Uniwersytet Warszawski, Wydział Fizyki - Centralny System Uwierzytelniania
Strona główna

Analiza danych w polityce publicznej

Informacje ogólne

Kod przedmiotu: 2100-PP-M-D2ANDA
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Analiza danych w polityce publicznej
Jednostka: Wydział Nauk Politycznych i Studiów Międzynarodowych
Grupy: Polityka publiczna - DZIENNE II STOPNIA - 2 semestr 1 rok - przedmioty obowiązkowe
Punkty ECTS i inne: 6.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Rodzaj przedmiotu:

obowiązkowe

Założenia (opisowo):

Podstawy i schematy działań związanych ze zbieraniem danych, ich przetwarzaniem, analizą oraz interpretacją. Bazy danych i Big Data w polityce publicznej. Rola analizy danych w zarządzaniu instytucjami publicznymi.

Tryb prowadzenia:

lektura monograficzna
mieszany: w sali i zdalnie
w terenie

Pełny opis:

Coraz więcej elementów rzeczywistości i doświadczenia człowieka jest kwantyfikowanych, rejestrowanych i znajduje swój ekwiwalent w potoku danych. Ich namnażaniu i samoczynnemu wychwytywaniu sprzyja naszpikowanie rzeczywistości zespolonymi z internetem czujnikami i miernikami oraz usieciowienie i wirtualizacja świata. Współczesna analityka (biznesowa, społeczna, kulturowa) opiera się na przetwarzaniu owych danych przez złożone algorytmy. Procesy te mają być kluczem do znajdowania wzorów oraz prognozowania stanów rzeczywistości i ludzkich zachowań.

Fenomen pozyskiwania, gromadzenia i przetwarzania wielkich zbiorów danych w celu pozyskania z nich wiedzy nosi nazwę Big Data. W trakcie zajęć dyskutowane będą społeczne aspekty Big Data, w szczególności wpływ tego zjawiska na wolność, bezpieczeństwo i dystrybucję władzy.

Studenci będą nabywali kompetencje w ramach zidentyfikowanych problemów-procesów opisywanych dużymi zasobami danych. Przygotowane prezentacje powinny być kompletnymi metodologicznie szkicami: sformułowania problemu, zoperacjonalizowania problemu i podjęcie próby jego rozwiązania.

Program przedmiotu obejmuje:

- podstawy statystyki opisowej, statystyki analityczne (analiza skupień, analiza regresji wielorakiej)

- elementy baz danych i zarządzania nimi

- identyfikację źródeł i kwerendę danych

- wizualizację wyników analiz

Literatura:

1. W. Cetera. Big data rafinacja informacji – medycyna – ekonomia – media. Aspekty teoretyczne i aplikatywne. 2022. MNK Kielce.

2. W. Cetera, D. Jaruga, A. Żołnierski Potential for the Use of Large Unstructured Data Resources by Public Innovation Support Institutions Journal of Big Data (2022).

3. B. Marr. Big Data. Wiley, 2015

4. B. Kaiser Dyktatura danych. Prytyka polityczna 2019

5. J. Foreman. Mistrz analizy danych. Od danych do wiedzy. Helion 2019

6. K. Strittmatter. Chiny 5.0. Jak powstaje dyktatura cyfrowa.GW Foksal 2018

7. W. Cetera, A. Żołnierski, D. Jaruga, P. Celiński Graphene and its Applications. Study on The Development Trends in Research and on the Implementation Potential using Big Data and Information Refining Methods. Journal of Nanotechnology Research. ISSN: 2688-851. August 2022

Efekty uczenia się:

1.Zna elementarną terminologię w zakresie analizy i prezentacji danych biznesowych

2. Potrafi zastosować wybrane elementy analizy danych ilościowych i jakościowych wraz z ich wizualizacją

3. Zna podstawowe elementy procesów analizy danych i ich prezentacji z uwzględnieniem narzędzi informatycznych

4. Zna podstawowe elementy procesu związanego z analizą, interpretacją danych i ich prezentacją dla interesariuszy, w tym udziałowców i klientów biznesowych

5. Potrafi zastosować właściwe narzędzia teoretyczne analizy danych w praktyce

6. Potrafi zastosować skuteczną sekwencję działań w zakresie analizy i interpretacji danych w celu ich skutecznej prezentacji

7. Potrafi przygotować raport w oparciu o analizę i interpretację danych z wykorzystaniem narzędzi ich wizualizacji

8. Potrafi zidentyfikować najważniejsze źródła danych biznesowych dla rozwiązania konkretnego problemu zarządczego

9. Skutecznie komunikuje się w ramach zespołu w kontekście analizy i prezentacji danych z analiz biznesowych

10. Samodzielnie i we współpracy z zespołem projektuje i prezentuje dane z analiz biznesowych

Metody i kryteria oceniania:

Udział w zajęciach dydaktycznych

Praca studenta - projekt analityczny

Egzamin

Zajęcia w cyklu "Semestr letni 2025/26" (zakończony)

Okres: 2026-02-16 - 2026-06-07
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Konwersatorium, 30 godzin więcej informacji
Warsztaty, 30 godzin więcej informacji
Koordynatorzy: Wiesław Cetera
Prowadzący grup: Wiesław Cetera
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Konwersatorium - Egzamin
Warsztaty - Zaliczenie

Zajęcia w cyklu "Semestr letni 2026/27" (jeszcze nie rozpoczęty)

Okres: 2027-02-15 - 2027-06-06
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Konwersatorium, 30 godzin więcej informacji
Warsztaty, 30 godzin więcej informacji
Koordynatorzy: Wiesław Cetera
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Egzamin
Konwersatorium - Egzamin
Warsztaty - Zaliczenie
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski, Wydział Fizyki.
ul. Pasteura 5, 02-093 Warszawa tel: +48 22 5532 000 https://www.fuw.edu.pl/ kontakt deklaracja dostępności mapa serwisu USOSweb 7.3.1.0-3 (4a881992) :: 2026-07-15