Сбор и анализ количественных данных в рекламе и PR

2022/2023

Учебный год

RUS

Обучение ведется на русском языке

6

Кредиты

Кто читает:

Департамент социологии

Статус:

Курс обязательный

Когда читается:

1-й курс, 1, 2 модуль

Преподаватель

Ротмистров Алексей Николаевич

Программа дисциплины

Аннотация

Курс посвящён основам языка программирования Python, применяемым для автоматизированного сбора данных (веб-скрапинга) и их анализа. Курс включает пакеты и модули Python, а также интерфейсы, позволяющие обращаться к API Youtube и использовать его методы для веб-скрапинга, структурировать собранные данные в формат Excel, применять описательную статистику и искать связи между парой переменных – с учётом их типов шкал.

Цель освоения дисциплины

• Научиться основам Python, изучить его пакеты и модули , а также интерфейсы, позволяющие обращаться к API Youtube и использовать его методы для веб-скрапинга, структурировать собранные данные в формат Excel, применять описательную статистику и искать связи между парой переменных -- с учётом их типов шкал.

Планируемые результаты обучения

• Умение посредством Python правильно авторизоваться в YouTube, создать клиент API YouTube и применить его для веб-скрапинга изучаемого YouTube-канала.
• Умение посредством Python правильно оформить характеристики видео с изучаемого YouTube-канала в удобную таблицу Excel.
• Умение применять к переменным релевантные методы описательной статистики (одномерные частотные таблицы и графики, меры центральной тенденции и неоднородности) -- с учётом их типов шкал.
• Умение применять к переменным релевантные методы парной связи (коэффициент корреляции Пирсона, коэффициент ранговой корреляции Спирмана, критерий Хи-квадрат и его остатки) -- с учётом их типов шкал; и интерпретировать результаты.
• Умение различать три основных типа шкал переменных (номинальные, порядковые, интервальные-числовые) на основе ориентиров.

Содержание учебной дисциплины

• Основы веб-скрапинга: API YouTube и программная среда Python.
• Основы работы с выгрузкой результатов веб-скрапинга.
• Типы шкал, траектории анализа данных.
• Методы описательной статистики с учётом типов шкал.
• Методы парной связи с учётом типов шкал.

Элементы контроля

• Два домашних задания
  Сбор данных в рамках персонального (или в команде до четырёх человек) мини-проекта и их первичный анализ
• Экзамен
  Экзамен в формате теста
• Активность на занятии
  Активность на занятиях; выставляется на каждом занятии за обоснованные ответы

Промежуточная аттестация

• 2022/2023 учебный год 2 модуль
  0.23 * Два домашних задания + 0.35 * Экзамен + 0.22 * Два домашних задания + 0.1 * Активность на занятии

Список литературы

Рекомендуемая основная литература

• Harish Garg. (2018). Mastering Exploratory Analysis with Pandas : Build an End-to-end Data Analysis Workflow with Python. Packt Publishing.

Рекомендуемая дополнительная литература

• Fink, C. (2020). metatube: Python script to download YouTube metadata. https://doi.org/10.5281/zenodo.3773303
• McKinney, W. (2018). Python for Data Analysis : Data Wrangling with Pandas, NumPy, and IPython (Vol. Second edition). Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1605925