Майнинг данных и машинное обучение в социальных науках

2023/2024

Лучший по критерию «Новизна полученных знаний»

Статус: Маго-лего

Кто читает: Департамент социологии

Когда читается: 3, 4 модуль

Охват аудитории: для всех кампусов НИУ ВШЭ

Язык: русский

Кредиты: 6

Контактные часы: 72

Полная версия программы учебной дисциплины

Аннотация

"Большие данные из социальных медиа: сбор и разведочный анализ" Цель учебной дисциплины: научить студентов ставить содержательные социологические задачи с учётом актуального состояния методологии цифровых и вычислительных социальных наук и решать эти задачи – полностью или частично посредством этой методологии. В результате студенты (а) сами ставят такие задачи и решают их; (б) общаются с подрядчиками-программистами на одном языке; встраивают работу программистов в собственные исследовательские процессы, от этапа концептуализации до этапа интерпретации; (в) понимают программистские схемы и границы их применимости; под эти границы итеративно адаптируют собственные концептуализацию и интерпретацию. Как достигаются эта цель и результаты? (а) Освоением крупных блоков методологического и программистского материала в персональном темпе (асинхронным освоением), (б) освоением методологических и программистских нюансов в формате мини-лекций (синхронным освоением), (в) персонализированными содержательными задачами (в рамках мини-проектов), (г) персональным обсуждением возникающих вопросов и затруднений с преподавателем. Уч.дисциплина может идти очно и дистанционно, но обязательно с применением онлайн-ведомости, асинхронной и синхронной подачи материала (учебных видео на YouTube и мии-лекций), дистанционной коммуникации (сервис webinar.ru ) – и, естественно, десктопа или лэптопа, а не смартфона или планшета. Занятия строятся на примерах из исследований ценностно- и поведенческо- формирующей роли YouTube на примере экологически ответственного отношения к бытовым отходам и восприятия аудиторией новых персонажей рекламных роликов МТС. Опираясь на примеры из учебных видео, студенты придумывают собственные мини-проекты и, в идеале, частично выполняют эти мини-проекты на каждом занятии. В дополнение к занятиям студенты самостоятельно дорабатывают свои мини-проекты и оформляют промежуточные и итоговые результаты мини-проектов.

Цель освоения дисциплины

Научить студентов ставить содержательные социологические задачи с учётом актуального состояния методологии цифровых и вычислительных социальных наук и решать эти задачи – полностью или частично посредством этой методологии

Планируемые результаты обучения

Устанавливает сборку Anaconda, запускает и использует Jupyter Notebook, пишет простую программу на Python.
Умение посредством Python правильно авторизоваться в YouTube, создать клиент API YouTube и применить его для веб-скрапинга изучаемого YouTube-канала.
Формулировки примерной тематики проекта и краткого исследовательского вопроса.
Мини-программа исследования (источник(и) данных, индикаторы, методы анализа).
Скрипт на Python для сбора доступных данных из согласованных веб-источников и оформления их в формате датафрейма и экселевского файла.
Описание всей совокупности найденного контента в разрезе содержательно значимых его характеристик.
Выявление среди всей совокупности релевантного контента отдельных объектов, хорошо репрезентирующих его.
Выявление парных связей содержательно значимых характеристик релевантного контента.
Формулировка содержательной задачи на text mining и обоснование подходящего для её решения метода.
Подготовленный для text mining корпус документов, в т.ч. предобработанный.
Список высокочастотных токенов и их интерпретация в контексте всего проекта.
Список интерпретируемых топиков и их интерпретация в контексте всего проекта.
Скрипт на Python для решения задач раздела.
Проверка релевантности найденного контента.

Содержание учебной дисциплины

Установочный
Сбор данных
Первичный анализ данных
Text mining

Элементы контроля

контрольные работы в формате решения практических задач
домашние работы в проектном формате с презентациями (по возможности, очными)
экзамен в формате теста
активность на занятиях
актуальна только для участников занятия; оценивается на занятии или в течение недели после занятия; студент получает до 8 баллов за решение обязательных задач (лист “Темы и материалы”) и до +2 баллов – за ответы на дополнительные вопросы и за инициативную работу сверх задач

Промежуточная аттестация

2023/2024 учебный год 4 модуль
0.077 * активность на занятиях + 0.123 * активность на занятиях + 0.095 * домашние работы в проектном формате с презентациями (по возможности, очными) + 0.195 * домашние работы в проектном формате с презентациями (по возможности, очными) + 0.25 * контрольные работы в формате решения практических задач + 0.26 * экзамен в формате теста

Программа дисциплины