• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site

From Big Data to Political Decision Making

2021/2022
Academic Year
RUS
Instruction in Russian
6
ECTS credits
Course type:
Compulsory course
When:
1 year, 3, 4 module

Instructor


Turobov, Aleksei

Программа дисциплины

Аннотация

Курс “От Больших данных к принятию политических решений” сочетает теоретическую, аналитическую и практическую направленность. Теоретическая часть дисциплины основывается на онлайн курсе на платформе coursera (https://www.coursera.org/ learn/big-data-introduction?specialization=big-data) - “Введение в Большие данные” от University of California San Diego. Изучение дисциплины «От Больших данных к принятию политических решений» базируется на следующих дисциплинах: − Современная политическая наука − Методология и методы политических исследований Для освоения учебной дисциплины студенты должны владеть следующими знаниями и компетенциями: − знать математику и статистику на базовом уровне; − владеть компьютером на уровне среднего пользователя; − обладать навыками освоения англоязычной литературы по политическим и социальным наукам
Цель освоения дисциплины

Цель освоения дисциплины

  • Основная цель курса – дать студентам базовые знания об области Больших данных, сформировать навыки первичной работы в системах анализа Больших данных (на примере Hadoop), уметь применять возможности работы с Большими данными в процессе принятия политических решений.
Планируемые результаты обучения

Планируемые результаты обучения

  • владеть: - навыками применения Больших данных по отношению к политическим процессам с использованием современного программного обеспечения.
  • знать теоретико-аналитические основы концепции Больших данных, возможности, особенности и специфику Больших данных в социо-политической сфере;
  • знать теоретико-аналитические основы концепции Больших данных;
  • знать теоретико-аналитические основы концепции Больших данных;
  • знать теоретико-аналитические основы концепции Больших данных; уметь базово работать с Большими данными (Hadoop Ecosystem; MapReduce programming);
  • знать: - возможности, особенности и специфику Больших данных в социо-политической сфере; - перспективы, риски и выгоды применения Больших данных при принятии и реализации политических решений; уметь: - самостоятельно анализировать выгоды и риски, а также допустимость применения технологий Больших данных в процессе принятия политических решений; - применять полученные знания при использовании технологий Больших данных в государственной политике.
  • уметь: - оценивать тенденции и возможности Больших данных в политических процессах; - самостоятельно анализировать выгоды и риски, а также допустимость применения технологий Больших данных в процессе принятия политических решений; знать: - возможности, особенности и специфику Больших данных в социо-политической сфере; - перспективы, риски и выгоды применения Больших данных при принятии и реализации политических решений;
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Большие данные: почему и где
  • Характеристики Больших данных и возможности масштабируемости
  • Наука о данных: ценность и возможности Больших данных
  • Основны систем Больших данных
  • Системы Больших данных: начало работы с Hadoop
  • Большие данные в социальных и политических науках
  • Трансформационные изменения в правительствах, политических институтах и политических технологиях под влиянием Больших данных
  • Case-study: изучение примеров использования Больших данных в политических процессах
Элементы контроля

Элементы контроля

  • неблокирующий Активность на практических занятиях
    Оценка работы студентов на занятиях (Оаудиторная) формируется по шкале от 0 до 1 и выставляет в рабочую ведомость. При формировании оценки за каждое занятие учитывается: - участие в обсуждении дискуссионных моментов излагаемого материала; - выполнение студентами практических заданий на компьютере с использованием как общедоступного, так и специального программного обеспечения. По результатам каждого занятия активность студентов оценивается по следующим критериям: - комплексность, системность и содержательная точность комментария/ответа при обсуждении; - теоретическое и/или практическое обоснование комментария/ответа при обсуждении; - полноценность и качество выполнения практических заданий. Критерии оценивания активности на занятиях: 0 балла - не посетил занятие; 0,5 балла - средняя активность, студент несколько раз включался в работу (участие в дискуссии, обсуждении)/частичное выполнение практического задания; 1 балл - студент был максимально активен на занятии/полноценное выполнение практического занятия. По итогам всех занятий баллы за содержательные ответы (Оаудиторная) суммируются и делятся на количество занятий, таким образом формируется средние арифметическое значение. Средние арифметическое значение активности студента на занятии умножается на коэффициент количества занятий на семинаре,, таким образом формируется накопленная (текущая) оценка за дисциплину (Онакопленная)
  • неблокирующий Экзамен (практическое задание)
    Экзамен проводится в устной форме. Экзамен проводится на платформе ms teams (https://teams.microsoft.com/l/team/19%3af5fbc4e8910848d1a807de2909ee507a%40thread.tacv2/conversations?groupId=1c80f1aa-a03a-499b-b18d-e16fa9018139&tenantId=21f26c24-0793-4b07-a73d-563cd2ec235f). К экзамену необходимо подключиться за 15 минут до начала. Компьютер студента должен удовлетворять требованиям: наличие рабочей камеры и микрофона, возможность демонстрировать экран - презентацию. Для участия в экзамене студент обязан: явиться на экзамен согласно точному расписанию, при ответе включить камеру и микрофон, продемонстрировать презентацию - представление командного проекта (демонстрацию проводит один из членов команды). Кратковременным нарушением связи во время экзамена считается до 2-х минут. Долговременным нарушением связи во время экзамена считается от 3-х минут и более. При долговременном нарушении связи студент не может продолжить участие в экзамене. Процедура пересдачи аналогична процедуре сдачи и проводится в устной форме. Экзамен реализуется посредством решения практического задания и представлением итогов прохождения онлайн-курса (скриншоты высылаются преподавателю за 14 дней до даты экзамена). Практическое задание высылается студентам за 14 дней до даты экзамена. В день экзамена, студенты демонстрируют решение практического задания, а также представляют выбранный метод/подход к решению. В процессе представления студенту задаются вопросы сугубо по теме практического задания. Обоснование подхода решения практического задания демонстрируют знания студента как теоретической части работы с Большими данными, так и понимание практической составляющей. Оценка за экзамен формируется по 10-ти балльной шкале по следующей формуле: Оэкзамен = Опрактического задания * (0,5) + Оонлайн курс * (0,5) где: Опрактического задания - оценка за практическое задание по 10-ти балльной шакле (см. Таблица “Критерии оценивания практического задания”) Оонлайн курс - оценка по итогам прохождения онлайн курса по 10-ти балльной шкале (формируется по итогам представления скриншотов прохождения онлайн курса на платформе coursera)
  • неблокирующий Активность на практических занятиях
    Оценка работы студентов на занятиях (Оаудиторная) формируется по шкале от 0 до 1 и выставляет в рабочую ведомость. При формировании оценки за каждое занятие учитывается: - участие в обсуждении дискуссионных моментов излагаемого материала; - выполнение студентами практических заданий на компьютере с использованием как общедоступного, так и специального программного обеспечения. По результатам каждого занятия активность студентов оценивается по следующим критериям: - комплексность, системность и содержательная точность комментария/ответа при обсуждении; - теоретическое и/или практическое обоснование комментария/ответа при обсуждении; - полноценность и качество выполнения практических заданий. Критерии оценивания активности на занятиях: 0 балла - не посетил занятие; 0,5 балла - средняя активность, студент несколько раз включался в работу (участие в дискуссии, обсуждении)/частичное выполнение практического задания; 1 балл - студент был максимально активен на занятии/полноценное выполнение практического занятия. По итогам всех занятий баллы за содержательные ответы (Оаудиторная) суммируются и делятся на количество занятий, таким образом формируется средние арифметическое значение. Средние арифметическое значение активности студента на занятии умножается на коэффициент количества занятий на семинаре,, таким образом формируется накопленная (текущая) оценка за дисциплину (Онакопленная)
  • неблокирующий Экзамен (практическое задание)
    Экзамен проводится в устной форме. Экзамен проводится на платформе ms teams (https://teams.microsoft.com/l/team/19%3af5fbc4e8910848d1a807de2909ee507a%40thread.tacv2/conversations?groupId=1c80f1aa-a03a-499b-b18d-e16fa9018139&tenantId=21f26c24-0793-4b07-a73d-563cd2ec235f). К экзамену необходимо подключиться за 15 минут до начала. Компьютер студента должен удовлетворять требованиям: наличие рабочей камеры и микрофона, возможность демонстрировать экран - презентацию. Для участия в экзамене студент обязан: явиться на экзамен согласно точному расписанию, при ответе включить камеру и микрофон, продемонстрировать презентацию - представление командного проекта (демонстрацию проводит один из членов команды). Кратковременным нарушением связи во время экзамена считается до 2-х минут. Долговременным нарушением связи во время экзамена считается от 3-х минут и более. При долговременном нарушении связи студент не может продолжить участие в экзамене. Процедура пересдачи аналогична процедуре сдачи и проводится в устной форме. Экзамен реализуется посредством решения практического задания и представлением итогов прохождения онлайн-курса (скриншоты высылаются преподавателю за 14 дней до даты экзамена). Практическое задание высылается студентам за 14 дней до даты экзамена. В день экзамена, студенты демонстрируют решение практического задания, а также представляют выбранный метод/подход к решению. В процессе представления студенту задаются вопросы сугубо по теме практического задания. Обоснование подхода решения практического задания демонстрируют знания студента как теоретической части работы с Большими данными, так и понимание практической составляющей. Оценка за экзамен формируется по 10-ти балльной шкале по следующей формуле: Оэкзамен = Опрактического задания * (0,5) + Оонлайн курс * (0,5) где: Опрактического задания - оценка за практическое задание по 10-ти балльной шакле (см. Таблица “Критерии оценивания практического задания”) Оонлайн курс - оценка по итогам прохождения онлайн курса по 10-ти балльной шкале (формируется по итогам представления скриншотов прохождения онлайн курса на платформе coursera)
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 4 модуль
    0.6 * Активность на практических занятиях + 0.4 * Экзамен (практическое задание)
Список литературы

Список литературы

Рекомендуемая основная литература

  • Brayne, S. (2017). Big Data Surveillance: The Case of Policing. American Sociological Review, 82(5), 977–1008. https://doi.org/10.1177/0003122417725865
  • Hesse, B. W., Moser, R. P., & Riley, W. T. (2015). From Big Data to Knowledge in the Social Sciences. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.D7A9C217
  • Jain, A., & Bhatnagar, V. (2016). Crime Data Analysis Using Pig with Hadoop. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.F9E25199
  • Motupalli, V. (2017). How Big Data Is Changing Democracy. Journal of International Affairs, 71(1), 71–79. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=bsu&AN=132571262
  • Opening Government : Transparency and Engagement in the Information Age. (2018). Netherlands, Europe: ANU Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.16AB1DBA
  • Tufekci, Z. (2014). Social Movements and Governments in the Digital Age: Evaluating a Complex Landscape. Journal of International Affairs, 68(1), 1–18. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=bsu&AN=100052744
  • Unver, H. A. (2017). Digital Challenges to Democracy: Politics of Automation, Attention, and Engagement. Journal of International Affairs, 71(1), 127–146. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=bsu&AN=132571266

Рекомендуемая дополнительная литература

  • Atif Mian, & Howard Rosenthal. (2016). Introduction: Big Data in Political Economy. https://doi.org/10.7758/RSF.2016.2.7.01
  • Hoeren, T. (2017). Big data and the legal framework for data quality. International Journal of Law & Information Technology, 25(1), 26–37. https://doi.org/10.1093/ijlit/eaw014