Цифровые методы для гуманитариев

Бакалавриат 2021/2022

Статус: Курс обязательный (Филология)

Направление: 45.03.01. Филология

Кто читает: Департамент филологии

Где читается: Санкт-Петербургская школа гуманитарных наук и искусств

Когда читается: 3-й курс, 1, 2 модуль

Формат изучения: с онлайн-курсом

Охват аудитории: для своего кампуса

Преподаватели: Климов Александр Антонович, Шерстинова Татьяна Юрьевна

Язык: русский

Кредиты: 3

Контактные часы: 42

Полная версия программы учебной дисциплины

Аннотация

Содержание курса охватывает основы статистики, визуализацию данных, основы количественного анализа текстов и основы программирования на R. Освоение курса поможет студентам освоить основные категории и инструменты, необходимые для выполнения количественного анализа данных в гуманитарных науках, а также заложит основу для дальнейшего обучения современным методам анализа и визуализации данных.

Цель освоения дисциплины

Познакомить студентов-филологов с базовыми понятиями и методами анализа и визуализации данных, а также дать базовые навыки работы с программным инструментарием, необходимым для анализа и визуализации данных на примере статистического пакета R.
Получение студентами знания об основных методах и направлениях развития цифровых гуманитарных наук (digital humanities) и применения цифровых технологий для решения практических задач, связанных с автоматическим анализом текста.
Знакомство студентов с основными понятиями и методами статистического анализа, его применения в филологической работе.
Получение студентами практических навыков работы в программной среде R с инструментариями автоматической обработки текста, анализа и визуализации данных.

Планируемые результаты обучения

Студент имеет представления о концепции tidy data и case-variable structure, представлении данных в форматах текста с разделителями, XML и JSON.
Студент знает основы прикладной статистики, умеет выполнять стандартные задания по визуализации данных и формальному анализу данных (получение дескриптивных статистик, расчет корреляций, линейной регрессии, сравнение двух и более выборок, анализ таблиц сопряженности в среде статистического программирования и анализа данных R) семинарах, экзамен.
Студент знает принцип распределения языковых единиц в текстах и понимает его следствия для теоретических и прикладных вопросов количественного анализа текста
Студент знаком с содержанием дистрибутивной гипотезы и современными данными по этой проблеме, имеет представление о сфере применения дистрибутивных методов в задачах количественного анализа текста
Студент имеет представление о логике работы и сфере применения методов тематического моделирования
Студент имеет представление о наиболее общих программных инструментах, используемых в цифровой гуманиоре, знает основы языка регулярных выражений, умеет использовать их в программных скриптах и владеет основами пользования imagemagick и OCR-Tesseract для подготовки текстов к анализу.
Студент имеет представление о принципах креативной инфографики и умеет реализовывать свои идеи в области креативной инфографики средствами R.
Студент имеет представление о принципе решения задач классификации в машинном обучении, умеет применять наивный байесовкий классификатор

Содержание учебной дисциплины

Введение. Обзор инструментов.
Данные.
Визуализация паттернов и формальные методы анализа.
Элементы креативной инфографики.
Лексическая статистика.
Классификация текстов.
Дистрибутивная семантика.
Тематическое моделирование.

Элементы контроля

Домашнее задание
Выполняется письменно и состоит из небольших упражнений, проверяющих усвоение материала семинаров. Направляется студентам по электронной почте. Студенты направляют ответ преподавателю также по электронной почте.
Экзамен (контрольная работа)
Экзамен проводится письменно в аудитории. Все вопросы разработаны на основе пройденного материала. Студенты заранее могут ознакомится с вопросами. Экзамен проходит в компьютерном классе.

Промежуточная аттестация

2021/2022 учебный год 2 модуль
0.4 * Экзамен (контрольная работа) + 0.6 * Домашнее задание

Программа дисциплины