Delivered at:: School of Sociology

Course type:: Compulsory course

When:: 1 year, 1, 2 module

Instructor

Rotmistrov, Alexey

Полная версия программы учебной дисциплины

Аннотация

Цель учебной дисциплины – познакомить студентов с основами языка программирования Python в приложении к анализу данных в социальных науках. Эта цель достигается через решение двух параллельных задач: познакомить с такими основами языка программирования Python, как (1) установка и интерфейс Jupyter, (2) модули и пакеты, (3) наиболее востребованные классы данных и их индексирование, (4) циклы for in и while, (5) условные конструкции if elif else, (6) пакет pandas, датафрейм и его индексирование; познакомить с такими основами анализа данных, как (1) переменные и их типы шкал, (2) статгипотезы и дов.интервалы. Знакомство с программированием происходит в контексте решения содержательных социологических задач, предполагающих анализ данных. В результате освоения дисциплины студенты смогут решать простейшие задачи анализа данных посредством самостоятельного написания кода на языке программирования Python, привлечения релевантных пакетов и модулей этой среды, интерпретации выдачи.

Цель освоения дисциплины

Научиться осознанному программированию на уровне достаточном для самостоятельного решения социологических задач с привлечением программистских навыков; общения с подрядчиками-программистами на одном языке; понимания программистских схем и границ их применимости.
Изучить основы Python, его пакеты и модули, позволяющие осуществлять веб-скрапинг, структурировать собранные данные в формат Excel, применять описательную статистику и искать связи между парой переменных с учётом их типов шкал.

Планируемые результаты обучения

Устанавливает сборку Anaconda, запускает и использует Jupyter Notebook, пишет простую программу на Python, использует Google Colab
Умеет посредством Python правильно оформлять выгруженные характеристики в удобную таблицу Excel
Умеет анализировать архитектуру веб-источника, пользоваться модулями в среде Python для выгрузки больших данных со статических веб-страниц, а также владеет универсальным алгоритмом веб-скэпинга
Различает три основных типа шкал переменных (номинальные, порядковые, интервальные-числовые) на основе ориентиров
Умеет применять к переменным релевантные методы описательной статистики (одномерные частотные таблицы и графики, меры центральной тенденции и неоднородности) и корректно интерпретировать результаты
Умеет пользоваться модулями в среде Python для анализа данных в социальных науках
Умеет применять к переменным релевантные методы парной связи (коэффициент корреляции Пирсона, коэффициент ранговой корреляции Спирмана, критерий Хи-квадрат и его остатки) и корректно интерпретировать результаты

Содержание учебной дисциплины

Занятие 1. Введение
Занятие 2. Основы Python на примере применения пакетов requests, bs4 и pandas
Занятие 3. Основы Python на примере углублённого парсинга посредством пакета bs4
Занятие 4. Основы Python на примере углублённого парсинга посредством комбинации пакетов bs4 и re
Занятие 5. Сборка итогового скрипта для веб-скрапинга характеристик конкурсов сайта fl.ru
Занятие 6. Основы Python на примере операций над файловой системой посредством пакета os
Занятие 7. Знакомство с типами шкал и распределениями переменных
Занятие 8. Меры центральной тенденции и однородности
Занятие 9. Парная связь интервальных переменных
Занятие 10. Парная связь переменных, среди которых есть номинальная

Элементы контроля

Домашняя работа №1
Сбор данных в рамках персонального или командного мини-проекта
Активность на занятии
Активность на занятиях выставляется на каждом занятии за обоснованные ответы и демонстрацию проделанной работы
Контрольная работа №2
Решение задач в соответствии с уникальным вариантом работы
Экзамен
Экзамен в формате теста
Контрольная работа №1
Решение задач в соответствии с уникальным вариантом работы
Домашняя работа №2
Первичный анализ собранных данных в рамках персонального или командного мини-проекта

Промежуточная аттестация

2024/2025 2nd module
0.2 * Активность на занятии + 0.14 * Домашняя работа №1 + 0.15 * Домашняя работа №2 + 0.125 * Контрольная работа №1 + 0.125 * Контрольная работа №2 + 0.26 * Экзамен

Список литературы

Авторы

Десятова Мария Ивановна
Ротмистров Алексей Николаевич
Андреева Дарья Александровна

Master’s Programme 'Sociology of Public Sphere and Digital Analytics'

Basics of Python Programming and Data Analysis

Instructor

Программа дисциплины