Data-driven research

Informacje ogólne

Kod przedmiotu:	2400-ZEWW843
Kod Erasmus / ISCED:	14.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0311) Ekonomia Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu:	Data-driven research
Jednostka:	Wydział Nauk Ekonomicznych
Grupy:	Przedmioty ścieżki Gospodarka cyfrowa
Punkty ECTS i inne:	(brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS: roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS; tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h; 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się; tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS; nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta. zobacz reguły punktacji
Język prowadzenia:	polski
Rodzaj przedmiotu:	nieobowiązkowe
Założenia (opisowo):	Uczestnictwo w zajęciach “Zastosowania języka Python” lub w innym kursie z zbliżonym programem
Skrócony opis:	Celem zajęć jest rozwój umiejętności w zakresie analizy oraz prezentacji danych w sposób zgodny z metodologią naukową i atrakcyjny dla biznesu. Uczestniczki i uczestnicy kursu przygotują badania oraz prezentacje odpowiadając na wybrane pytania badawcze z zakresu ekonomii. Zapoznają się również z nowymi źródłami danych (m.in. bazy big data udostępnione przez Google oraz sektor publiczny), przećwiczą korzystanie z narzędzi analitycznych w języku Python oraz zdobędą doświadczenia w prezentowaniu kompleksowych zagadnień w oparciu o dane.
Pełny opis:	- Data-driven research i story-telling: rola i wyzwania ekonomisty - Bazy danych. Publicznie dostępne dane. Analiza eksploracyjna z wykorzystaniem pakietu Pandas - Zbieranie danych z platform społecznościowych z wykorzystaniem BigQuery oraz API - Zagadnienia z zakresu gospodarki cyfrowej. Określenie pytań badawczych - Prezentacja: wstępna analiza na wybrany temat - Analiza danych oraz przygotowanie atrakcyjnych wizualizacji (I) - Analiza danych oraz przygotowanie atrakcyjnych wizualizacji (II) - Prezentacja pogłębionej analizy danych z wykorzystaniem metod data science - Prezentacja pracy I. - Nowe źródła danych oraz wykorzystanie metod web-scrapingu - Wybór tematu na zaawansowaną analizę - Prezentacja: plan badania, pytania badawcze, dane - Prezentacja: wstępna analiza danych - Prezentacja: zaawansowana analiza danych - Prezentacja pracy II.
Literatura:	Zajęcia opierać się będą na materiałach przygotowanych przez prowadzącego lub źródłach internetowych. Literatura obowiązkowa nie jest przewidziana.
Efekty uczenia się:	WIEDZA • Student zna możliwości oraz ograniczenia wynikające z pracy z danymi sieciowymi • Student umie wykorzystywać w analizie dane online • Student potrafi przeprowadzić analizy danych z wykorzystaniem narzędzi data science UMIEJĘTNOŚCI • Student umie zadawać odpowiednie pytania badawcze i stawiać hipotezy • Student umie zaprojektować plan badawczy • Student potrafi wnioskować z danych • Student umie przygotować atrakcyjne prezentacje oraz komunikować swoje badanie KOMPETENCJE SPOŁECZNE • Student rozumie odpowiedzialność nauki oraz zna zasady etyczne prowadzenia badań • Student potrafi zadać społecznie istotne pytania badawcze • Student potrafi wygłaszać prezentację
Metody i kryteria oceniania:	Prezentacja końcowa

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Nauk Ekonomicznych.