• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
2022/2023

Численное моделирование в политической науке

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»
Лучший по критерию «Новизна полученных знаний»
Статус: Маго-лего
Когда читается: 3, 4 модуль
Охват аудитории: для всех кампусов НИУ ВШЭ
Язык: русский
Кредиты: 6
Контактные часы: 72

Программа дисциплины

Аннотация

В рамках курса «Численное моделирование в политической науке» студенты освоят методологические подходы к построению вычислительных моделей, применяемые в современной политической науке. Для освоения учебной дисциплины, студенты должны владеть следующими знаниями и компетенциями: (1) знания в области алгебры, анализа, теории вероятностей и математической статистики; (2) владение английским языком, включая навыки работы с политологическими текстами; (3) знание основ политической теории; (4) умение работать с персональным компьютером, владение программами Excel, SPSS, Anaconda Community.
Цель освоения дисциплины

Цель освоения дисциплины

  • Цель освоения дисциплины «Численное моделирование в политической науке» - формирование развернутого представления о методологических подходах к построению вычислительных моделей в политологии, а также методических навыков их исследования и применения
Планируемые результаты обучения

Планируемые результаты обучения

  • Владеть навыками построения моделей политических процессов с использованием современного программного обеспечения
  • Знать методологические и методические особенности численного моделирования в политической науке
  • Уметь осуществлять корректный выбор стратегии построения модели в зависимости от задач исследования
  • Уметь применять полученные знания в анализе реальных политических процессов
  • Уметь самостоятельно разрабатывать численные модели в политической сфере
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Computational political science – современные тренды в политической методологии
  • Динамические системы
  • Агентно-ориентированное (agent-based) моделирование
  • Численный эксперимент
Элементы контроля

Элементы контроля

  • неблокирующий Активность
  • неблокирующий Домашнее задание
  • неблокирующий Проект
  • неблокирующий Письменная работа
Промежуточная аттестация

Промежуточная аттестация

  • 2022/2023 учебный год 4 модуль
    0.2 * Домашнее задание + 0.3 * Письменная работа + 0.1 * Активность + 0.4 * Проект
Список литературы

Список литературы

Рекомендуемая основная литература

  • Ахременко, А. С.  Политический анализ и прогнозирование в 2 ч. Часть 1 : учебник и практикум для бакалавриата и магистратуры / А. С. Ахременко. — 2-е изд., испр. и доп. — Москва : Издательство Юрайт, 2019. — 180 с. — (Бакалавр и магистр. Академический курс). — ISBN 978-5-534-07223-5. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/433819 (дата обращения: 28.08.2023).
  • Ахременко, А. С.  Политический анализ и прогнозирование в 2 ч. Часть 2 : учебник и практикум для бакалавриата и магистратуры / А. С. Ахременко. — 2-е изд., испр. и доп. — Москва : Издательство Юрайт, 2019. — 221 с. — (Бакалавр и магистр. Академический курс). — ISBN 978-5-534-07227-3. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/434222 (дата обращения: 28.08.2023).

Рекомендуемая дополнительная литература

  • Cioffi-Revilla, C. (2009). Simplicity and reality in computational modeling of politics. Computational & Mathematical Organization Theory, 15(1), 26–46. https://doi.org/10.1007/s10588-008-9042-2
  • K Saeed, & O V Pavlov. (2008). Dynastic cycle: a generic structure describing resource allocation in political economies, markets and firms. Journal of the Operational Research Society, (10), 1289. https://doi.org/10.1057/palgrave.jors.2602456

Авторы

  • Ахременко Андрей Сергеевич
  • Карпич Юлия Владимировна