Бакалавриат 2021/2022

Методы сбора данных в географических исследованиях

Статус: Курс по выбору (География глобальных изменений и геоинформационные технологии)

Направление: 05.03.02. География

Кто читает: Базовая кафедра Института географии РАН

Где читается: Факультет географии и геоинформационных технологий

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Запорожец Оксана Николаевна, Медведев Андрей Александрович, Савельева Екатерина Сергеевна

Язык: русский

Кредиты: 3

Контактные часы: 46

Программа дисциплины

Аннотация

Курс предназначен для студентов, знающих основы общественной географии и владеющих базовыми навыками работы с геоинформационными системами. Курс направлен на выработку комплексного понимания применяемых в общественной географии подходов к получению данных, не доступных в рамках государственного статистического учета. Тематически курс состоит из двух частей. Первая из них посвящена качественным, в том числе полевым, методам в общественной географии. От подготовки к исследованию до обработки полученных данных. Вторая часть курса посвящена краудсорсингу пространственных данных. В рамках нее будут рассмотрены основные источники и методы краудсорсинга географической информации. Знания, полученные студентами в рамках дисциплины, важны для написания курсовых работ и успешного прохождения преддипломной практики.

Цель освоения дисциплины

• Предмет состоит из двух тематических разделов “Качественные в том числе полевые методы в общественной географии” и “Краудсорсинг пространственной информации в географических исследованиях”. Целью освоения первого раздела являются: 1.1. Познакомить студентов с основными методологиями и методами исследования в рамках качественной общественной географии и социологии; 1.2. Выработать у студентов базовые навыки и компетенции проведения полевых исследований в рамках качественной общественной географии и социологии; 1.3. Сформировать у студентов представления о комплексном характере качественного исследования, связи полевого исследования и теоретических подходов, этических принципах полевого исследования. Целью освоения второго раздела являются: 2.1. Дать студентам базовые знания о методах и средствах сбора географической информации; 2.2. Познакомить студентов с различными источниками данных и формах представления информации; 2.3. Научить студентов практическим навыкам сбора и организации пространственных данных из различных областей географии.

Планируемые результаты обучения

• Обоснованно выбирает и использует качественные методы исследования и анализа данных, релевантные специфике изучаемых явлений; описывает результаты исследования с использованием корректной терминологии, характерной для качественных исследованийв
• Применяет инструменты преобразования разнородных данных, выбирает необходимые источники и формы представления данных, осуществляет структурирование и нормализацию информации, выполняет выборки и запросы к разнородной информации, проверку и оценку полученных данных

Содержание учебной дисциплины

• Методология качественного полевого исследования
• Методы и инструменты краудсорсинга пространственной информации

Элементы контроля

• Работа на семинаре (Раздел 1)
• Промежуточные работы (Раздел 1)
  За каждую работу ставится оценка в зависимости от степени полноты описания и корректности использования метода исследования в сборе данных. Оценка за работу ставится по 10-балльной шкале.
• Эссе (Раздел 1)
• Экзамен (Раздел 1)
  Критерии оценки выступлений/защиты проектов (каждый критерий имеет вес 2 балла) 1. Ясность изложения, последовательность и связанность высказанных тезисов 2. Демонстрация владения теоретической базой и методическими подходами, релевантными теме выступления 3. Демонстрация собственного мнения, его обоснованность с учетом теоретической базы и анализа фактических данных 4. Подготовка и оформление демонстрационных материалов 5. Ответы на вопросы, аргументированное участие в дискуссии по своему выступлению
• Работа на занятиях (Раздел 2)
• Промежуточная практическая работа 1 (Раздел 2)
• Промежуточная практическая работа 2 (Раздел 2)
• Промежуточная практическая работа 3 (Раздел 2)
• Промежуточная практическая работа 4 (Раздел 2)
• Итоговый проект (Раздел 2)

Промежуточная аттестация

• 2021/2022 учебный год 2 модуль
  0.2 * Итоговый проект (Раздел 2) + 0.05 * Промежуточная практическая работа 2 (Раздел 2) + 0.1 * Работа на семинаре (Раздел 1) + 0.05 * Промежуточная практическая работа 4 (Раздел 2) + 0.05 * Промежуточная практическая работа 1 (Раздел 2) + 0.1 * Эссе (Раздел 1) + 0.1 * Экзамен (Раздел 1) + 0.2 * Промежуточные работы (Раздел 1) + 0.1 * Работа на занятиях (Раздел 2) + 0.05 * Промежуточная практическая работа 3 (Раздел 2)

Список литературы

Рекомендуемая основная литература

• Ian H. Witten, Eibe Frank, & Mark A. Hall. (2011). Data Mining: Practical Machine Learning Tools and Techniques: Vol. 3rd ed. Ian H. Witten, Frank Eibe, Mark A. Hall. Morgan Kaufmann.
• Leavy, P. (2014). The Oxford Handbook of Qualitative Research. Oxford: Oxford University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=779511
• Taylor, S. J., DeVault, M. L., & Bogdan, R. (2016). Introduction to Qualitative Research Methods : A Guidebook and Resource (Vol. 4th edition). Hoboken, New Jersey: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1061324

Рекомендуемая дополнительная литература

• Barney G. Glaser, P. H., PhD. (2012). Stop. Write! Writing Grounded Theory.
• Flyvbjerg, B. (2013). Five Misunderstandings About Case-Study Research. https://doi.org/10.1177/1077800405284363
• Kotu, V., & Deshpande, B. (2019). Data Science : Concepts and Practice (Vol. Second edition). Cambridge, MA: Morgan Kaufmann. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1866160
• Philippe Rigaux, Michel Scholl, & Agnès Voisard. (2002). Spatial Databases : With Application to GIS. Morgan Kaufmann.
• Ragin, C. C. (2013). The Comparative Method : Moving Beyond Qualitative and Quantitative Strategies. Oakland, California: University of California Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=784602
• Robert Nisbet, John Elder, & Gary D. Miner. (2009). Handbook of Statistical Analysis and Data Mining Applications. Academic Press.
• Seawright, J., & Gerring, J. (2008). Case Selection Techniques in Case Study Research: A Menu of Qualitative and Quantitative Options. Political Research Quarterly, 61(2), 294–308. https://doi.org/10.1177/1065912907313077
• Vijay Kotu, & Bala Deshpande. (2014). Predictive Analytics and Data Mining : Concepts and Practice with RapidMiner. Morgan Kaufmann.
• Yang, Y. (2016). Temporal Data Mining Via Unsupervised Ensemble Learning. Elsevier.

Авторы

• Запорожец Оксана Николаевна
• Медведев Андрей Александрович