Uniwersytet Warszawski - Centralny System UwierzytelnianiaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Semantyka eksperymentalna - moduł programistyczny

Informacje ogólne

Kod przedmiotu: 3501-KOG-SE-MPRG Kod Erasmus / ISCED: 08.1 / (0223) Filozofia i etyka
Nazwa przedmiotu: Semantyka eksperymentalna - moduł programistyczny
Jednostka: Instytut Filozofii
Grupy: Przedmioty fakultatywne, kognitywistyka, stacjonarne, pierwszego stopnia
Przedmioty moduły specjalizacyjnego 2, kognitywistyka, stacjonarne, pierwszego stopnia
Punkty ECTS i inne: 2.00
Język prowadzenia: polski
Rodzaj przedmiotu:

fakultatywne

Założenia (opisowo):

Podstawowa znajomość podstaw języka programowania Python

Tryb prowadzenia:

zdalnie

Skrócony opis:

Celem modułu programistycznego jest wdrożenie studentów do obsługi poznanych w module technicznym programów za pomocą narzędzi programistycznych. Studenci poznają również ważną we współczesnej dyskusji na temat metodologii badawczej ideę reproducible research. Studenci nauczą się, jak stosować ją w swojej pracy badawczej za pomocą narzędzi dla języka Python, takich jak Jupyter Notebooks oraz odpowiednich bibliotek do analizy i wizualizacji danych - pandas, scipy, statsmodels, matplotlib i seaborn. Od studentów wymaga się znajomości podstaw tego języka programowania. Kurs odbywać się będzie w formie e-learningowej

Pełny opis:

1. Organizacja pracy badawczej

Zajęcia 1. Dlaczego badanie powinno być reprodukowalne i jak to zrobić?

- poszczególne etapy przeprowadzania badania

- potrzeba automatyzacji poszczególnych elementów przygotowywania, przeprowadzania i analizy badania

- cel praktyczny: student rozumie dlaczego właściwa organizacja pracy badawczej jest niezbędna w naukach eksperymentalnych, widzi również korzyści w dokumentowaniu i automatyzacji różnych etapów badania

Zajęcia 2. Wprowadzenie do Jupyter Notebook

- Jupyter Notebook jako realizacja idei literate computing

- tworzenie raportów badawczych w programie Jupyter Notebook

- eksport dokumentów z Jupytera do innych formatów

- cel praktyczny: student potrafi stworzyć dokument za pomocą programu Jupyter Notebook oraz wyeksportować go do innych formatów

2. Programistyczna obsługa poznanych narzędzi

Zajęcia 1. Programistyczna obsługa Limesurvey za pomocą API.

- wprowadzenie do interfejsu XML-RPC i odpowiedniej biblioteki w Pythonie

- omówienie funkcji API oferowanego przez Limesurvey

- wprowadzenie do języka szablonu jinja2

- cel praktyczny: student potrafi wgrać ankietę i poszczególne jej elementy za pomocą prostego skryptu w języku Python, potrafi również w ten sposób zmodyfikować różne elementy ankiety oraz ściągnąć wyniki badania na dysk, potrafi również wygenerować za pomocą systemu jinja2 całą ankietę lub zestaw pytań

Zajęcia 2. Używanie PsychoPy jako biblioteki do programowania eksperymentów

- programowanie eksperymentów w Pythonie z użyciem PsychoPy jako biblioteki

- tworzenie podstawowych rodzajów bodźców i odpowiedzi z użyciem PsychoPy

- kontrolowanie przebiegu eksperymentu (próby, pętle, sesja treningowa i główna)

- cel praktyczny: student potrafi zaprogramować w Pythonie różne rodzaje eksperymentów wykorzystywanych w badaniach z zakresu semantyki eksperymentalnej

- Analiza i wizualizacja wyników danych

Zajęcia 1. Wprowadzenie do pakietu pandas

- podstawowe struktury danych w pakiecie pandas

- prosta manipulacja ramkami danych

- eksport i import danych (csv, xlsx, formaty programów: Stata, R, SPSS)

- proste statystyki opisowe

- cel praktyczny: student potrafi wczytać za pomocą pakietu pandas dane w szerokiej gamie formatów oraz posiada podstawowe umiejętności pracy z danymi

Zajęcia 2. Krótkie przypomnienie ze statystyki. Wprowadzenie do pakietów scipy i statsmodels.

- omówienie najpopularniejszych w semantyce eksperymentalnej testów statystycznych

- omówienie przeprowadzania tych testów za pomocą odpowiednich pakietów Pythona

- cel praktyczny: student potrafi przeprowadzić prostą analizę danych eksperymentalnych

Zajęcia 3. Wprowadzenie do pakietów do wizualizacji danych matplotlib i seaborn.

- tworzenie różnych rodzajów wykresów za pomocą biblioteki matplotlib - histogramy, wykresy słupkowe, wykresy punktowe, wykresy pudełkowe

- tworzenie różnych rodzajów łączonych wykresów za pomocą biblioteki seaborn - wykresy skrzypcowe, wykresy z linią regresji

- przygotowanie wykresów do publikacji w internecie/druku/do prezentacji

- dobór właściwych wizualizacji do celów

- cel praktyczny: student potrafi stworzyć wizualizację danych eksperymentalnych zarówno w celach eksploracyjnych, jak i do druku.

Literatura:

Bibliografia/linki (Bibliography and useful links)

Strona programu Jupyter Notebook (Jupyter Notebook webpage): http://jupyter.org/

Strona biblioteki scipy (scipy library webpage): https://www.scipy.org/

Strona biblioteki pandas (pandas library webpage): http://pandas.pydata.org/

Strona biblioteki statsmodels (statsmodels library webpage): http://www.statsmodels.org/

Strona biblioteki matplotlib (matplotlib library webpage): https://matplotlib.org/

Strona biblioteki seaborn (seaborn library webpage): https://seaborn.pydata.org/

Strona biblioteki jinja2 (jinja2 library webpage): http://jinja.pocoo.org

Różne materiały (various materials)

- https://reproducible-science-curriculum.github.io/rr-jupyter-workshop/ -

- http://ropensci.github.io/reproducibility-guide/sections/introduction/ -

- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3383002/?utm_content=buffer518fc&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer

- Stodden, V., Leisch, F., & Peng, R. D. (Eds.). (2014). Implementing reproducible research. CRC Press.

Efekty uczenia się:

Nabyta wiedza:

- student zna podstawy organizacji pracy badawczej

- student zna pojęcia reprodukowalnych badań (reproducible research) oraz programowania piśmiennego (literate programming)

Nabyte umiejętności:

- student potrafi obsłużyć programistycznie wybrane narzędzia używane w semantyce eksperymentalnej

- potrafi przygotować przystosowane do jego potrzeb procedury i materiały badawcze za pomocą odpowiednich narzędzi (ankiety, prezentacja bodźców itd.)

- student potrafi stworzyć wizualizację otrzymanych danych eksperymentalnych

Nabyte kompetencje społeczne:

- student potrafi zorganizować zespołową pracę badawczą

- student potrafi samodzielnie i systematycznie się uczyć

- student rozumie etyczny wymiar odpowiedniej organizacji badań związany z ich przejrzystością i reprodukowalnością

Metody i kryteria oceniania:

W każdym tygodniu pojawi się praca domowa (łącznie 7 prac domowych, po 10 punktów każda). Ocena końcowa zależy tylko od poprawnego wykonania prac domowych.

0-35 - 2

35-50 - 3

50-60 - 4

60-70 - 5

Zajęcia w cyklu "Semestr letni 2019/20" (zakończony)

Okres: 2020-02-17 - 2020-08-02
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 15 godzin, 20 miejsc więcej informacji
Koordynatorzy: Justyna Grudzińska-Zawadowska, Bartosz Maćkiewicz
Prowadzący grup: Bartosz Maćkiewicz
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Laboratorium - Zaliczenie na ocenę

Zajęcia w cyklu "Semestr letni 2020/21" (jeszcze nie rozpoczęty)

Okres: 2021-02-22 - 2021-06-13
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 15 godzin, 20 miejsc więcej informacji
Koordynatorzy: Justyna Grudzińska-Zawadowska, Bartosz Maćkiewicz
Prowadzący grup: Bartosz Maćkiewicz
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Zaliczenie na ocenę
Laboratorium - Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.