Eksploracja danych zastanych 24-SODU-EDZ
• Dane, informacja, wiedza, big data – podstawowe pojęcia określające granice zajęć i relacje między nimi; rodzaje danych zastanych
• Krytyczna analiza istniejących opracowań, analiza danych źródłowych różnego typu, najczęstsze pułapki związane z ich opracowywaniem
• Wyszukiwarki internetowe i inne narzędzia do pozyskiwania danych w Internecie: historia, kontekst kulturowy, mechanizm działania, techniki używania
• Eksploracja istniejących opracowań i literatury: katalogi, bazy, wyszukiwarki
• Programy i platformy do zarządzania danymi, literaturą i bibliografią, obsługa Zotero
• Eksploracja surowych danych z badań społecznych: archiwa i repozytoria danych, banki danych statystycznych i inne źródła
• Eksploracja i zalgorytmizowane pobieranie zawartości stron internetowych
• Media społecznościowe: eksploracja sieci powiązań między uczestnikami i tworzonymi przez nich komunikatami
• Media społecznościowe: pobieranie i eksploracja treści
• Oprogramowanie komputerowe wspierające eksplorowanie i analizę danych
• Techniki i narzędzia wizualizacji danych
Cele kształcenia
Informacja o tym, gdzie można zapoznać się z materiałami do zajęć
Kierunek studiów
Metody prowadzenia zajęć umożliwiające osiągnięcie założonych EK
Nakład pracy studenta (punkty ECTS)
Poziom przedmiotu
Rodzaj przedmiotu
Rok studiów (jeśli obowiązuje)
Wymagania wstępne w zakresie wiedzy, umiejętności oraz kompetencji
Koordynatorzy przedmiotu
Efekty kształcenia
Po zakończeniu zajęć i potwierdzeniu osiągnięcia EU student/ka:
- potrafi dobierać odpowiednie narzędzia sieciowe do pozyskiwania określonych danych
- zna podstawowe rodzaje danych i techniki ich przetwarzania
- rozróżnia podstawowe mechanizmy wykorzystywania danych w socjologii
- planuje i tworzy scenariusze wyszukiwania i przetwarzania danych
- potrafi w komplementarny korzystać z wiedzy informatycznej i społeczno-kulturowej w pracy z danymi
- kreatywnie podchodzi do eksplorowania danych zastanych
- jest świadomy/a przydatności i otwarty na konieczność wykorzystywania wiedzy z zakresu innych dyscyplin nauki
- potrafi zaadaptować uzyskaną wiedzę w trakcie realizacji badań empirycznych
- pozostaje wrażliwy/a na krytyczny i rzetelny dobór informacji
- potrafi postępować zgodnie z wymogami prawnymi i zasadami etycznymi odnoszącymi się do pracy z danymi zastanymi
Kryteria oceniania
1. Zadania domowe, polegające na przesłaniu przeanalizowanych przez siebie przykładów lub efektów samodzielnego wykonania ćwiczenia
2.
a. Wykonanie przy użyciu komputera zadań polegających na pobraniu, eksploracji i krytycznej analizie danych przy użyciu wskazanych technik i narzędzi poznanych w trakcie zajęć, wraz z komentarzem
LUB
b. Przygotowanie i realizacja własnej analizy danych wspieranej narzędziami i programami poznanymi w trakcie zajęć, następnie przesłanie wyników w formie pliku tekstowego lub prezentacji multimedialnej, wraz z opisem założeń, wykonanych czynności i interpretacją wyników oraz załączonymi plikami z danymi i analizami. Następnie rozmowa na temat wykonanej pracy w trakcie ostatnich zajęć, pokazanie umiejętności samodzielnej pracy z plikiem.
Warunkiem zaliczenia jest uzyskanie min. 50% punktów z kolokwium / z pracy zaliczeniowej. Kolokwium i praca zaliczeniowa oceniane są przez pryzmat:
- poprawności merytorycznej – zgodności z wiedzą z lektur i zajęć
- włożonego wysiłku – zakresu wykorzystanej wiedzy z lektur i zajęć i wykonanych analiz (zróżnicowanie wykorzystanych źródeł, liczba użytych programów i ich funkcji).
Literatura
• Analiza danych zastanych: przewodnik dla studentów, red. Marta Makowska, Wydawnictwo Naukowe Scholar, Warszawa 2013.
• Halavais Alexander, Wyszukiwarki internetowe a społeczeństwo, Wydawnictwo Naukowe PWN, Warszawa 2012.
• Levene Mark, An Introduction to Search Engines and Web Navigation, Wiley, New Jersey 2010
• Fronczak Agata i Fronczak Piotr, Świat sieci złożonych: od fizyki do Internetu, Wydawnictwo Naukowe PWN, Warszawa 2009.
• Gibbs Graham, Analizowanie danych jakościowych, Wydawnictwo Naukowe PWN, Warszawa 2011.
• Niedbalski Jakub, Komputerowe wspomaganie analizy danych jakościowych (CAQDAS) w projektowaniu i prowadzeniu badań, „Nauka i szkolnictwo wyższe”, 1/2013, s.185-202.
• SAGE handbook of social media research methods, red. Luke Sloan i Anabel Quan-Haase, SAGE, Londyn i in 2017.
• Udo Kuckartz, Stefan Rädiker, Analyzing Qualitative Data with MAXQDA: Text, Audio, and Video, 2019 (ebook)
• https://help.parsehub.com/hc/en-us/categories/202632177-Getting-Started
• https://gephi.org/users/
• https://www.maxqda.com/help-mx22/welcome
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: