Uniwersytet Warszawski, Wydział Nauk Ekonomicznych - Centralny System Uwierzytelniania
Strona główna

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.
ul. Długa 44/50
00-241 Warszawa
tel: +48 22 55 49 126 https://www.wne.uw.edu.pl/
kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.2.0-7 (2025-06-25)