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

Nowe technologie i wyzwania społeczne

Informacje ogólne

Kod przedmiotu: 2400-ZEWW854
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Nowe technologie i wyzwania społeczne
Jednostka: Wydział Nauk Ekonomicznych
Grupy: Przedmioty kierunkowe do wyboru - studia II stopnia EM - grupa 1 (3*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia EM - grupa 2 (1*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia EP - grupa 4 (1*30h)
Przedmioty kierunkowe do wyboru - studia II stopnia IE - grupa 1 (6*30h)
Przedmioty kierunkowe do wyboru- studia I stopnia EP
Przedmioty wyboru kierunkowego dla studiów licencjackich EM
Przedmioty wyboru kierunkowego dla studiów licencjackich IE
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”, “Text mining w języku Python” lub w innym kursie z zbliżonym programem



Skrócony opis:

Zajęcia są zbliżone do kursu “Data-driven Research”. Studentów, którzy ukończyli kurs Data-driven Research, konwersatorium może służyć do przećwiczenia bardziej zaawansowanych metod badawczych (np. z zakresu text-miningu).

Celem zajęć jest rozwój umiejętności z zakresu 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 obszaru gospodarki cyfrowej. 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. Prezentowane źródła danych mogą posłużyć inspiracji w wyborze tematu pracy magisterskiej z obszaru gospodarki cyfrowej.

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 dostępu 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 USOSweb 7.0.3.0 (2024-03-22)