Анализ и интерпретация данных (syllabus): различия между версиями

Материал из Поле цифровой дидактики
Строка 55: Строка 55:
## https://corgis-edu.github.io/corgis/csv/graduates/  
## https://corgis-edu.github.io/corgis/csv/graduates/  
#### https://corgis-edu.github.io/corgis/datasets/csv/graduates/graduates.csv
#### https://corgis-edu.github.io/corgis/datasets/csv/graduates/graduates.csv
См. [[:Категория:Dataset]]


==== Данные из игр ====
==== Данные из игр ====

Версия 11:25, 24 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

  1. https://corgis-edu.github.io/corgis/
    1. https://corgis-edu.github.io/corgis/csv/graduates/
        1. https://corgis-edu.github.io/corgis/datasets/csv/graduates/graduates.csv


См. Категория:Dataset

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 - https://rawgraphs.io/

Slnova Data2 exp.jpg

Использовать NetLogo Web для получения данных

Flocking netlogo web.jpg

Примеры моделей для постановки экспериментов:

  1. Образование стаи птиц или рыб
  2. Термиты
  3. Обучение по Выготскому или Пиаже - участники бросают шарики и стараются попасть как можно ближе к линии


Вырастить данные - поставить эксперимент с переменными - использовать BehaviorSpace


Многое как данные на примере Snap!

Планирование операций над данными

Планирование действий над данными при помощи UML диаграмм

Категория:Diagrams


Диаграммы классов

Диаграмма последовательности

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 Snap!
  • в пакетах R и Python – использование tidyverse & tidygraph

Пример очистки и преобразования данных:

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 Category:Datasets
планировать процесс обработки, визуализации, анализа и интерпретации данных при помощи UML Планирование операций над данными Создать схему цикла работы с данными Пример
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=6044