Zaawansowane wykorzystanie narzędzi cyfrowych w badaniach socjologicznych 3500-SCC-ZWNC

Badając świat cyfrowy nie możemy zapomnieć, że jest on osadzony w rzeczywistości materialnej. Ślady cyfrowe mogą być źródłem bardzo cennych informacji, ale dopiero łącząc dane dotyczące naszego życia online i offline uzyskujemy pełen obraz zjawiska, które nas interesuje. Z tego powodu zajęcia przybliżają zarówno dane zastane (np. z GUSów krajowych i repozytoriów takich jak OSF, Dataverse, GitHub, Kaggle, GESIS czy ICPSR), jak i zorganizowanych baz tekstów (np. orzecznictwa, rejestrów przedsiębiorców), ale również pozyskiwanych we własnym zakresie z sieci (web scraping) czy wytwarzanych ręcznie, szczególnie multimodalnych (np. zawierających obrazy i nagrania).
Zbadamy klasyczne macierze danych i organizacje w postaci arkuszy kalkulacyjnych czy csv, jak i hierarchiczne struktury danych, kładąc duży nacisk na formaty json (JavaScript Object Notation) i xml (eXtensible Markup Language), które są standardowymi danymi wyjściowymi dla większości internetowych interfejsów API. Omówimy też relacyjne bazy danych (SQL).
W trakcie kursu studiujący nauczą się organizować dane na własne potrzeby i wdrożą się w korzystanie z różnych technik w formie gotowych pipelinów. Poćwiczymy też dobre praktyki dokumentowania projektu oraz ochrony danych, zwłaszcza osobowych.
Tekstowe dane społeczne rzadko są gotowe do analizy natychmiast po ich wyodrębnieniu. Z tego powodu poćwiczymy normalizację tekstu, lematyzację i tokenizację, ale również popularne techniki analizy sentymentu i modelowanie tematyczne (topic modeling), które pomogą zorientować się w badanych korpusach tekstowych. Ponieważ ludzki osąd pozostaje kluczowy, studenci poćwiczą też projektowanie księgi kodowej (np. kategoryzacja) i ręczne etykietowanie, aby sprawdzić poziom zgodności zakodowanych treści między badaczami (inter-rater reliability), następnie skorzystać z tego wzorca (gold standard) dla oceny modeli uczenia maszynowego. Przy tej okazji omówimy ryzyka i korzyści płynące z różnych rodzajów automatyzacji oraz dobierzemy najlepsze architektury do różnych typów zadań.
Część spotkań zostanie poświęcona na konsultacje projektów i problemów studiujących. Przyjmą one postać case studies zbierających podobne przypadki w celu zorganizowania forum dla całej grupy, na którym przedyskutujemy i rozwiążemy pojawiające się problemy, a także zainspirujemy się najlepszymi badaczami.
Na zajęciach będzie też okazja do rozmowy o wpływie algorytmów na badanie świata cyfrowego (algorithmic confounders & bias) w wymiarze pozyskiwania danych oraz specyfikę łączenia danych różnego rodzaju (np. ankiet z tweetami) w ramach jednego badania.

Wykorzystanie narzędzi bazujących na AI w pracy z danymi będzie jednym z tematów poruszanych na zajęciach.