Shaobo - HONG Sehee. "Sample size in factor analysis." Psychological methods 4, no. 1 (1999): 84.
14. MOELLER, Julia. "A word on standardization in longitudinal studies: don't." Frontiers in psychology 6, 2015, s. 1389.
15. MORDKOFF, J. Toby. "The assumption (s) of normality." Dostupno na: goo. gl/g7MCwK (Pristupljeno 27.05. 2017.), 2016.
16. OSBORNE, Jason W. "What is rotating in exploratory factor analysis?." Practical Assessment, Research, and Evaluation 20, no. 1, 2015, s 2.
17. QURESHI, M. E. - HARRISON Steve R. - WEGENER M. K.. "Validation of multicriteria analysis models." Agricultural Systems 62, no. 2, 1999, s. 105-116.
18. SCHMITT, Thomas A. - SASS and Daniel. "Rotation criteria and hypothesis testing for exploratory factor analysis: Implications for factor pattern loadings and interfactor correlations." Educational and Psychological Measurement 71, no. 1, 2011, s. 95-113.
19. SEIDE, Svenja E. - RÖVER Christian - FRIEDE Tim. "Likelihood-based random-effects meta-analysis with few studies: empirical and simulation studies." BMC medical research methodology 19, no. 1, 2019, s. 1-14.
20. NG, Marie - LIN Jingjing. "Testing for mediation effects under non-normality and heteroscedasticity: a comparison of classic and modern methods." International Journal of Quantitative Research in Education 3, no. 1-2, 2016, s. 24-40.
21. SUGASAWA, Shonosuke -NOMA Hisashi. "A unified method for improved inference in random effects meta-analysis." Biostatistics 22, no. 1, 2021, s. 114-130.
22. XIA, Yan - YANG Yanyun. "RMSEA, CFI, and TLI in structural equation modeling with ordered categorical data: The story they tell depends on the estimation methods." Behavior research methods 51, no. 1, 2019, s. 409-428.
Sylabus predmetu
1. Dizertačná práca ako vedecká kvalifikačná práca, jej odlišnosť od profesijných kvalifikačných prác (bakalárska, diplomová práca). Vedecký výskum na doktorandskom štúdiu. Význam a postavenie vedeckého publikovania v procese doktorandského štúdia a vo vedeckom výskume. Dizertačný projekt ako vedecký projekt a charakteristiky vedeckých výskumných projektov. Celkový proces vedeckého výskumu a jeho 11 jednotlivých krokov. Časová, nákladová a prácna náročnosť vo vedeckom výskume. 2. Práca s literatúrou a systematická tvorba teoretickej bázy nevyhnutnej v dizertačnej práci a vo vedeckých článkoch. Proces budovania a skladby vedeckej argumentácie. Systém na vytvorenie teoretického literárneho základu nevyhnutného na generovanie vlastného jedinečného vedeckého prínosu v danej oblasti výskumu. Vedecké databázy Scopus, Science direct, Web of science a iné (Elsevier, Sage, atď). Možnosti registrácie, pracovné prostredie, pokročilý systém vyhľadávania, nastavenia a prispôsobenia. Verejná databáza Google Scholar a práca s ňou. 3. Identifikovanie špecifického vedeckého výskumného problému, ktorý môže byť vytvorený ako: a) problém pri ktorom absentujú vedecké výskumy, alebo sú nedostatočné b) problém pri ktorom rôzne skupiny výskumníkov prichádzajú k rôznym záverom. Ukotvenie problému ako jednotiaceho motívu výskumu, ktorý prepája teóriu, ciele, metódy, diskusiu k výsledkom a závery. Tvorba argumentácie. 4. Princípy používania a definovanie konštruktov/pojmov/definícií, ktoré tvoria abstraktný a teoretický rámec vybranej problematiky a práca s týmito konštruktami. Proces vytvárania očakávaných vzťahov medzi konštruktami ako východisko pre stanovenie cieľov a metodológie výskumu. Proces premeny teoretických konštruktov/pojmov/definícií do formy konkrétnych praktických meracích nástrojov (dotazníky, inventáre, úlohy, stimulačné materiály, vzorce, rovnice, atď.) navrhnutých na meranie týchto konštruktov. Výhody a limity rôznych meracích nástrojov pre jeden konkrétny konštrukt z hľadiska časovej, nákladovej a praktickej náročnosti. Tvorba realistických a dosiahnuteľných cieľov, na základe teoretického prehľadu literatúry, stanovenia vzťahov medzi konštruktami/pojmami, výberu vhodných meracích nástrojov. 5. Exploračný výskumný dizajn a štatistické metódy používané v tomto type dizajnu I. Rozšírenie vedomostí a zručností v oblasti deskriptívnej štatistiky (ukazovatele centrálnej tendencie, polohy a variability), grafické zobrazenie dát (histogramy, krabicové grafy (bar plot)), metódy a testy používané na meranie rozloženia dát a na meranie homoskedasticity. Identifikovanie latentných (skrytých) premenných pomocou exploračnej faktorovej analýzy. Porovnanie metód exploračná faktorová analýza oproti analýze hlavných komponentov. Podmienky aplikácie a limity týchto metód. 6. Exploračný výskumný dizajn a štatistické metódy používané v tomto type dizajnu II Frekvenčná analýza, kontingenčné tabuľky, chí kvadrát test. Zhluková/klastrová analýza. Hierarchické a nehierarchické zhlukovacie metódy. 7. Deskriptívny výskumný dizajn I: Preskúmanie vzťahov medzi premennými podľa typu premennej: nominálna (Cramerovo V, Phi,), ordinálna/kardinálna (Gamma, Kendallovo tau B, Mantel-Haenszel test,/ Pearsonovo r ). Štatistické metódy používané meranie vzťahov pre premenné nominálna, ordinálna a kardinálna. Deskriptívny výskumný dizajn II: Porovnávanie 2 nezávislých skupín. Parametrické (Studentov t –test, Welchov test) a neparatmetické metódy porovnávania skupín. Mann - Whitneyho test, Wilcoxonov test Porovnávanie troch a viac nezávislých skupín. Parametrické (ANOVA) a neparametrické metódy porovnávania skupín. Kruskal Wallisov test. Deskriptívny výskumný dizajn III: Overovanie latentných premenných. Konfirmačná faktorová analýza 8. Explanačný výskumný dizajn. Skúmanie vplyvu jednej/viacerých premenných na inú premennú, identifikovanie prediktorov/determinantov a vzťahy medzi nimi. Regresné modely a moderačné, mediačné a zmiešané modely. Skúmanie vplyvu jednej/viacerých premenných na inú premennú, identifikovanie prediktorov/determinantov a vzťahy medzi nimi. Štrukturálne modely.
Podmienky na absolvovanie predmetu
40 % vypracovanie projektu súvisiaceho s metodológiou vlastnej dizertačnej práce, 60 % prezentácia a obhajoba projektu
Pracovné zaťaženie študenta
260 h - účasť na konzultáciách 16 h, príprava na konzultácie 32 h, spracovanie priebežne zadávaných úloh 16 h, spracovanie vedeckej state 90 h, príprava na skúšku 106 h)
Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu
anglický
Dátum schválenia: 11.03.2024
Dátum poslednej zmeny: 14.05.2022
Dátum schválenia: 11.03.2024
Dátum poslednej zmeny: 14.05.2022