Experiential learning of R-CRAN statistical program by using a generative AI model (Chat GPT)

nieobowiązkowe

Kurs ma na celu wprowadzenie do statystycznego programu R-cran. Jest przeznaczony dla programu magisterskiego dla wszystkich, którzy chcą nauczyć się zaawansowanego oprogramowania statystycznego i używać go w analizie biznesowej oraz pracy naukowej. Programowanie w R-cran będzie nauczane w sposób eksperymentalny. Po krótkim wprowadzeniu, od studentów oczekuje się aktywnego wykorzystywania możliwości generatywnej sztucznej inteligencji (Chat GPT) do tworzenia własnych kodów. Kurs odbywa się w laboratorium komputerowym, ale w przypadku braku laboratoriów, studenci muszą pracować na własnych laptopach. Wymagania do zaliczenia: aktywność podczas zajęć oraz projekt grupowy.

Głównym celem tego kursu jest zapoznanie studentów z zaawansowanym oprogramowaniem statystycznym, co wymaga umiejętności programowania. Skoncentrujemy się na trzech kluczowych obszarach: i) tworzeniu efektywnego środowiska pracy, ii) organizacji różnych typów danych oraz iii) wizualizacji danych. Uczestnicy zdobędą niezbędną wiedzę z zakresu języka programowania R, aby skutecznie korzystać z pakietów R oraz samodzielnie tworzyć aplikacje wykorzystujące te zasoby. Ponadto kurs zapewnia wgląd w umiejętności informatyczne oraz praktyczne przykłady zastosowania analizy danych, motywując studentów do stosowania tych technik w ich własnych dziedzinach. Program nauczania jest podzielony na cztery bloki.

Programowanie w R-cran będzie nauczane metodami eksperymentalnymi. Po krótkim wprowadzeniu, studenci są zachęcani do aktywnego angażowania się w technologie generatywnej AI, takie jak ChatGPT, w celach programistycznych.

Blok 1: Wykorzystując swoje doświadczenie prowadzący przedstawi minimalne wprowadzenie do środowiska R tj. podstawowe elementy niezbędne do wykonania zadań analitycznych. Ten blok mocno wykorzystuje zasadę Pareto w swoim podejściu dydaktycznym. Przekazanie studentom podstawowy zestawu narzędzi pozwala przejść bezpośrednio do wykorzystania generatywnej AI w tworzenia własnych kodów.

Blok 2: Przegląd - Moduł ten bada możliwości oprogramowania do analizy różnych danych statystycznych.

Blok 3: Opanowanie - Skupienie na rozwijaniu umiejętności i wprowadzaniu zaawansowanych technik czyszczenia i przygotowywania danych.

Blok 4: Współpraca - Grupy podejmą projekty obejmujące czyszczenie i przygotowywanie danych. Od uczestników oczekuje się dzielenia się swoimi zbiorami danych i spostrzeżeniami dotyczącymi zarządzania takimi danymi.

Szacunkowy nakład pracy studenta:

Typ aktywności K (kontaktowe) S (samodzielne)

zajecia konwersatoryjne 12 0

konsultacje 3 0

przygotowanie do zajec 0 10

przygotowanie projektu zaliczeniowego 25

Razem 15 35 = 50

Kurs ten będzie oparty na Twoich własnych materiałach; docelowo materiały te przyjmą formę podręcznika/skryptu. Wykorzystane zostaną podręczniki internetowe (głównie w języku angielskim), takie jak:

• Wprowadzenie do metod badawczych, Eric van Holm [https://bookdown.org/ejvanholm/Textbook/]

• Wickham, H. i Grolemund, G. (2016). R jak nauka danych.

WIEDZA

Student:

• zna metodologie ilościowych badań społecznych i ekonomicznych,

UMIEJĘTNOŚCI

Student:

• osiąga biegłość w środowisku obliczeniowym R-CRAN,

• jest zdolny do przeprowadzenia zawansowanej analizy statystycznej pozyskanych danych,

• potrafi zintegrować R-CRAN z funkcjonalnościami AI,

• potrafi znaleźć związek między uzyskanymi wynikami a teorią ekonomiczną.

POSTAWY

Student:

• potrafi połączyć wiedzę ekonomiczną z pracą zawodową i innymi obszarami nauk społecznych,

• rozumie potrzebę posiadania „naukowej ciekawości”,

• wykazuje kompetencje w pracy zespołowej i angażowaniu się działania zespołowe.

Obecność na zajęciach jest obowiązkowa. Podstawą oceny są:

• aktywność podczas zajęć: studenci mają przygotować raport ze swojej pracy i zamieścić go na platformie Moodle do końca dnia (40% oceny),

• prezentacja raportu badawczego, który może być przygotowany w grupie do 3 osób (60% oceny).