Язык программирования R (syllabus) 2026

Планируемые результаты обучения (Знать, Уметь, Владеть)	Знать основные особенности языка R и его роль в анализе данных ; принципы tidy data: строка = наблюдение, столбец = переменная; базовые возможности пакетов dplyr, httr/jsonlite, ggplot2 для обработки, получения и визуализации данных; общую схему работы с данными курса: Digida/NetLogo → CSV/API → R → визуализация → публикация на Digida. Уметь настраивать рабочую среду R/RStudio и загружать данные из CSV‑файлов; выполнять базовую обработку данных в R: фильтрацию, выбор столбцов, группировку, агрегирование с помощью `%>%` и dplyr; получать данные по HTTP и из MediaWiki API (Digida) и преобразовывать их в таблицы; строить простые графики в ggplot2 (столбчатые, линейные, точечные) и сохранять результаты; документировать полный рецепт обработки данных на странице Digida (код, данные, результаты, вывод). Владеть базовыми приёмами потоковой обработки данных в R с использованием pipe‑нотации; навыками интеграции R‑скриптов с инфраструктурой Digida
Содержание разделов курса	; Введение в язык R и настройка рабочей среды обзор языка R и RStudio; установка и выбор рабочей директории; загрузка данных из CSV (логи Digida, результаты NetLogo); базовые операции: просмотр данных, размер, типы столбцов. Элементы языка программирования R и tidydata векторы, data.frame, основы индексирования; пакет dplyr: `filter`, `select`, `mutate`, `group_by`, `summarise`; оператор pipe `%>%` и построение цепочек преобразований; tidydata и приведение исходных логов/экспериментов к опрятному виду. Получение данных из файлов, по HTTP и через MediaWiki API повторение `read.csv` для локальных файлов (Digida/NetLogo CSV); пакет httr: выполнение GET‑запросов; пакет jsonlite: преобразование JSON в таблицы; примеры запросов к MediaWiki API Digida (recentchanges и др.); объединение данных из нескольких источников (merge/join). Визуализация данных и R‑рецепты для Digida базовые графики в ggplot2: `geom_col`, `geom_line`, `geom_point`; настройка подписей, осей, тем и сохранение графиков (ggsave); структура R‑рецепта: описание задачи, данные, код, таблицы, графики, выводы; создание страницы в категории RRecipe на Digida с полным рецептом извлечения и анализа данных.
Видео запись
Среды и средства, которые поддерживают учебный курс	R
Книги, на которых основывается учебный курс	R for Data Science

Последовательность курса

Книги

	Description	Environment
APIs for social scientists: A collaborative review	В книге представлено множество API социальных сетей и основы их использования. В статье по этой книге собраны примеры API и особенности работы с ними. Код в книге - R	R RStudio API
Big Data with R	Exploring, Visualizing, and Modeling Big Data with R В образовании имеется огромное количество данных — от записей о студентах и наблюдений преподавателей до результатов тестов. Современные технологии, такие как распознавание лиц и биометрические сигналы, расширяют доступ к визуальной и аудиоинформации о студентах. Мультимодальная аналитика в образовательном тестировании и психометрике позволяет точнее оценивать знания учащихся, одновременно отслеживая их прогресс с помощью аналитики обучения. Анализ логов и времени реакции помогает понять уровень вовлеченности студентов, выявить списывание и наличие предварительных знаний по тестовым заданиям.	R SQL Spark
Causal Inference in R	Welcome to Causal Inference in R. Answering causal questions is critical for scientific and business purposes, but techniques like randomized clinical trials and A/B testing are not always practical or successful. The tools in this book will allow readers to better make causal inferences with observational data with the R programming language. By its end, we hope to help you: Ask better causal questions. Understand the assumptions needed for causal inference Identify the target population for which you want to make inferences Fit causal models and check their problems Conduct sensitivity analyses where the techniques we use might be imperfect	R
Individual-Based Models of Cultural Evolution: A Step-by-Step Guide Using R	Книга показывает как создавать агентно-ориентированные модели или ABM культурной эволюции. В тексте книги используется код на языке программирования R. От очень простых моделей основных процессов культурной эволюции, таких как предвзятая передача и культурная мутация, к более сложным темам, таким как эволюция социального обучения, демографические эффекты и анализ социальных сетей.	R Ggplot
Interactive web-based data visualization with R, plotly, and shiny	Книга по разработке приложений в веб среде на основе языка R + Plotly + Shiny It makes heavy use of plotly for rendering graphics, but you’ll also learn about other R packages that augment a data science workflow, such as the tidyverse and shiny	R RStudio Shiny
Introduction to Econometrics with R	Введение в эконометрику с R - учебник по эконометрике с использованием языка R - еще на стадии совместного редактирования	R
Introductory Statistics for Economics	Книга "Introductory Statistics for Economics" предназначена для знакомства студентов с базовыми статистическими методами и их применением в экономике. Учебник содержит большое количество практических примеров и упражнений на языке программирования R, что формирует основные навыки данных и статистического анализа. Эти навыки отлично совмещаются с агентным моделированием в NetLogo, ведь полученные инструменты анализа данных и программирования применимы для анализа результатов симуляций и их визуализации.	R
Learn ggplot2 using Shiny App	Сетевая книга по освоению приемов работы с пакетом ggplot2 языка R в среде Shiny	R RStudio Shiny
Learning analytics methods and tutorials: A practical guide using R	Методы учебной аналитики с использованием языка R - открытое руководство с многочисленными примерами и ссылками на образовательные датасеты	R RStudio Аналитика мультимодальная
Mastering Shiny: Build Interactive Apps, Reports, and Dashboards Powered by R	Книга о создании аналитических веб-приложений на языке R в среде Shiny	R Shiny
Mastering Spark with R	Руководство как использовать Apache Spark с R. Книга поможет освоить инструменты, навыки и методы Apache Spark с R, применимые в крупномасштабной обработке данных	R Spark
Modeling Social Behavior: Mathematical and Agent-Based Models of Social Dynamics and Cultural Evolution	Социальные, поведенческие и когнитивные науки исторически полагались на силу слова. Слова имеют силу. Богатые аналогии могут найти отклик в умах читателей и пролить свет на тайны природы. Я говорю о вербальных теориях, описательных объяснениях сложных явлений. Большинство теорий, вероятно, более точны, чем поэтичны, но они, как правило, опираются на свойство большинства языков, согласно которому фраз могут нести в себе несколько возможных импликатур — рассмотрим, например, такие слова, как «восприятие», «категория», «идентичность», «тождественность» обучение» и даже «реакция» достаточно двусмысленны, чтобы допускать множество интерпретаций. То есть язык по своей сути (и адаптивно) расплывчат и двусмыслен. В конечном счете, это проблема для ученых, потому что нам нужно предельно четко понимать, о чем мы говорим, чтобы выдвинуть полезные теории Вселенной.	NetLogo BehaviorSpace R ODD принципы Центральная предельная теорема
Outstanding User Interfaces with Shiny	A book about deeply customizing Shiny app for production.	R Shiny
R for Data Science	Подробное руководство по использованию языка R для обработки, модификации, визуализации и программировании данных. Книга "R for Data Science" вводит концепцию tidy data как стандарт организации данных, где каждая переменная — в отдельном столбце, а каждая наблюдение — в отдельной строке. Это упрощает анализ, визуализацию и моделирование с помощью tidyverse. Стратегия книги строится вокруг полного цикла data science: импорт данных, их приведение к tidy-форме (tidying), трансформация (wrangling), визуализация (ggplot2). Цель — научить думать о данных как о tidy, чтобы 80% времени уходило на анализ, а не на чистку.	Анализ данных R RStudio
Text Mining with R	Книга даёт завершённую картину современных аналитических подходов к тексту, систематизируя инструменты R и методику работы с данными на всех этапах анализа.	R Tidytext
Text Mining with R: A Tidy Approach	Практический современный учебник с фокусом на подход "tidy data" в R. Охватывает: предобработку, токенизацию, анализ тональности, тематическое моделирование, визуализацию Используемые пакеты: tidytext, dplyr, ggplot2, quanteda	R Tidytext
Tidy Modeling with R	Руководство по созданию и использованию моделей при помощи пакетов из пространства tidyverse: recipes, parsnip, workflows, yardstick, and others.	R RStudio R for Data Science
Классификация, регрессия и другие алгоритмы Data Mining с использованием R	Описана широкая совокупность методов построения статистических моделей классификации и регрессии для откликов, измеренных в альтернативной, категориальной и метрической шкалах. Подробно рассматриваются деревья решений, машины опорных векторов с различными разделяющими поверхностями, нелинейные формы дискриминантного анализа, искусственные нейронные сети и т.д.	R
Незримый колледж МЭШ	Статья, в которой понятие незримого колледжа применяется к сообществу учителей, сотрудничающих внутри репозитория московской электронной школы.	NetLogo BehaviorSpace R RStudio

Готовые рецепты с R

	Description
Pivot в R	Pivot в R (из пакета tidyr) — это "поворот" или "сводка данных", простыми словами — инструмент для перестройки формы таблицы: из длинной (long) в широкую (wide) и наоборот. Представьте, что данные — это пластилин: pivot_longer "растягивает" таблицу вниз, превращая столбцы в строки, а pivot_wider "расплющивает" её в стороны, делая из строк новые столбцы. Это нужно, чтобы привести данные к tidy-стандарту для удобного анализа, графиков и моделей — в образовании часто данные приходят "криво" (оценки по предметам в столбцах или в строках), а pivot их быстро приводит в порядок.
R for Big Data	R для обработки больших данных
Анализ данных	После того, как мы собрали или вырастили данные, наступает этап их анализа. В прикладной науке о данных выделяется определённая последовательность действий, которые совершаются над данными для их лучшего понимания и объяснения.
Библиографический анализ области знаний	Анализ публикаций начинается с представления общего поля работ, которые были сделаны по данной теме в последние 10 – 30 лет. В рецепте представлены следующие шаги: Запрос к библиотеке или реферативным базам данных - ACM Digital Library, WoS Объединение и редактирование записей в Zotero Экспорт записей в формат для VOSviewer или Biblioshiny Сохранение и представление датасета Импорт данных в VOSviewer Кластеризация авторов Кластеризация ключевых слов Тезаурус для объединения повторов
Библиометрические исследования	Как организовать и осуществить библиометрическое исследование - от сбора информации в базах данных, через обработку в библиоменеджерах и дальнейший анализ в средах анализа данных
Как извлечь данные из категории Digida	Мы хотим проанализировать тексты, которые хранятся в статья определенной категории поля цифровой дидактики. Есть 2 способа - экспорт статей и использование MediaWiki API
Как изучить данные PISA learningtower package	Некоторые данные PISA доступны в сети и в среде пакетов R. Например, можно использовать learningtower package
Как изучить студию с помощью Scratch API	Мы хотим изучить деятельность участников, которые разместили свои проекты внутри конкретной студии Scratch. В этом рецепте мы изучаем как авторы размещают свои проекты в данной студии (по ее номеру) и в других студиях. При этом исходно мы не использовали данные о комментариях к студии и проектам.
Как использовать данные в модели NetLogo	У нас есть наборы данных, которые мы хотим использовать в NetLogo модели. Как мы можем обратиться к этим данным и использовать их?
Как исследовать данные из Wealth Distribution в R	Процесс выращивания данных в модели и их последующий анализ в R
Как оценить командность в студиях Scratch	Мы хотим сравнить командность действий в студиях Scratch. Рецепт сделан на примере 5 студий, но может быть расширен и можно провести большое исследование для множества студий
Как посчитать метрики командности (GitLab)	У нас есть записи коммитов в GitLab и мы хотим оценить командность действий участников в различных проектах
Как представить графы совместной деятельности в R	Для датасета из GitLab строим графы месячной активности участников.
Как провести анализ временного ряда	Нам нужно показать процедуру анализа временного ряда на готовых или выращенных в эксперименте данных.
Как провести лингвистический анализ текста	Нам нужно провести сравнительный анализ текстов по лингвистическим характеристика: Лексическое разнообразие (Type-Token Ratio). Отношение количества уникальных слов (типов) к общему числу слов (токенов). Высокий TTR указывает на разнообразие лексики, низкий — на повторяемость. Частотность слов и облака слов TF-IDF: выявление ключевых терминов. TF-IDF показывает, насколько слово важно для конкретного текста/категории по сравнению со всем корпусом Коллокации и биграммы
Как провести поверхностный анализ текста	Поверхностный анализ текста — это анализ легко измеримых, формальных характеристик текста, которые не требуют глубокого лингвистического анализа или интерпретации смысла. К ним относятся: Количество слов, символов, предложений Средняя длина слова и предложения Плотность текста Главное преимущество поверхностного анализа: быстрота, объективность, воспроизводимость результатов.
Как провести семантический анализ текста	Анализ тональности - анализ эмоциональной окраски текста (позитивная, негативная, нейтральная) Анализ личностных маркеров (LIWC-подход) Психолингвистический анализ, основанный на выявлении определённых категорий слов, отражающих психологические процессы
Как провести сравнительный анализ поведения на поле цифровой дидактики (R)	Мы собрали датасет о действиях участников на площадке digida и хотим провести анализ этого датасета с демонстрацией возможностей среды R
Как собрать данные Scratch Wiki при помощи MediaWiki API	Знания сообщества Scratch хранятся в нескольких вики на разных языках. Мы хотим собрать и сравнить данные о поведении участников
Как собрать своё первое приложение Shinу	Как: Создать своё первое и полезное приложение в среде Shiny Опубликовать Показать его на площадке Digida
Как сравнить тексты	Статья описывает методику комплексного сравнительного анализа текстовых корпусов. На примере студентов историков и филологов с площадки Digida.mgpu.ru, с использованием инструментов R и Voyant Tools.
Описать датасет при помощи описательной статистики	У нас есть готовый датасет и мы хотим его описать при помощи описательной статистики. При этом мы можем пользоваться различными статистическими пакетами и языками программирования.
Регрессионная модель	Регрессионная модель — это статистический инструмент, который помогает нам предсказывать значение одной переменной, исходя из значений других переменных. Это способ найти закономерность в данных и использовать её для предсказания будущих значений. В статье описано, как построить регрессионную модель и провести регрессионный анализ (на примере Language Change)
Сравнение Scratch wikis	Это рецепт извлечения данных по MediaWiki API из различных вики площадок, связанных с языком программирования Scratch.
Сравнить тексты нескольких датасетов	У нас есть несколько датасетов с библиографическими данными. Мы хотим провести сравнительный анализ по столбцу названий публикаций, чтобы понять различия между научными школами
Считать данные в R	Как считать данные в R, если они лежат на локальной машине или доступны удаленно по URL

Студенческие работы

	Description
Описать датасет при помощи описательной статистики	У нас есть готовый датасет и мы хотим его описать при помощи описательной статистики. При этом мы можем пользоваться различными статистическими пакетами и языками программирования.