Анализ и интерпретация данных (syllabus)

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
• 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

= Выращивание данных

Планирование операций над данными

Планирование действий над данными при помощи UML диаграмм

Сетевые сервисы визуализации

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

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

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.

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