Metody analizy tekstu w badaniach humanistycznych I społecznych cz.1 1600-SZD-ID-MAT1
Warsztaty stanowią odpowiedź na wyzwania związane z postępującym procesem cyfryzacji, wykładniczym wzrostem danych o charakterze tekstowym, zwłaszcza tzw. danych nieustrukturyzowanych, oraz rozwój programów i infrastruktury naukowej, otwierających nowe możliwości pogłębionej analizy tekstu. W ramach poszczególnych zajęć zostaną zaprezentowane szeroko rozumiane metody, które odpowiadają wybranym nurtom badań, a zarazem obszarom nauk społecznych, w których wykorzystuje się tekst jako przedmiot badania lub źródło danych. Celem jest m.in. wyposażenie osoby uczestniczące, reprezentujące dyscypliny humanistyczne i społeczne, w specjalistyczne instrumentarium badawcze do analizy różnego typu tekstów (od artykułów prasowych przez wywiady po zapisy komunikacji cyfrowej) oraz przedstawienie na czym polegają standardy i tradycje pisania artykułów naukowych wykorzystujących wybrane metody analizy tekstu. Cykl warsztatów składa się z dwóch komplementarnych części. Pierwsza koncentruje się na metodologiach wyrastających z obliczeniowych nauk społecznych i przetwarzania języka naturalnego (NLP), w których, za pomocą języków programistycznych takich jak Python lub R, przetwarza się i analizuje duże zbiory tekstów. W drugiej części prezentowane są metodologię analizy jakościowej z wykorzystaniem programów do analizy treści (Atlas.ti lub MaxQDA). Znajomość programowania ani obsługi programów wspomagających jakościową analizę treści nie jest wymagana. Warsztaty będą prowadzone przez doświadczonych badaczy i badaczki, reprezentujących różne dyscypliny naukowe i patrzących na tekst z różnych perspektyw: językoznawców, socjologów, politologów, literaturoznawców i informatyków. Zajęcia będą odbywały się raz w na dwa miesiące, o stałej porze (3 w semestrze, 4h). Limit miejsc: 25. Na zajęcia będą obowiązywały zapisy, w tym 10 miejsc będzie zarezerwowanych dla doktorantów, którzy mogą zadeklarować chęć uczestnictwa w pełnym kursie.
Koordynatorzy przedmiotu
Efekty kształcenia
Wiedza | Zna i rozumie:
WG_03 - metodologię badań naukowych w obrębie dyscyplin naukowych z dziedziny nauk społecznych
Umiejętności | Potrafi:
UW_01 – wykorzystywać wiedzę z różnych dziedzin nauki, w szczególności z nauk społecznych do twórczego identyfikowania, formułowania i innowacyjnego rozwiązywania złożonych problemów lub wykonywania zadań o charakterze badawczym, a w szczególności: definiować cel i przedmiot badań naukowych w dziedzinie nauk społecznych, formułować hipotezę;
Badawczą; rozwijać metody, techniki i narzędzia badawcze oraz twórczo je stosować; wnioskować na podstawie wyników badań naukowych
UK_04 - uczestniczyć w dyskursie naukowym w obrębie nauk społecznych
Kompetencje społeczne | Jest gotów do:
KK_01 – krytycznej oceny dorobku w ramach danej dyscypliny w obrębie nauk społecznych
Kryteria oceniania
Opis wymagań związanych z uczestnictwem w zajęciach, w tym dopuszczalnej liczby nieobecności podlegających usprawiedliwieniu: 70% obecności na zajęciach wymagane
Zasady zaliczania zajęć i przedmiotu (w tym zaliczania poprawkowego): Praca pisemna polegająca na przygotowaniu noty metodologicznej poświęconej własnemu projektowi analizy tekstu; wg wybranych metod omawianych na zajęciach
Metody weryfikacji efektów uczenia się: Praca pisemna polegająca na przygotowaniu noty metodologicznej poświęconej własnemu projektowi analizy tekstu; wg wybranych metod omawianych na zajęciach
Kryteria oceniania: Wykorzystanie co najmniej dwóch metod omówionych na warsztatach. Adekwatny wybór metod z punktu widzenia celów badania.
Praktyki zawodowe
-
Literatura
Salganik, M. (2017). Bit by Bit: Social Research in the Digital Age. Princeton: Princeton University Press. Friese, Susane, Qualitative data analysis with ATLAS. ti. Sage, 2019Grimmer, Justin, Margaret E. Roberts, and Brandon M. Stewart. Text as data: A new framework for machine learning and the social sciences. Princeton University Press, 2022.Hobson Lane, Cole Howard, Hannes Hapke. Przetwarzanie języka naturalnego w akcji. Rozumienie, analiza i generowanie tekstu w Pythonie na przykładzie języka angielskiego. Wydawnictwo Naukowe PWN, 2021McLevey, John. Doing computational social science: a practical introduction. Sage, 2021.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: