Metodyka pisania i metody badawcze w pracy magisterskiej, Opracowania z Naukoznawstwo

Pobierz Metodyka pisania i metody badawcze w pracy magisterskiej i więcej Opracowania w PDF z Naukoznawstwo tylko na Docsity!

Metodyka pisania

prac dyplomowych

Opracował:

prof. PŁ dr hab. inż. Andrzej Szymonik

Spis treści

1. Wymogi stawiane do układu pracy dyplomowej
2. Przypisy w pracy dyplomowej
3. Wymogi edycyjne Załączniki:
4. Karta tytułowa
5. Wstęp – przykład
6. Metody badawcze
7. Bibliografia – przykład
8. Pytania
9. Harmonogramu napisania pracy

Trzy pierwsze zagadnienia powstały w oparciu o Regulamin dyplomowania na Wydziale Organizacji i Zarządzania Politechniki Łódzkiej z dnia 8 lutego 2012 roku

2. Przypisy w pracy dyplomowej

Przypisy są wyrazem właściwego wykorzystania literatury przez autora pracy, pokazują na ile dobrze autor opracowuje literaturę i czy właściwie z niej korzysta. Przypisy zamieszczane są u dołu strony. Odgrywają w pracy bardzo ważną rolę, tworząc wraz z bibliografią tzw. aparat naukowy pracy^1. Służą nie tylko wskazaniu, z jakich źródeł i prac korzystał autor w konstruowaniu swojej pracy, ale również jest to środek umożliwiający zweryfikowanie samej pracy. Poprzez podanie źródła danej informacji autor umożliwia innym sprawdzenie, czy treści zawarte w pracy są zgodne ze stanem faktycznym, czy może autor opierał się na źródłach wątpliwej jakości. Przykłady (^2) S. Lebson, Podstawy miernictwa elektrycznego , PWN, Warszawa 1972, s. 87-101.

Przypis odwołujący się do opracowania zawartego w pracy zbiorowej: (^4) B. Suchodolski, Nauka nieujarzmiona , w: S. Kieniewicz (red.), Polska XIX wieku , PWE,

Warszawa 1986, s. 400-460.

Przypis odwołujący się do artykułu w czasopiśmie: (^51) B. Klary, Umberto Eco i jego rozmyślania , [w:] Biblioteka w szkole , PWN, Warszawa 2003,

s. 11.

Zasady cytowania - ciąg przypisów:

1. Jeżeli dana pozycja cytowana jest w następnym z kolei przypisie, lecz przypis odnosi się do innej niż poprzednia strony danej pozycji, stosuje się wówczas zapis: (^1) S. Lebson, Podstawy miernictwa elektrycznego , PWN, Warszawa 1972, s. 87-101. (^2) Tamże, s. 45.
2. W przypadku, gdy autor odwołuje się do fragmentu z tej samej strony, to wówczas wystarczy: (^1) S. Lebson, Podstawy miernictwa elektrycznego , PWN, Warszawa 1972, s. 87-101. (^2) Tamże.
3. Jeżeli dana pozycja cytowana jest w przypisie nie następującym bezpośrednio: 3.1. W przypadku prac samoistnych, prac zbiorowych jako całości, niektórych dokumentów: (^1) J. Bułat, Opis bibliograficzny i jego zastosowanie , Difin, Warszawa 2010, s. 17.

(^1) S. Lebson, Podstawy miernictwa elektrycznego , PWN, Warszawa 1972, s. 87- (^4) S. Lebson, Podstawy miernictwa..., dz. cyt., s. 87-101.

3.2. W przypadku czasopism (artykułów w czasopismach) oraz artykułów w pracach zbiorowych: (^1) B. Klary, Umberto Eco i jego rozmyślania , [w:] Biblioteka w szkole , PWN, Warszawa 2003, s. 11. (^45) B. Klary, Umberto Eco..., art. cyt., s. 11. (^1) B. Suchodolski, Nauka nieujarzmiona , [w:] S. Kieniewicz (red.), Polska XIX wieku , PWE, Warszawa 1986, s. 400-460. (^89) B. Suchodolski, Nauka nieujarzmiona.. ., art. cyt., s. 404.

3.2. W przypadku stron internetowych (^1) http://www.logistyka.net.pl/index.php?option, 16.08.2010.

11. W przypadku opracowania rysunku lub tabeli przez studenta należy podać jako źródło – opracowanie własne lub opracowanie własne na podstawie ...
12. Wzory należy wycentrować, numerację umieścić przy prawym marginesie. Numeracja wzorów w pracy jest ciągła. z^2 = x^2 + y^2 (1)
13. Dla wzorów źródło można podać w przypisie.
14. Przypisy należy umieścić na dole strony z numeracją ciągłą dla całej pracy. Wielkość czcionki przypisu 10 pkt.
15. Tytuł rozdziału 1 poziom - czcionka 16 pkt., wyrównanie do lewej, pogrubiony, pisany wielkimi literami, odstęp przed i po akapicie 12 pkt. Numeracja pierwszego poziomu rozdziałów 1., 2., 3., ...
16. Tytuł podrozdziału 2 poziom - czcionka 14 pkt., wyrównanie do lewej, pogrubiony, odstęp przed i po akapicie 12 pkt. Numeracja 2 poziomu podrozdziałów 2.1., 2.2., 2.3. .....
17. Tytuł podrozdziału 3 poziom - czcionka 12 pkt., wyrównanie do lewej, pogrubiony, odstęp przed i po akapicie 12 pkt. Numeracja podrozdziałów 3 poziomu 2.1.1., 2.1.2., 2.1.3., ......
18. Tekst podstawowy - czcionka 12 pkt., wyjustowany, odstępy między wierszami 1, wiersza, akapit (wcięcie pierwszego wiersza) 1,25 cm. Należy narzucić dzielenie wyrazów w tekście.
19. Tytuł tabeli - czcionka 12 pkt., wyrównany do lewego brzegu tabeli, odstęp między wierszami pojedynczy, odstęp po akapicie 6 pkt.
20. Podpis pod rysunkiem - czcionka 12 pkt., wyśrodkowany lub wyrównany do lewego brzegu rysunku, odstęp między wierszami pojedynczy, odstęp po akapicie 6 pkt.
21. Źródło - czcionka 11 pkt., wyśrodkowany tak jak rysunek lub tabela, kursywa, odstęp między wierszami pojedynczy, odstęp przed i po akapicie 6 pkt.
22. Wypunktowania lub numerowanie muszą w całej pracy mieć jeden rodzaj dla danego poziomu np.  Produkt XXX (pierwszy poziom wypunktowania)  Produkt YYY Rodzaj A (drugi poziom wypunktowania) Rodzaj B
23. Pozycje w wypunktowaniu lub numerowaniu - czcionka 12 pkt., tekst wyjustowany, odstępy między wierszami 1,5 wiersza.
24. Pozycje w spisie literatury - czcionka 12 pkt., wyjustowany, odstęp między wierszami pojedynczy.
25. Pozycje w spisach tabel, rysunków, załączników – czcionka 12 pkt., tekst wyjustowany, odstęp między wierszami pojedynczy.
26. Dla spisu rysunków i tabel należy zastosować zasady tworzenia jak przy spisach treści. Numer strony podany przy prawym marginesie. Między tekstem a numerem strony znaki wiodące kropki.
27. W tekście nie mogą występować puste miejsca.
28. Główne rozdziały (pierwszy poziom) muszą zaczynać się od nowej strony.
29. Załączniki muszą być numerowane.

Załącznik 1

POLITECHNIKA ŁÓDZKA WYDZIAŁ ORGANIZACJI I ZARZĄDZANIA

KIERUNEK: (ZARZĄDZANIE / ZARZĄDZANIE I MARKETING /

ZARZĄDZANIE I INŻYNIERIA PRODUKCJI / EUROPEISTYKA / INŻYNIERIA

BEZPIECZEŃSTWA PRACY)

SPECJALNOŚĆ: (np. ZARZĄDZANIE SPRZEDAŻĄ) –jeżeli studia są bez

specjalności, należy pominąć ten element

(imię i nazwisko autora pracy) (numer albumu)

TEMAT PRACY DYPLOMOWEJ

Praca dyplomowa (magisterska/inżynierska/licencjacka) napisana w (nazwa jednostki) pod kierunkiem naukowym (tytuł naukowy lub stopień naukowy, imię i nazwisko promotora)

ŁÓDŹ

(rok złożenia pracy)

W niniejszej pracy zastosowane zostały następujące metody badawcze: teoretyczne:  analizę – rozpatrywanie algorytmów pod kątem poprawności oraz szybkości działania,  syntezę – wyciąganie wniosków na podstawie szczegółowych wyników przeprowadzonych badań,  porównanie – wykrywanie cech podobieństwa i odmienności badanych algorytmów przez odniesienie się do innych funkcjonujących w rzeczywistych systemach; empiryczne – zostały opisane w podrozdziale 5 zatytułowanym „Praktyczna metody badawcze algorytmów rozpoznawania obrazów w środowisku MATLAB”. W pracy wykorzystana została literatura zarówno krajowa jak i zagraniczna. Szczególnie pomocna okazała się pozycja R. Tadeusiewicza pt. „Rozpoznawanie obrazów”, która w sposób bardzo rzeczowy, a zarazem zrozumiały przedstawia teorię dotyczącą omawianego zagadnienia. W przypadku literatury zagranicznej istotne są książki autorstwa S. Theodoridis’a oraz K. Koutroumbas’a PatternRecognition i AnIntroduction to PatternRecognition: A MATLAB Approach , na których oparta została implementacja algorytmów w środowisku MATLAB. Praca składa się ze wstępu, sześciu rozdziałów, zakończenia oraz bibliografii. Rozdział pierwszy stanowi wprowadzenie do zagadnienia widzenia maszynowego, traktuje o jego właściwościach oraz zastosowaniach. Wydzielony jest system wizyjny jako część składowa widzenia maszynowego. Kolejny rozdział dokonuje podziału algorytmów rozpoznawania obrazów na poszczególne kategorie ze względu na różne kryteria. Wprowadzone są podstawowe pojęcia dotyczące zagadnienia rozpoznawania wzorców. W rozdziale trzecim opisane są elementy analizy oraz przetwarzania obrazu (np. morfologia obrazu) cyfrowego w celu ekstrakcji wymaganych cech badanych obiektów. Rozdział czwarty skupia się na analizie wybranych algorytmów rozpoznawania obrazów oraz interpretacji otrzymanych wyników. W kolejnej części przedstawione jest zastosowanie w zadaniu rozpoznawania oraz klasyfikacji wbudowanych narzędzi środowiska MATLAB służących do tworzenia sztucznych sieci neuronowych. Ostatni rozdział opisuje funkcje przygotowanej w środowisku MATLAB aplikacji.

Załącznik 2A

Wstęp - przykład

Tematem pracy jest „Analiza porównawcza algorytmów rozpoznawania obrazów w środowisku MATLAB”. Tam gdzie nie wystarcza automatyczna identyfikacja wyrobów (np. kody kreskowe czy elektroniczne oznakowanie produktu) a wymagana jest wiedza odnośnie jego struktury wewnętrznej czy wymiarów coraz częściej firmy stosują tzw. widzenie maszynowe. Wybór właściwego widzenia maszynowego ułatwia praktyczna aplikacja stworzona w środowisku MATLAB przy pomocy interfejsu graficznego GUIDE ( Graphical User Interface Development ). Wybór tematu podyktowany był wzrastającym znaczeniem systemów widzenia maszynowego w innowacyjnych rozwiązaniach technologicznych. Celem pracy było przeprowadzenie analizy porównawczej wybranych metod/algorytmów rozpoznawania obrazów, wyciągnięcie wniosków z otrzymanych wyników oraz ich interpretacja. Zakres rozważań dotyczył algorytmów rozpoznawania obrazów, które są nieodłączną częścią systemów wizyjnych wchodzących w skład szerokiego obszaru, jakim jest widzenie maszynowe. Badania obejmowały klasyfikację statycznych obrazów (zdjęć) na podstawie ich kształtu, rozmiaru oraz barwy. Głównym przesłaniem pracy jest teza: analiza porównawcza algorytmów rozpoznawania obrazów w środowisku MATLAB pozwoli na wybranie korzystnego rozwiązania widzenia maszynowego, które usprawni cykl produkcyjny. Dla tak sformułowanej tezy pomocnymi w jej potwierdzeniu będą następujące hipotezy badawcze: Jeżeli zastosujemy widzenie maszynowe to usprawnimy funkcjonowanie nowoczesnych linii technologicznych. Jeżeli zaimplementujemy algorytm rozpoznania to usprawnimy proces kontroli jakości wyrobu. Jeżeli zastosujemy widzenie maszynowe to udoskonalimy sterowanie linią produkcyjną. W niniejszej pracy zastosowane zostały następujące metody badawcze: eksperyment naukowy – wnoszenie zmian do badanego obiektu, regulowanie ich i kontrolowanie w celu poznania wybranych związków istniejących między przedmiotem badań a otoczeniem;

analiza – rozpatrywanie algorytmów pod kątem poprawności oraz szybkości działania;

Załącznik 2B

Wstęp - przykład

Tematem pracy jest „Analiza porównawcza algorytmów rozpoznawania obrazów w środowisku MATLAB”. Tam gdzie nie wystarcza automatyczna identyfikacja wyrobów (np. kody kreskowe czy elektroniczne oznakowanie produktu) a wymagana jest wiedza odnośnie jego struktury wewnętrznej czy wymiarów coraz częściej firmy stosują tzw. widzenie maszynowe. Wybór właściwego widzenia maszynowego ułatwia praktyczna aplikacja stworzona w środowisku MATLAB przy pomocy interfejsu graficznego GUIDE ( Graphical User Interface Development ). Wybór tematu podyktowany był wzrastającym znaczeniem systemów widzenia maszynowego w innowacyjnych rozwiązaniach technologicznych. Celem pracy było przeprowadzenie analizy porównawczej wybranych metod/algorytmów rozpoznawania obrazów, wyciągnięcie wniosków z otrzymanych wyników oraz ich interpretacja. Zakres rozważań dotyczył algorytmów rozpoznawania obrazów, które są nieodłączną częścią systemów wizyjnych wchodzących w skład szerokiego obszaru, jakim jest widzenie maszynowe. Badania obejmowały klasyfikację statycznych obrazów (zdjęć) na podstawie ich kształtu, rozmiaru oraz barwy. Głównym przesłaniem pracy jest teza: analiza porównawcza algorytmów rozpoznawania obrazów w środowisku MATLAB pozwoli na wybranie korzystnego rozwiązania widzenia maszynowego, które usprawni cykl produkcyjny. Dla tak sformułowanej tezy pomocnymi w jej potwierdzeniu będą następujące pytania badawcze: jakie zadanie ma spełniać system wizyjny, w którym zostanie zaimplementowany algorytm rozpoznawania? czy wymagany jest szybszy czas działania kosztem poprawności (np. systemy działające w czasie rzeczywistym)? czy poprawność wykonania rozpoznania obrazu jest znacznie bardziej istotna niż szybkość działania algorytmu?

W niniejszej pracy zastosowane zostały następujące metody badawcze:

eksperyment naukowy – wnoszenie zmian do badanego obiektu, regulowanie ich i kontrolowanie w celu poznania wybranych związków istniejących między przedmiotem badań a otoczeniem;

analiza – rozpatrywanie algorytmów pod kątem poprawności oraz szybkości działania; synteza – wyciąganie wniosków na podstawie szczegółowych wyników przeprowadzonych badań; interpretacja – wyjaśnianie otrzymanych wyników. W pracy wykorzystana została literatura zarówno krajowa jak i zagraniczna. Szczególnie pomocna okazała się pozycja R. Tadeusiewicza pt. „Rozpoznawanie obrazów”, która w sposób bardzo rzeczowy, a zarazem zrozumiały przedstawia teorię dotyczącą omawianego zagadnienia. W przypadku literatury zagranicznej istotne są książki autorstwa S. Theodoridis’a oraz K. Koutroumbas’a„PatternRecognition” i „AnIntroduction to PatternRecognition: A MATLAB Approach”, na których oparta została implementacja algorytmów w środowisku MATLAB. Praca składa się ze wstępu, sześciu rozdziałów, zakończenia oraz bibliografii. Rozdział pierwszy stanowi wprowadzenie do zagadnienia widzenia maszynowego, traktuje o jego właściwościach oraz zastosowaniach. Wydzielony jest system wizyjny jako część składowa widzenia maszynowego. Kolejny rozdział dokonuje podziału algorytmów rozpoznawania obrazów na poszczególne kategorie ze względu na różne kryteria. Wprowadzone są podstawowe pojęcia dotyczące zagadnienia rozpoznawania wzorców. W rozdziale trzecim opisane są elementy analizy oraz przetwarzania obrazu (np. morfologia obrazu) cyfrowego w celu ekstrakcji wymaganych cech badanych obiektów. Rozdział czwarty skupia się na analizie wybranych algorytmów rozpoznawania obrazów oraz interpretacji otrzymanych wyników. W kolejnej części przedstawione jest zastosowanie w zadaniu rozpoznawania oraz klasyfikacji wbudowanych narzędzi środowiska MATLAB służących do tworzenia sztucznych sieci neuronowych. Ostatni rozdział opisuje funkcje przygotowanej w środowisku MATLAB aplikacji.

 generalizującą – ujmuje się w procesie myślowym nie jeden, lecz wiele przedmiotów składający się na wyróżniony pod jakimś względem zbiór (wyodrębnia się wówczas pewne cechy właściwe badanym przedmiotom i dokonuje się ich generalizacji). Porównanie – ustalenie podobieństw i różnic między badanymi przedmiotami. Zasady postępowania:  porównać zjawiska podobnego rodzaju, pozostające ze sobą w podobnych związkach oraz współzależne;  ujawnić nie tylko cechy podobieństwa, lecz i różnicę w zjawiskach stanowiących przedmiot porównań;  porównać przede wszystkim właściwości istotnych badanych zjawisk. Uogólnienie – rozszerzanie na ogół lub na duży zakres zjawisk czy faktów twierdzeń, wniosków wyciągniętych z poszczególnych faktów, przesłanek (twierdzenie ogólne, sformułowane na podstawie obserwacji i wyciągania wniosków z poszczególnych zjawisk i faktów). Dzięki uogólnieniu możliwe jest ujawnienie cech i zjawisk powtarzanych, co z kolei prowadzi do wykrywania ich przyczyn i formułowania oraz dokonywania systematyzacji, typizacji, klasyfikacji zjawisk. Uogólnienie oparte na porównaniu nieodłącznie towarzyszy syntezie, ściśle wiążąc się z abstrahowaniem, a także z analizą. Wnioskowanie – w najprostszym ujęciu jest to proces myślowy, za którego pośrednictwem z jednego lub kilku twierdzeń wyprowadza się nowe twierdzenie. Do metod wnioskowania zaliczmy:  dedukcję (sposób wnioskowania logicznego polegający na wyprowadzaniu ze zdania lub zdań uznanych za prawdziwe ich następstwa, tj. zdania, które wynika z tamtych w sposób logiczny) i redukcję (sposób rozumowania, w którym do danego zdania, uznanego za prawdziwe, dobiera się takie zdanie – rację logiczną, z którego to pierwsze logicznie wynika);  indukcję (przeciwieństwo dedukcji, empiryczna metoda badań, polegająca na dochodzeniu do praw ogólnych na podstawie eksperymentów i doświadczalnie stwierdzonych faktów, a następnie wyprowadzenie wniosków ogólnych z przesłanek, będących poszczególnymi przypadkami tych wniosków);  analogię – zgodność, odpowiedniość, podobieństwo pewnych cech między odmiennymi skądinąd przedmiotami, zjawiskami.

Metody heurystyczne – ogół sposobów i reguł postępowania służących podejmowaniu najwłaściwszych decyzji w skomplikowanych sytuacjach, wymagających analizy dostępnych informacji, a także przewidzenia zjawisk przyszłych; oparte na twórczym myśleniu i kombinacjach logicznych. Rodzaje metod heurystycznych:  transfer pojęć – polegający na przenoszeniu pojęć z jednej dziedziny do drugiej;  definicja – polegająca na uściślaniu definicji powszechnie używanych słów przy założeniu, że ustalenie kwestii terminologicznych niejednokrotnie jest istotne dla meritum problemu;  odnawianie – sprowadzająca się do włączenia do danej doktryny nowych osiągnięć w rozważanej dziedzinie, co pozwala na nową interpretację już znanych faktów;  „czarne skrzynki” – polega na oddziaływaniu na nieznany układ w taki sposób, aby wyniki tego działania wykorzystać do formułowania wniosków dotyczących tego układu;  „burza mózgów” („giełda pomysłów” lub „fabryka pomysłów”);  „635” – udział bierze 6 osób, każdy pisze po 3 pomysły i następuje 5 wymian między uczestnikami;  synektyka gordona – to łączenie ze sobą różnych elementów z różnych dziedzin, które na pozór nie mają ze sobą nic wspólnego w jakąś całość (fazy: czyszczenie problemu, rozwiązywanie problemu, weryfikacja, wdrożenie);  „nowe spojrzenie” – oddalając się od określonego problemu w przestrzeni lub w czasie, odnajduje się „nowe spojrzenie” na ten problem, regeneruje się i wzbogaca wyobraźnię oraz zmienia sposób myślenia;  niekompetencja – opiera się na zebraniu poglądów szeregu niespecjalistów, laików w dziedzinie badanego problemu z założeniem, że jeżeli np. na tysiąc przedstawionych projektów dziewięćset dziewięćdziesiąt dziewięć będzie absurdalnych i bez wartości, to jeden może okazać się wartościowy oraz odmienny od propozycji, jakie mogliby przedstawić specjaliści;  „macierz odkrywcza” – polega na badaniu, za pomocą tablic krzyżowych (macierzy), kombinacji cech badanego przedmiotu (puste pola tablicy oznaczają niezbadane jeszcze możliwości);  „reszt” – polega na wykorzystaniu poglądów, teorii, pomysłów i rozwiązań przedtem odrzuconych;

badań, takie jak Internet. W badaniach Internetu instrumentem naukowym jest na przykład przeglądarka internetowa, służąca do zapoznawania się i zapisu stron internetowych. Innymi instrumentami są program do przygotowywania zrzutów ekranu, stanowiących odpowiednik zdjęć czy też program do zapisywania zawartości całych witryn internetowych. Ze względu na różne czynniki sytuacji obserwacyjnej i różne relacje mogące między nimi występować wyodrębnią się różne formy obserwacji naukowej. Może ona być:  indywidualna;  zbiorowa;  bezpośrednia;  pośrednia;  zinstrumentalizowana,  ciągła;  okresowa;  bez interwencji – jej celem jest opis naturalnie występujących zachowań bez ingerowania w nie przez badacza;  z interwencją – obejmuje sytuacje, gdy badacze ingerują w spontaniczny tok zdarzeń (wyróżnia się trzy typy tego rodzaju obserwacji: obserwację uczestniczącą

• badacz sam uczestniczy w sytuacji, która jest przedmiotem jego obserwacji; obserwację ustrukturowaną – może być prowadzona w warunkach naturalnych lub w laboratorium, badacz wywołuje interesujące go zdarzenia; eksperyment naturalny – badacz manipuluje wieloma zmiennymi w warunkach naturalnych i określa ich wpływ na zachowanie). Metoda eksperymentalna – jedna z metod badań naukowych charakteryzuje się innym niż w obserwacji stosunkiem osoby badanej do zjawiska badanego. Obserwując nie zmienia się badanego zjawiska. Natomiast eksperyment naukowy polega na czynnej modyfikacji zjawiska stanowiącego przedmiot badania, dążąc do poznania zależności przyczynowych pomiędzy składnikami lub warunkami przebiegu badanego zjawiska. Dzięki eksperymentom powstała większa część odkryć w fizyce, chemii i innych dziedzinach naukowych. Metoda ta najlepiej nadaje się do badań nad zjawiskami powtarzającymi się w warunkach przynajmniej częściowo takich samych. Nadaje się więc także do badań nad zjawiskami społecznymi – zjawiskami politycznymi i gospodarczymi. Wyróżnia się eksperymenty:

 naturalny – jest analizą przebiegu zjawiska, wywołanego i kontrolowanego, ale w warunkach naturalnych, między innymi w warunkach działalności ludzkiej uprawianych z innych względów niż poznawanie prawdy naukowej (stosuje się tu na przykład grupy równoważne: grupę eksperymentalną i grupę kontrolną, by porównać zachowanie pewnej zbiorowości gdzie wprowadzony zostaje nowy czynnik i zbiorowości, gdzie zmiana taka nie nastąpiła);  laboratoryjny – wykonywany jest w sztucznie stworzonym środowisku jakim jest laboratorium, z zastosowaniem odpowiednich instrumentów (istotą takich eksperymentów jest izolacja zjawisk w postaci układów odosobnionych). Metoda modelowania – polega na poznaniu rzeczywistych przedmiotów, zjawisk i procesów za pośrednictwem specjalnie w tym celu zbudowanych ich analogów – modeli, odtwarzających istotne właściwości badanej rzeczywistości i pozwalających na tej podstawie tę rzeczywistość poznać naukowo. Modelem nazywamy przedmiot – zamiennik (analog) przedmiotu badań, który z różnych względów nie może być odbierany organami zmysłów ludzkich. Przy czym przez przedmiot – zamiennik rozumie się zarówno obiekty fizyczne, zdarzenia, sytuacje jak i myślowe lub symboliczne obrazy. Modele mogą być:  teoretyczne;  realne. Obecnie do modelowania co raz częściej używamy technologię informatyczną tworzącą tzw. modele komputerowe, które są próbą odtworzenia realnego układu. Takie modele tworzy się po to, by lepiej zrozumieć zasadę działania danego układu, lub też, aby nauczyć się funkcjonowania w jego ramach. Modele komputerowe znalazły zastosowanie w wielu dziedzinach nauki – od przyrodniczych po społeczne - a także w biznesie, administracji oraz w wojsku. Przykładami naukowego zastosowania modeli komputerowych mogą być programy symulujące reakcje chemiczne lub też zjawiska meteorologiczne. W biznesie bardziej wartościowe są modele procesów produkcyjnych bądź też symulatory przeznaczone do szkolenia w zarządzaniu. Wyróżnia się wiele typów modeli komputerowych m. in.: modele stochastyczne, modele dynamiki systemów (system dynamics ), modele zdarzeń dyskretnych ( discrete event ) oraz modele agentowe ( agent-based ). Metody badań sądów (opinii) mogą mieć charakter ilościowy i jakościowy (lub stanowić ich połączenie).