Experiential learning of R-CRAN statistical program by using a generative AI model (Chat GPT) 2400-ZU2WW084
Głównym celem tego kursu jest zapoznanie studentów z zaawansowanym oprogramowaniem statystycznym, co wymaga umiejętności programowania. Skoncentrujemy się na trzech kluczowych obszarach: i) tworzeniu efektywnego środowiska pracy, ii) organizacji różnych typów danych oraz iii) wizualizacji danych. Uczestnicy zdobędą niezbędną wiedzę z zakresu języka programowania R, aby skutecznie korzystać z pakietów R oraz samodzielnie tworzyć aplikacje wykorzystujące te zasoby. Ponadto kurs zapewnia wgląd w umiejętności informatyczne oraz praktyczne przykłady zastosowania analizy danych, motywując studentów do stosowania tych technik w ich własnych dziedzinach. Program nauczania jest podzielony na cztery bloki.
Programowanie w R-cran będzie nauczane metodami eksperymentalnymi. Po krótkim wprowadzeniu, studenci są zachęcani do aktywnego angażowania się w technologie generatywnej AI, takie jak ChatGPT, w celach programistycznych.
Blok 1: Wykorzystując swoje doświadczenie prowadzący przedstawi minimalne wprowadzenie do środowiska R tj. podstawowe elementy niezbędne do wykonania zadań analitycznych. Ten blok mocno wykorzystuje zasadę Pareto w swoim podejściu dydaktycznym. Przekazanie studentom podstawowy zestawu narzędzi pozwala przejść bezpośrednio do wykorzystania generatywnej AI w tworzenia własnych kodów.
Blok 2: Przegląd - Moduł ten bada możliwości oprogramowania do analizy różnych danych statystycznych.
Blok 3: Opanowanie - Skupienie na rozwijaniu umiejętności i wprowadzaniu zaawansowanych technik czyszczenia i przygotowywania danych.
Blok 4: Współpraca - Grupy podejmą projekty obejmujące czyszczenie i przygotowywanie danych. Od uczestników oczekuje się dzielenia się swoimi zbiorami danych i spostrzeżeniami dotyczącymi zarządzania takimi danymi.
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
WIEDZA
Student:
• zna metodologie ilościowych badań społecznych i ekonomicznych,
UMIEJĘTNOŚCI
Student:
• osiąga biegłość w środowisku obliczeniowym R-CRAN,
• jest zdolny do przeprowadzenia zawansowanej analizy statystycznej pozyskanych danych,
• potrafi zintegrować R-CRAN z funkcjonalnościami AI,
• potrafi znaleźć związek między uzyskanymi wynikami a teorią ekonomiczną.
POSTAWY
Student:
• potrafi połączyć wiedzę ekonomiczną z pracą zawodową i innymi obszarami nauk społecznych,
• rozumie potrzebę posiadania „naukowej ciekawości”,
• wykazuje kompetencje w pracy zespołowej i angażowaniu się działania zespołowe.
Kryteria oceniania
Obecność na zajęciach jest obowiązkowa. Podstawą oceny są:
• aktywność podczas zajęć: studenci mają przygotować raport ze swojej pracy i zamieścić go na platformie Moodle do końca dnia (40% oceny),
• prezentacja raportu badawczego, który może być przygotowany w grupie do 3 osób (60% oceny).
Literatura
Kurs ten będzie oparty na Twoich własnych materiałach; docelowo materiały te przyjmą formę podręcznika/skryptu. Wykorzystane zostaną podręczniki internetowe (głównie w języku angielskim), takie jak:
• Wprowadzenie do metod badawczych, Eric van Holm [https://bookdown.org/ejvanholm/Textbook/]
• Wickham, H. i Grolemund, G. (2016). R jak nauka danych.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: