Большие данные и методы машинного обучения в исследованиях образования

Аспирантура 2019/2020

Статус: Курс по выбору

Направление: 44.06.01. Образование и педагогические науки

Кто читает: Институт образования

Когда читается: 2-й курс, 1 семестр

Формат изучения: без онлайн-курса

Преподаватели: Смирнов Иван Борисович

Язык: русский

Кредиты: 2

Контактные часы: 20

Полная версия программы учебной дисциплины

Аннотация

Социальные науки стремительно компьютеризируются. Данные из социальных сетей и другие цифровые следы позволяют проводить исследования на гораздо больших выборках и с гораздо большей детализацией, чем это возможно с помощью традиционных методов. Они также открывают доступ к информации, которая обычно недоступна исследователям, например, о режиме дня школьников, их интересах и эмоциональном состоянии, об общении с учащимися из других школ. Новыми становятся не только данные, но и методы их анализа. Например, методы машинного обучения позволяют по цифровым следам восстанавливать социально-экономический статус учащихся, их академическую успеваемость и другие характеристики. Это не только открывает новые возможности перед исследователи, но и ставит перед ними новые этические вызовы. Курс позволит аспирантам познакомиться с этой областью на примере конкретных исследований и понять, как новые данные и методы могут быть использованы в их собственных исследованиях.

Цель освоения дисциплины

познакомить слушателей с основными исследованиями, использующими большие данные и методы машинного обучения в области образования и социальных наук в целом, а также помочь аспирантам понять, как они могут использовать новые методы в собственных исследованиях

Планируемые результаты обучения

знать основные типы новых данных и их источники, понимать ограничения различных источников данных, уметь подобрать источник данных целесообразный исследовательскому вопросу
знать основные возможности методов машинного обучения и искусственого интеллекта и их ограничения, понимать как эти методы могут использоваться в социальных исследованиях
понимает в чем заключается преимущество компьютерного моделирования в социальных науках и в чем основные ограничения, может привести несколько примеров моделей социальных процессов, объяснить, какое новое знание они позволяют получить
знает типичные ошибки в количественных методах, умеет критически проинтерпретировать результаты количественных исследований
понимают основные этические риски использования цифровых следов, больших данных и методов машинного обучения, могут предложить способы улучшения дизайна исследования для сокращения этических рисков

Содержание учебной дисциплины

Новые источники данных в социальных исследованиях
Большие, быстрые, глубокие и др. данные. Возможности их применения.
Методы машинного обучения и искусственный интеллект в социальных исследованиях
Компьютерное моделирование социальных процессов
Типичные ошибки количественных исследований и ограничения новых методов
Этика исследований

Элементы контроля

Постановка задачи для проекта исследования
Обзор литературы для проекта исследования
Описание методологии исследования

Промежуточная аттестация

Промежуточная аттестация (I семестр)
0.25 * Обзор литературы для проекта исследования + 0.5 * Описание методологии исследования + 0.25 * Постановка задачи для проекта исследования

Программа дисциплины