Анализ данных для исторических исследований

2026/2027

Статус: Маго-лего

Кто читает: Школа лингвистики

Где читается: Факультет гуманитарных наук

Охват аудитории: для всех кампусов НИУ ВШЭ

Язык: русский

Кредиты: 6

Контактные часы: 64

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс знакомит слушателей с современными методами количественного анализа, применяемыми в исторической науке. В рамках программы разбираются основы работы с языком программирования Python и библиотекой Pandas, рассматриваются принципы работы с историческими источниками, содержащими структурированные и неструктурированные данные. Уделяется внимание предобработке данных, осваиваются базовые инструменты статистического анализа, визуализации временных рядов. Также рассматриваются методы сетевого анализа. Курс не требует углубленных математических знаний, но предполагает готовность работать с табличными данными и интерпретировать результаты компьютерных вычислений.

Цель освоения дисциплины

Сформировать практические навыки полного цикла работы с историческими данными (структурированными и неструктурированными) на языке Python с использованием Pandas: от загрузки, очистки и трансформации до вычисления описательных статистик и визуализации
Развить способность самостоятельно применять количественные методы (временные ряды, сетевой анализ) к конкретным историческим вопросам и критически интерпретировать полученные численные результаты, осознавая ограничения источников и инструментов

Планируемые результаты обучения

Различает типы исторических источников по степени структурированности данных (таблицы, тексты, базы) и обоснованно выбирает стратегию их извлечения и предварительной обработки
Использует среду Jupyter Notebook и базовые конструкции языка Python (переменные, списки, циклы, условные операторы) для выполнения простых операций с данными без углублённого программирования.
Загружает табличные данные из форматов CSV, Excel в библиотеку Pandas и выполняет первичную оценку их качества (просмотр структуры, типов, пропусков, дубликатов).
Применяет методы очистки и преобразования данных (обработка пропусков, удаление дубликатов, приведение типов, нормализация категорий) для приведения исторических источников к аналитически пригодному виду.
Выполняет фильтрацию, сортировку, группировку и объединение (merge) таблиц для решения конкретных задач — например, сравнения групп по географическому или хронологическому признаку.
Проводит исследовательский анализ данных (EDA) с построением гистограмм, ящиков с усами и выявляет статистические аномалии в исторических данных, давая им обоснованную интерпретацию.
Вычисляет и содержательно интерпретирует базовые показатели описательной статистики (среднее, медиана, стандартное отклонение) для характеристики социально-экономических процессов (уровень жизни, плотность населения, частотность событий).
Строит и анализирует временные ряды (линейные графики), выделяя тренды, сезонные и циклические компоненты, и связывает их с историческим контекстом (кризисы, реформы, демографические переходы).
Создаёт и визуализирует сети на основе исторических данных с использованием библиотеки NetworkX, рассчитывает базовые метрики (степень, центральность, плотность) для выявления ключевых акторов и сообществ.
Интерпретирует результаты количественного анализа (статистик, графиков, сетевых моделей) в виде связного исторического нарратива и оформляет выводы в формате отчёта с кодом и визуализациями (Jupyter Notebook).