Анализ и интерпретация данных (syllabus): различия между версиями

Материал из Поле цифровой дидактики
Строка 88: Строка 88:
=== Планирование операций над данными ===
=== Планирование операций над данными ===
Планирование действий над данными при помощи UML диаграмм
Планирование действий над данными при помощи UML диаграмм
{{#mermaid:sequenceDiagram
actor Участник
      Участник->>Страница: Есть нужная статья?
      Страница->>Участник: Умеешь задавать вопрос
Участник->>Система: Хочу зарегистрироваться
Система->>Участник: Статус участника
Участник-->Свойства: Создать концепт
Свойства->>Участник: Понимает динамический поиск
Участник-->Свойства: запрос с Ask
Свойства->>Участник: владеет языком запросов
 
      Участник->>Страница: Внести правки
      Страница->>Участник: Умеешь редактировать
        Участник->>Страница: Внести код (Sctatch, Mermaid)
      Страница->>Участник: Умеешь пользоваться расширениями
Участник-->Свойства: Создать новое свойство
Свойства->>Участник: Понимает свойства и типы
Участник-->Свойства: Создать новый класс
Свойства->>Участник: Понимает формы и шаблоны
      Участник->>Страница: Связать со страницей
      Страница->>Участник: Связи классов
      Администратор->>Участник: Статус адинистратора
}}


=== Сетевые сервисы визуализации ===
=== Сетевые сервисы визуализации ===

Версия 08:46, 19 ноября 2022

Учебная группа, работающая с курсом Анализ и интерпретация данных в в 202 году Категория:МКО_22

Цель, результаты освоения дисциплины

В результате освоения дисциплины слушатель должен:

Знать
  • особенности типов и источников данных
Уметь
  • планировать процесс обработки, визуализации, анализа и интерпретации данных при помощи UML - Категория:Diagrams
  • использовать сетевые сервисы для экспресс-анализа и интерпретации данных
  • очищать, обрабатывать и видоизменять данные, приводя их к опрятному виду (tidy data)
  • совершать операции статистического анализа
Владеть
  • навыками выстраивания процесс анализа и интерпретации данных от исходных сырых данных до публикации отчета или статьи

Содержание разделов дисциплины:

Источники и типы данных

Источники и типы данных, которые мы извлекаем или порождаем - информационные системы организаций, библиографические системы, сетевые опросы, игры, симуляции, сетевые сообщества

Библиографические данные

Пример работы

Zotero + ACM https://m.youtube.com/watch?v=vNvRVTWYwlw

Библиографический датасет 1

Внешние данные

https://corgis-edu.github.io/corgis/

Данные из игр


Выращивание данных

Starlogo Nova

Проект https://www.slnova.org/patarakin/projects/694467/

Исходное состояние - выбираем параметры

  • количество мячей = 5
  • количество участников = 175
  • рычажок видимости (как близко от участника должен быть мяч, чтобы он начал к нему бежать) = 5

Slnova Data.jpg

Собираем данные со страницы

500 записей Slnova Data1.jpg

Загружаем датасет в RAWGraphs

Slnova Data2 exp.jpg

Многое как данные на примере Snap!

Планирование операций над данными

Планирование действий над данными при помощи UML диаграмм


Сетевые сервисы визуализации

Использование быстрых сетевых сервисов анализа и интерпретации данных – RAWGraphs, CODAP, NetBlox. Выбор способов представления данных

Задание с RAWGraphs

Патаракин Е. Д. Выращивание и Анализ Данных в Веб Красноярск - Сибирский федеральный университет, 2021.C. 238–242.
https://elibrary.ru/item.asp?id=46644731
https://www.slnova.org/patarakin/projects/694467/

Обработка, очистка

Обработка, очистка и манипуляции с данными в пакетах R и Python – использование tidyverse & tidygraph

Статистический анализ и интерпретация данных

Основные операции статистического анализа над данными

Экспорт результатов

Подготовка результатов для публикаций, создание выполняемых публикаций и динамических визуализаций

Литература

Основная литература

Дополнительная литература

  1. Патаракин Е.Д., Ярмахов Б.Б. Выращивание данных для школьных виртуальных лабораторий // Вестник Российского Университета Дружбы Народов. Серия: Информатизация Образования. 2021. Vol. 18, № 4. c. 347–359.
  2. Патаракин Е.Д., Вачкова С.Н. Сетевой анализ коллективных действий над цифровыми образовательными объектами // Вестник Московского Городского Педагогического Университета. Серия: Педагогика И Психология. 2019. № 4 (50). c. 101–112.


Видеоматериалы

Критерии оценки по дисциплине

Образовательный результат Тема Задание Пример
Знает особенности типов и источников данных Примеры источников данных Найти, оформить, вырастить данные для дальнейшего анализа В категории статей о датасетах
планировать процесс обработки, визуализации, анализа и интерпретации данных при помощи UML Планирование операций над данными Создать схему цикла работы с данными Пример Category:Diagrams
Умеет использовать сетевые сервисы для экспресс-анализа и интерпретации данных Сетевые сервисы визуализации Использовать экспресс-методы RowGraph, CODAP - примеры использования
Обработать и очистить данные Обработка, очистка Подготовить и видоизменить данные Примеры видоизменения данных в Snap!, R, Python
Операции статистического анализа Статистический анализ и интерпретация данных Операции над собственным датасетом Готовые датасеты
Подготовка выполняемой публикации Экспорт результатов Операции над собственным датасетом Выполняемая публикация
Источник — http://digida.mgpu.ru/index.php?title=Анализ_и_интерпретация_данных_(syllabus)&oldid=5792