Exploration of Existing Data

General data

Course ID:	08-SODL-EDZ
Erasmus code / ISCED:	(unknown) / (unknown)
Course title:	Exploration of Existing Data
Name in Polish:	Eksploracja danych zastanych
Organizational unit:	Faculty of Social Sciences
Course groups:	(in Polish) Przedmioty na semestrze 3 socjologii I stopnia
ECTS credit allocation (and other scores):	(not available) Basic information on ECTS credits allocation principles: the annual hourly workload of the student’s work required to achieve the expected learning outcomes for a given stage is 1500-1800h, corresponding to 60 ECTS; the student’s weekly hourly workload is 45 h; 1 ECTS point corresponds to 25-30 hours of student work needed to achieve the assumed learning outcomes; weekly student workload necessary to achieve the assumed learning outcomes allows to obtain 1.5 ECTS; work required to pass the course, which has been assigned 3 ECTS, constitutes 10% of the semester student load. view allocation of credits
Language:	Polish
Major:	(in Polish) socjologia
Cycle of studies:	1st cycle
Module learning aims:	(in Polish) 1. Przekazanie wiedzy z zakresu wyszukiwania, archiwizowania, analizowania i prezentowania danych zastanych 2. Rozwinięcie zdolności wykorzystywania kategorii teoretycznych do tworzenia praktycznych scenariuszy przetwarzania danych 3. Zapoznanie z aplikacyjnymi zastosowaniami wiedzy społeczno-kulturowej, jako uzupełnieniem kompetencji technicznych przy analizie danych 4. Wyrobienie umiejętności posługiwania się narzędziami sieciowymi i oprogramowaniem służącym poszukiwaniu danych 5. Przygotowanie do krytycznego stosowania w praktyce wiedzy z zakresu metodyki pozyskiwania informacji oraz tworzenia danych 6. Rozwinięcie umiejętności pracy przy tworzeniu, eksplorowaniu i wyszukiwaniu różnorodnych zestawów danych (baz, repozytoriów, sieci, etc.)
Pre-requisites in terms of knowledge, skills and social competences:	(in Polish) Podstawowa wiedza w zakresie obsługi komputera. Wiedza z "Podstaw socjologii" i "Współczesnych obszarów badań socjologicznych".
Information on where to find course materials:	(in Polish) https://drive.google.com/drive/folders/0B39qvm-sPOF0UElYX3ZYVjk3bmc?usp=sharing
Methods of teaching for learning outcomes achievement:	(in Polish) Konwersatorium, praca indywidualna z użyciem komputera w trakcie zajęć i między zajęciami, praca w małych grupach w trakcie zajęć, wspólne ćwiczenia na komputerze.
Student workload (ECTS credits):	(in Polish) 3
Short description:	(in Polish) Zajęcia dotyczą szeroko rozumianej eksploracji danych zastanych: od formułowania problemu badawczego, poprzez wybór typów danych zastanych i ich źródeł, przeszukiwanie, magazynowanie, indeksowanie zasobów oraz ich współdzielenie, krytyczną selekcję, czyszczenie/transformację/konsolidację danych, aż po poszukiwanie wzorów, interpretację i prezentację wyników. Dostarczają umiejętności analitycznych oraz rozwijają umiejętność wykorzystania oprogramowania i Internetu do eksploracji danych zastanych: katalogów i wyszukiwarek, menedżerów bibliografii, programów do pobierania danych z internetu, programów do wizualizacji danych i tworzenia map.
Full description:	(in Polish) TK_01 . Dane, informacja, wiedza, big data – podstawowe pojęcia określające granice zajęć i relacje między nimi; typy danych zastanych oraz rodzaje ich analizy, przykłady analiz TK_02. Krytyczna analiza istniejących opracowań, analiza danych źródłowych różnego typu, najczęstsze pułapki związane z ich opracowywaniem TK_03. Wyszukiwarki internetowe i inne narzędzia do pozyskiwania danych w Internecie: historia, kontekst kulturowy, mechanizm działania, techniki używania TK_04. Eksploracja istniejących opracowań i literatury: katalogi, bazy, wyszukiwarki TK_05. Programy i platformy do zarządzania danymi, literaturą i bibliografią, obsługa Zotero TK_07. Eksploracja surowych danych: archiwa i repozytoria danych oraz mapy TK_08. Media społecznościowe: eksploracja grafów i sieci TK_09. Media społecznościowe: pobieranie i eksploracja treści TK_10. Uczenie maszynowe i data mining – podstawy i przykłady zastosowań TK_11. Oprogramowanie komputerowe wspierające eksplorowanie i analizę danych, z naciskiem na dane jakościowe TK_12. Techniki i narzędzia wizualizacji danych
Bibliography:	(in Polish) Literatura jest co roku aktualizowana, poniższy wykaz jest więc jedynie orientacyjny. • Analiza danych zastanych: przewodnik dla studentów, red. Marta Makowska, Wydawnictwo Naukowe Scholar, Warszawa 2013. • Viktor Mayer-Schönberger, Kenneth Cukier, Big data: rewolucja, która zmieni nasze myślenie, pracę i życie, MT Biznes, Warszawa 2014. • Alexander Halavais, Wyszukiwarki internetowe a społeczeństwo, Wydawnictwo Naukowe PWN, Warszawa 2012. • W. Bruce Croft, Donald Metzler, Trevor Strohman, Search Engines. Information Retrieval in Practice, 2015 • Mark Levene, An Introduction to Search Engines and Web Navigation, Wiley, New Jersey 2010 • Agata Fronczak, Piotr Fronczak, Świat sieci złożonych: od fizyki do Internetu, Wydawnictwo Naukowe PWN, Warszawa 2009. • Toby Segaran, Nowe usługi 2.0. Przewodnik po analizie zbiorów danych, Helion, Gliwice 2014. • Tadeusz Morzy, Eksploracja danych. Metody i algorytmy, Wydawnictwo Naukowe PWN, Warszawa 2013. • Mirosława Lasek, Data mining. Zastosowania w analizach i ocenach klientów bankowych, Oficyna wydawnicza „Zarządzanie i finanse, Warszawa 2002 • Graham Gibbs, Analizowanie danych jakościowych, Wydawnictwo Naukowe PWN, Warszawa 2011. • Jakub Niedbalski, Komputerowe wspomaganie analizy danych jakościowych (CAQDAS) w projektowaniu i prowadzeniu badań, „Nauka i szkolnictwo wyższe”, 1/2013, s.185-202.
Learning outcomes:	(in Polish) Po zakończeniu modułu (przedmiotu) i potwierdzeniu osiągnięcia efektów kształcenia 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
Assessment methods and assessment criteria:	(in Polish) 1. Realizacja zadań domowych wymagających użycia komputera. 2. Test końcowy: wykonanie zadań z użyciem komputera i/lub przygotowanie raportu z wykonania procesu eksploracji danych.

This course is not currently offered.

Course descriptions are protected by copyright.
Copyright by Adam Mickiewicz University, Poznań.