Basics of Data Analysis in International Relations

2022/2023

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Big Data and Information Retrieval School

Course type:

Compulsory course

When:

2 year, 1, 2 module

Instructors

Bocharova, Alexandra

Burova, Margarita

Маркина Дарья Сергеевна

Программа дисциплины

Аннотация

Умение понимать, интерпретировать и презентовать данные является важным навыком в современном мире. Целью данного курса является дать слушателям основные инструменты для того, чтобы уметь критически анализировать результаты исследований, а также уметь описывать, визуализировать и презентовать такую информацию. Курс можно разбить на две части. В первой части мы научимся собирать данные с новостных сайтов (по определенной тематике или отрасли), формировать из них базу статей в виде таблицы и затем будем учиться работать с табличными данными – загружать и обрабатывать их, заполнять пропуски, считать описательные статистики. Вторая часть курса посвящена визуализации данных. Мы поговорим о том, как строить наглядные графики, как делать наши визуализации более эффективными и избегать искажения информации. Задание по сбору статей в рамках своей исследовательской задачи в журналистике, последующей их обработке и визуализации данных и защита полученного продукта в виде аналитической заметки станут финальным проектом курса.

Цель освоения дисциплины

• Обучение студентов основам программирования на языке Python, а также получение студентом целостного представления о возможностях и ограничениях современных статистических методов.

Планируемые результаты обучения

• Замечать ошибки, допущенные при визуализации данных (искажение трендов и информации и т.д.) и избегать их при создании своих визуализаций
• Знать основные структуры данных и парадигмы программирования
• Знать синтаксис и семантику основных конструкций языка программирования Python
• Интерпретировать результаты простых экспериментальных исследований и опросов
• Корректно понимать основную статистическую терминологию
• Различать плохие примеры визуализации данных и уметь обосновывать свое мнение
• Считать базовые описательные статистики (меры центральности, разброса и т.д.)
• Уметь собирать, предобрабатывать и визуализировать данные и выводить их описательные статистики
• Уметь формулировать аналитическую задачу и реализовывать ее выполнение на Python

Содержание учебной дисциплины

• Практика по визуализации данных в Tableau
• Визуализация данных: особенности восприятия, лучшие практики и ошибки
• Введение в статистику и работу с данными
• Повторение основ программирования на Python

Элементы контроля

• Контрольная работа
• Экзамен
• Домашнее задание
• Тесты
• Исследовательский проект

Промежуточная аттестация

• 2022/2023 учебный год 2 модуль
  0.2 * Исследовательский проект + 0.2 * Контрольная работа + 0.2 * Экзамен + 0.2 * Тесты + 0.2 * Домашнее задание

Список литературы

Рекомендуемая основная литература

• Lutz, M. (2008). Learning Python (Vol. 3rd ed). Beijing: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=415392

Рекомендуемая дополнительная литература

• Frederick J Gravetter, Larry B. Wallnau, Lori-Ann B. Forzano, & James E. Witnauer. (2020). Essentials of Statistics for the Behavioral Sciences, Edition 10. Cengage Learning.