Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Analiza danych w środowisku R
Tok studiów:
2019/2020
Kod:
HIFS-2-202-s
Wydział:
Humanistyczny
Poziom studiów:
Studia II stopnia
Specjalność:
-
Kierunek:
Informatyka Społeczna
Semestr:
2
Profil:
Praktyczny (P)
Język wykładowy:
Polski
Forma studiów:
Stacjonarne
Strona www:
 
Prowadzący moduł:
dr Rudnicki Seweryn (sew.rudnicki@gmail.com)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Moduł ma przygotować studentów do prowadzenia analiz typu desk research w środowisku R.

Opis efektów uczenia się dla modułu zajęć
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Powiązania z KEU Sposób weryfikacji i oceny efektów uczenia się osiągniętych przez studenta w ramach poszczególnych form zajęć i dla całego modułu zajęć
Wiedza: zna i rozumie
M_W001 Student umie zgromadzić materiał badawczy dla potrzeb danego problemu i wie jak poddać go analizie wykorzystując narzędzia do text miningu – automatycznej analizy tekstu w środowisku R. IFS2P_W04 Wykonanie ćwiczeń laboratoryjnych,
Wykonanie projektu,
Prezentacja,
Aktywność na zajęciach
M_W002 Student ma zaawansowaną wiedzę z zakresu znajomości systemów zajmujących się gromadzeniem i przetwarzaniem danych oraz zna zasady projektowania i analizowania danych za pomocą R. IFS2P_W04 Wykonanie ćwiczeń,
Aktywność na zajęciach
Umiejętności: potrafi
M_U001 Student ma umiejętność proponowania rozwiązań konkretnych problemów praktycznych w oparciu o dane uzyskane dzięki środowisku programowania R. IFS2P_U11 Wykonanie projektu,
Prezentacja,
Aktywność na zajęciach
M_U002 Student potrafii przetwarzać dane zastane i wykorzystaywać środowisko R do ich analizy. IFS2P_U05 Wykonanie projektu,
Prezentacja,
Aktywność na zajęciach
Kompetencje społeczne: jest gotów do
M_K001 Student jest kreatywny w wyszukiwaniu możliwości gromadzenia i przetwarzania danych zastanych przy rozwiązywaniu problemów praktycznych. IFS2P_K01 Wykonanie projektu,
Projekt,
Aktywność na zajęciach
Liczba godzin zajęć w ramach poszczególnych form zajęć:
SUMA (godz.)
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
30 0 0 30 0 0 0 0 0 0 0 0
Matryca kierunkowych efektów uczenia się w odniesieniu do form zajęć i sposobu zaliczenia, które pozwalają na ich uzyskanie
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Forma zajęć dydaktycznych
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Wiedza
M_W001 Student umie zgromadzić materiał badawczy dla potrzeb danego problemu i wie jak poddać go analizie wykorzystując narzędzia do text miningu – automatycznej analizy tekstu w środowisku R. - - + - - - - - - - -
M_W002 Student ma zaawansowaną wiedzę z zakresu znajomości systemów zajmujących się gromadzeniem i przetwarzaniem danych oraz zna zasady projektowania i analizowania danych za pomocą R. - - + - - - - - - - -
Umiejętności
M_U001 Student ma umiejętność proponowania rozwiązań konkretnych problemów praktycznych w oparciu o dane uzyskane dzięki środowisku programowania R. - - + - - - - - - - -
M_U002 Student potrafii przetwarzać dane zastane i wykorzystaywać środowisko R do ich analizy. - - + - - - - - - - -
Kompetencje społeczne
M_K001 Student jest kreatywny w wyszukiwaniu możliwości gromadzenia i przetwarzania danych zastanych przy rozwiązywaniu problemów praktycznych. - - + - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 50 godz
Punkty ECTS za moduł 2 ECTS
Udział w zajęciach dydaktycznych/praktyka 30 godz
Przygotowanie do zajęć 9 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 9 godz
Dodatkowe godziny kontaktowe 2 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Ćwiczenia laboratoryjne (30h):

Pierwsza część warsztatu będzie stanowiła:
1. wprowadzenie do środowiska R i będzie miała na celu zapoznanie użytkowników oraz ukazanie jego funkcjonalności oraz możliwości zastosowania
2. zapoznanie uczestników z podstawowymi rodzajami desk research. Studenci dowiedzą się, jakiego rodzaju źródła danych mogą wykorzystać, jak można je analizować (nacisk zostanie położony przede wszystkim na metody analizy danych tekstowych np. jak stworzyć dobry klucz kodowy).
W drugiej części warsztatu uczestnikom zostanie zaprezentowany problem do rozwiązania. Rozwiązanie problemu będzie wymagało pobrania dużej ilości treści z blogów lub innych mediów społecznościowych (webscraping) które następnie zostaną przeanalizowane z wykorzystaniem text miningu – automatycznej analizy tekstu, która umożliwi uczestnikom szybkie „odkrycie” tematów pojawiających się we wpisach (topic modeling). To zadanie zostanie wykonane z wykorzystaniem R.

Pozostałe informacje
Metody i techniki kształcenia:
  • Ćwiczenia laboratoryjne: W trakcie zajęć laboratoryjnych studenci samodzielnie rozwiązują zadany problem praktyczny, dobierając odpowiednie narzędzia. Prowadzący stymuluje grupę do refleksji nad problemem, tak by otrzymane wyniki miały wysoką wartość merytoryczną.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Warunkiem dopuszczenia do zaliczenia przedmiotu jest obecność na zajęciach i aktywny udział w proponowanych ćwiczeniach. Dopuszczalna jest jedna nieusprawiedliwiona obecność w semestrze.

Zaliczenie końcowe przyznawane jest na podstawie przygotowania rozwiązania zadania polegającego na rozwiązaniu problemu praktycznego zadanego w grupie podczas zajęć oraz prezentacja wyników. W drugim i trzecim terminie (sesja i sesja poprawkowa) student indywidualnie rozwiązuje problem praktyczny i prezentuje go.

Zasady udziału w zajęciach:
  • Ćwiczenia laboratoryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci wykonują ćwiczenia laboratoryjne zgodnie z materiałami udostępnionymi przez prowadzącego. Student jest zobowiązany do przygotowania się w przedmiocie wykonywanego ćwiczenia, co może zostać zweryfikowane kolokwium w formie ustnej lub pisemnej. Zaliczenie zajęć odbywa się na podstawie zaprezentowania rozwiązania postawionego problemu. Zaliczenie modułu jest możliwe po zaliczeniu wszystkich zajęć laboratoryjnych.
Sposób obliczania oceny końcowej:

Ocena za rozwiązanie zadania stanowi 100% oceny w I, II i III terminie.

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

Do ustalenia indywidualnie z prowadzącym (w zależności od liczby opuszczonych zajęć).

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Obecność na zajeciach jest obowiązkowa. Nieobecności wymagają zaliczenia ćwiczeń i/lub literatury przedmiotu w formie i zakresie ustalonym z osobą prowadzącą zajęcia.

Zalecana literatura i pomoce naukowe:

Zajęcia mają wymiar praktyczny, materiały i literatura zostanie udostępniona studentom przed rozpoczeciem zajęć.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Agnieszka Otręba – Szklarczyk
Analityk, badacz społeczny, socjolog. Zajmuje się prowadzeniem badań społecznych (zwłaszcza w zakresie wsparcia innowacyjności) oraz analizą danych. Entuzjastka R, sztucznej inteligencji oraz możliwości wykorzystania danych zastanych w różnych obszarach. Pracuje w Fundacji Rozwoju Badań Społecznych.

Informacje dodatkowe:

Zajęcia w ramach bloku poprowadzą praktycy z Fundacji Rozwoju Badań Społecznych http://furbs.org/.
Fundacja Rozwoju Badań Społecznych (FuRBS) to ambasador wiedzy i praktyk z dziedziny badań społecznych i analizy danych.