Data and Mathematical Methods in Human Geography

2022/2023

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Faculty of Geography and Geoinformation Technology

Course type:

Elective course

When:

3 year, 1, 2 module

Instructor

Sheludkov, Alexander

Программа дисциплины

Аннотация

Курс «Данные и математические методы в общественной географии» входит в группу обязательных предметов специализации «Общественная география и пространственные решения». Курс направлен на то, чтобы научить студентов проверять географические гипотезы математическими и статистическими методами и проводить количественные общественно-географические исследования. Целями освоения дисциплины являются: обучение основным приемам обработки, анализа и визуализации количественных и качественных данных, необходимых для успешного применения на практике теоретических знаний по экономической, социальной, политической и культурной географии, региональному анализу и географии населения.

Цель освоения дисциплины

• обучение основным приемам обработки, анализа и визуализации количественных и качественных данных, необходимых для успешного применения на практике теоретических знаний по экономической, социальной, политической и культурной географии, региональному анализу и географии населения

Планируемые результаты обучения

• оценивает области и границы применимости математических методов в общественной географии; проверяет географические гипотезы математическими и статистическими методами; проводит количественные общественно-географические исследования

Содержание учебной дисциплины

• Основы математических методов обработки данных в общественной географии

Элементы контроля

• Практическая работа
  В течение курса студент выполняет практические работы, отчёты о которых проверяются и оцениваются преподавателем. Оценка за практические работы определяется как среднее оценок за самостоятельные практические работы в течение курса. Суммарная оценка за практическую работу составляет 10 баллов.
• Групповой проект
  Оценка за работу над групповым проектом Опроектскладывается из оценки вклада студента в подготовку группового проекта и работы на семинаре с представлением результатов групповых проектов. Работа над групповыми проектами проходит в формате хакатона. Студенты разбиваются на группы по 3–4 человека и выбирают из предложенного списка набор данных и исследовательскую задачу(-и). Работа над проектами осуществляется на семинарском занятии и в рамках самостоятельной работы. На следующем семинарском занятии проходит презентация проектов. Суммарная оценка за работу над групповым проектом составляет 10 баллов.
• Экзамен
  Экзамен проводится в конце курса в форме презентации самостоятельного исследовательского проекта. Тематика самостоятельного исследовательского проекта определяется студентом, исходя из темы курсовой работы на текущем или прошлом году обучения. Суммарная оценка за работу над самостоятельным исследовательским проектом составляет 10 баллов.

Промежуточная аттестация

• 2022/2023 учебный год 2 модуль
  0.2 * Групповой проект + 0.5 * Практическая работа + 0.3 * Экзамен

Список литературы

Рекомендуемая основная литература

• Lansley, G., de Smith, M., Goodchild, M., & Longley, P. (2019). Big Data and Geospatial Analysis.
• Yuji Murayama. (2012). Progress in Geospatial Analysis. Springer.
• Амос, Г. MATLAB. Теория и практика / Г. Амос , перевод с английского Н. К. Смоленцев. — 5-е изд. — Москва : ДМК Пресс, 2016. — 416 с. — ISBN 978-5-97060-183-9. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/82814 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

• Wilke, C. V. (DE-588)121247104, (DE-627)081180608, (DE-576)292607067, aut. (2019). Fundamentals of data visualization a primer on making informative and compelling figures Claus O. Wilke. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edswao&AN=edswao.103046006X
• Информационно-сетевая география : монография / В.И. Блануца. — М. : ИНФРА-М, 2019. — 243 с. — (Научная мысль). — www.dx.doi.org/10.12737/monography_5cff8bcec8c6d5.00839612. - Режим доступа: http://znanium.com/catalog/product/1018338