| Закреплена за кафедрой | НET (реорганизована) 55 |
|---|---|
| Направление подготовки | 39.04.01. Социология |
| Профиль | Цифровые методы анализа и визуализации данных в социальных исследованиях |
| Форма обучения | Заочная |
| Общая трудоемкость | 4 ЗЕТ |
| Учебный план | z39_04_01_ЦМА-1-2020 |
|
|
||||||||||||||
Распределение часов по курсам
| Курс | 3 | Итого | ||
|---|---|---|---|---|
| Вид занятий | УП | РПД | УП | РПД |
| Лекции | 6 | 6 | 6 | 6 |
| Практические | 8 | 8 | 8 | 8 |
| Сам. работа | 121 | 121 | 121 | 121 |
| Часы на контроль | 9 | 9 | 9 | 9 |
| Итого | 144 | 144 | 144 | 144 |
Визирование РПД для исполнения в очередном учебном году
Рабочая программа пересмотрена, обсуждена и одобрена для
исполнения в 2020-2021 учебном году на заседании
кафедры
НET (реорганизована) 55
Протокол от 31.08.2020 г. № 1
Заведующий кафедрой Максимова Светлана Геннадьевна
| 1.1. | Дисциплина «Анализ данных в программе R» предназначена для освоения основ работы в среде программирования R, навыков статистического анализа и визуализации результатов исследования. |
|---|
| Цикл (раздел) ООП: Б1.О.4 |
| ОПК-2.1 | Обосновывает актуальность постановки фундаментальных и прикладных социологических исследований, формулирует цели и задачи социологического исследования; |
| ОПК-2.2 | На основе теорий и концепций социологии формулирует задачи и гипотезы для выполнения исследовательских задач при постановке прикладных и фундаментальных социологических исследований; |
| ОПК-2.3 | Анализирует и развивает новые методы исследования применительно к задачам социологического исследования |
| ОПК-2.4 | Обосновывает предложения по совершенствованию и разработке методов сбора и анализа социологических данных; |
| ОПК-2.5 | Разрабатывает стратегию управления социологическим исследованием |
| В результате освоения дисциплины обучающийся должен | |
| 3.1. | Знать: |
|---|---|
| 3.1.1. | Возможности применения среды программирования R для сбора (извлечения) данных из виртуальных источников информации и анализа результатов прикладных социологических исследований. Знать принципы работы в программе R, основные функции и библиотеки, используемые для статистического анализа. Алгоритмы работы в программе R для проведения многомерных видов анализа (регрессии, классификации, факторного анализа) Основы статистического вывода и возможности программы R проверки статистических гипотез, формулируемых в рамках прикладных и фундаментальных социологических исследований. Алгоритмы работы в программе R с данными разного типа, верифицировать гипотезы на основе различных статистических методов и моделей. Основы разработки статистических пакетов, работы в сообществе пользователей программы R. Основные направления применения и развития среды программирования R. Алгоритмы расчета для применения классических и современных статистических методов в среде R. Возможности применения методов статистического анализа применительно к задачам социологического исследования. Возможности и ограничения применения программной среды R. Перспектив развития R для совершенствования и разработки методов сбора и анализа социологических данных. Способы совершенствования существующих методов для анализа и визуализации социологических данных. Основные компоненты статистической среды R, организацию вычислений и функций. Основные этапы стратегии управления социологическим исследованием и ключевые пакеты среды R соответствующие данным этапам. Возможности совершенствования стратегии социологического исследования с помощью среды программирования R. Историю и основные принципы организации среды R,объекты, пакеты, функции и устройства. Типы данных, векторы и матрицы, импорт данных. Основы одномерного и многомерного статистического анализа, в том числе пространственного анализа, базовые и специализированные графические возможности. |
| 3.2. | Уметь: |
| 3.2.1. | Проводить элементарный статистический анализ в программе R. Сделать выбор во множестве пользовательских пакетов сообразно задачам конкретного социологического исследования. Применять программу R для многомерных методов статистического анализа, корректной визуализации результатов. Проверять простые статистические гипотезы в программе R, создавать элементарные графики для одномерного анализа. Комбинировать алгоритмы анализа на основе нескольких пользовательских пакетов. Ставить сложные исследовательские задачи и гипотезы и проверять их с помощью среды программирования R. Ориентироваться в существующих методах статистического анализа и их реализации в среде R. Выбрать из множества программных возможностей соответствующие задачам социологическиго исследования. Проводить сравнительный анализ методов и возможностей новых пакетов для решения задач социологического исследования. Обосновывать необходимость применения программной среды R в рамках конкретного социологического исследования. Обосновывать необходимость применения программной среды R для совершенствования механизмов сбора и анализа данных в рамках конкретного социологического исследования. Обосновывать предложения по совершенствованию методов сбора и анализа данных с учетом современных достижений в области статистики и программирования. Применять программную среду R для сбора и импорта данных, статистических вычислений. Применять программную среду R на различных этапах исследования, в том числе для подготовки аналитических отчетов и презентаций. Применять программную среду R для совершенствования стратегии социологического исследования. |
| 3.3. | Иметь навыки и (или) опыт деятельности (владеть): |
| 3.3.1. | Элементарными навыками написания программного кода на языке R. Основами статистического анализа в программе R, содержание которого определяется задачами фундаментального или прикладного исследования. Навыками комплексного статистического анализа и визуализации данных в среде программирования R. Навыками элементарного статистического анализа, визуализации данных. Навыками статистического обучения, регрессионного анализа и классификации. Навыками проведения многомерного анализа и комплексной визуализации.Навыками применения базовых методов анализа и визуализации, встроенных в R. Навыками импорта данных, применения классических методов статистики в R, использования базовых и более продвинутых возможностей R, Навыками проверки множественных статистических гипотез, сравнительного анализа в R. Навыками сбора и импорта данных, первичного статистического анализа. Навыками анализа методов и функций из различных статистических пакетов, разработки собственных пакетов применительнок задачам конкретного социологического исследования. Навыками анализа и визуализации данных в программной среде R, перспектив развития новых методов анализа. Начальными навыками программирования в среде R для реализации стратегии социологического исследования. Основными навыками владения возможностями среды R для управления социологическим исследованием. Продвинутыми навыками владения возможностями среды R для управления социологическим исследованием. |
| Код занятия | Наименование разделов и тем | Вид занятия | Курс | Часов | Компетенции | Литература |
|---|---|---|---|---|---|---|
| Раздел 1. Введение в программную среду R | ||||||
| 1.1. | История создания и ключевые принципы программирования. Фундаментальные основы манипуляции данными. | Лекции | 3 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-2.4, ОПК-2.5 | Л2.1 |
| 1.2. | Импорт данных, первичная статистическая обработка. Базовые графики в R. | Практические | 3 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-2.4, ОПК-2.5 | |
| 1.3. | Двумерный анализ в R. Обзор основных пакетов. | Лекции | 3 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-2.4, ОПК-2.5 | Л1.2 |
| 1.4. | Эксплораторный анализ в R. | Практические | 3 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-2.4, ОПК-2.5 | |
| 1.5. | Подготовка самостоятельного исследовательского проекта по анализу данных в R. Поиск источников и сбор данных. Манипуляции и трансформации данных. Эксплораторный анализ и подготовка к моделированию. | Сам. работа | 3 | 60 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-2.4, ОПК-2.5 | |
| Раздел 2. Многомерные методы и основы машинного (статистического) обучения в R | ||||||
| 2.1. | Основы регрессионного моделирования, классификации и деревья решений. | Лекции | 3 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-2.4, ОПК-2.5 | Л1.1 |
| 2.2. | Обучение без учителя. Метод главных компонент. Кластерный анализ. | Практические | 3 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-2.4, ОПК-2.5 | Л1.3 |
| 2.3. | Пространственный анализ в R. | Практические | 3 | 2 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-2.4, ОПК-2.5 | Л1.2 |
| 2.4. | Подготовка к защите исследовательского проекта по анализу данных в R. | Сам. работа | 3 | 61 | ОПК-2.1, ОПК-2.2, ОПК-2.3, ОПК-2.4, ОПК-2.5 | Л1.3 |
| 5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины |
| ФОС размещен на странице курса на образовательном портале Алтайского государственного университета. |
| 5.2. Темы письменных работ для проведения текущего контроля (эссе, рефераты, курсовые работы и др.) |
| Не предусмотрены. Индивидуальные темы исследовательских проектов утверждаются на практических занятиях. |
| 5.3. Фонд оценочных средств для проведения промежуточной аттестации |
| ОС размещен на странице курса на образовательном портале Алтайского государственного университета. |
| 6.1. Рекомендуемая литература | ||||
| 6.1.1. Основная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л1.1 | Гитис Л. Х. | Статистическая классификация и кластерный анализ : | М.: Изд-во МГГУ, 2003 | |
| Л1.2 | Комарова Е. С. | Парный регрессионный анализ: Учебники и учебные пособия для ВУЗов | Директ-Медиа, 2015 | biblioclub.ru |
| Л1.3 | П. Флах | Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных: Учебник | ДМК Пресс, 2015//ЭБС издательства «Лань» | e.lanbook.com |
| 6.1.2. Дополнительная литература | ||||
| Авторы | Заглавие | Издательство, год | Эл. адрес | |
| Л2.1 | Кубенский А.А. | ФУНКЦИОНАЛЬНОЕ ПРОГРАММИРОВАНИЕ. Учебник и практикум для академического бакалавриата: Гриф УМО ВО | М.:Издательство Юрайт, 2018 | biblio-online.ru |
| 6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет" | ||||
| Название | Эл. адрес | |||
| Э1 | Everitt B.S., Hothorn T. A Handbook of Statistical Analyses Using R | cran.r-project.org | ||
| Э2 | Grolemund G. Wickham H. R for Data Science | r4ds.had.co.nz | ||
| Э3 | Maindonald John , Braun W. John Data Analysis and Graphics Using R – an Example-Based Approach | www.ievbras.ru | ||
| Э4 | James G., Hastie T., Tibshirani R. An Introduction to Statistical Learning with Applications in R | faculty.marshall.usc.edu | ||
| Э5 | Курс на образовательном портале Алтайского государственного университета | portal.edu.asu.ru | ||
| 6.3. Перечень программного обеспечения | ||||
| R, RStudio, R Markdown | ||||
| 6.4. Перечень информационных справочных систем | ||||
| https://community.rstudio.com/ https://cran.r-project.org/ https://journal.r-project.org/ http://www.r-tutor.com/ https://www.r-graph-gallery.com/ http://www.rdatamining.com/ | ||||
| Аудитория | Назначение | Оборудование |
|---|---|---|
| 511Д | лаборатория математического обеспечения социально-психологических исследований - учебная аудитория для проведения занятий лекционного типа; занятий семинарского типа (лабораторных и(или) практических); проведения групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации | Учебная мебель на 20 посадочных мест; рабочее место преподавателя; доска меловая 1 шт.; компьютеры: 10 единиц; мониторы: 10 единиц. |
| Учебная аудитория | для проведения занятий лекционного типа, занятий семинарского типа (лабораторных и(или) практических), групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации, курсового проектирования (выполнения курсовых работ), проведения практик | Стандартное оборудование (учебная мебель для обучающихся, рабочее место преподавателя, доска) |
| Для освоения курса необходимы: посещение лекций, выполнение заданий на практических занятиях (предоставляются в виде файлов с кодом в R и сгенерированных html файлов в специализированной программе для разметки R Markdown), подготовка индивидуального исследовательского проекта по анализу данных в R. Для получения аттестации студент должен продемонстрировать все навыки работы в программе: подготовка данных (импорт, чистка, фильтрация), первичная статистическая обработка и одномерная визуализация, проверка статистических гипотез на основе двух переменных, построение комплексных статистических моделей. |