polski | english | Zobacz w formacie PDF

Wydział Informatyki i Gospodarki Elektronicznej

KARTA OPISU MODUŁU KSZTAŁCENIA
Nazwa modułu
Badania internetowe
Nazwa modułu w języku angielskim
Internet surveys
Kod modułu Forma zaliczenia
II00S.22B.12709.16 Zaliczenie
Kierunek studiów Profil kształcenia Rok / semestr
Informatyka i Ekonometria ogólnoakademicki 1 / 2
Specjalność Język wykładowy Moduł
Wszystkie Polski Do wyboru
Godziny Liczba punktów ECTS Blok zajęciowy
Wykłady: 30 Ćwiczenia: 0 3 B
Poziom kształcenia Forma studiów Obszar kształcenia
studia drugiego stopnia stacjonarne Nauki społeczne
Autor sylabusa Wojciech Roszka
Prowadzący Wojciech Roszka, Maciej Beręsewicz

Cele kształcenia dla modułu

C1 Poznanie badań statystycznych prowadzonych przez Internet
C2 Poznanie metod estymacji w przypadku badań statystycznych prowadzonych przez Internet
C3 Poznanie technologii służących do prowadzenia badań statystycznych przez Internet
C4 Nabycie umiejętności prowadzenia badań statystycznych przez Internet
C5 Nabycie umiejętności oceny jakości badań statystycznych prowadzonych przez Internet

Efekty kształcenia dla modułu

Kod Efekty w zakresie Kierunkowe efekty kształcenia
Wiedzy
W1 Zna metody badań statystycznych prowadzonych przez Internet K2_W01, K2_W04, K2_W05, K2_W08
W2 Zna metody estymacji stosowane w przypadku badań statystycznych prowadzonych przez Internet K2_W05, K2_W08
W3 Zna metody korekty błędów nielosowych w przypadku badań statystycznych prowadzonych przez Internet K2_W04, K2_W05
W4 Zna technologie związane z przeprowadzaniem badań statystycznych przez Internet K2_W04, K2_W05
W5 Zna możliwości wykorzystania Big Data na potrzeby badań statystycznych K2_W04, K2_W05
Umiejętności
U1 Potrafi ocenić jakość badań statystycznych prowadzonych przez Internet K2_U01, K2_ U02, K2_ U03, K2_ U06, K2_ U08
U2 Potrafi przeprowadzać badanie statystyczne przez Internet K2_U01, K2_ U02, K2_ U03, K2_ U08
U3 Potrafi interpretować wyniki przeprowadzonych analiz K2_ U08
U4 Potrafi zastosować nowoczesne technologie do przeprowadzania badań statystycznych K2_U01, K2_ U08
U5 Potrafi zastosować odpowiednie metody estymacji w przypadku badań prowadzonych przez Internet K2_U01, K2_ U03, K2_ U08
Kompetencji społecznych
K1 Potrafi przygotować badanie statystyczne przez Internet K2_K01
K2 Jest świadomy przydatności metod statystycznych w prowadzeniu badań statystycznych przez Internet K2_K01
K3 Potrafi samodzielnie uzupełniać wiedzę z zakresu metod statystycznych K2_K04
K4 Potrafi samodzielnie uzupełniać wiedzę z zakresu narzędzi do prowadzenia badań statystycznych przez Internet K2_K04

Treści programowe

Lp. Treści programowe Cele kształcenia dla modułu Efekty kształcenia dla modułu
1. Wprowadzenie do problematyki badań internetowych C1 W1
2. Konstrukcja badań internetowych (ankiety, zbieranie danych) C1, C3 W1, W4, U2, U3
3. Technologie internetowe w badaniach internetowych C1, C3, C4 W4, U4, K4
4. Znaczenie paradanych w badaniach internetowych C3, C4, C5 W2, W4, U1, K2, K3
5. Dobór próby w badaniach internetowych C1, C2 W1, W2, W3, U1, U2, K1, K2
6. Jakość badań internetowych (błędy pokrycia, doboru i braki odpowiedzi) C1, C2 W2, W3
7. Reprezentatywność i jej pomiar w badaniach internetowych C2 W1, U1, U3, K1
8. Metody ważenia danych (m.in. propensity score) C2 W2, U5, K3
9. Metody estymacji w badaniach internetowych C2 W2, W3, W4, U4, U5, K2, K3
10. Big data oraz Internetowe źródła danych w badaniach internetowych C3, C4 W5, U4, K2, K3, K4
11. Pozyskiwanie i analiza danych z portali internetowych (m.in. web-scraping, wykorzystanie API) C3, C4 W4, U4
12. Profilowanie użytkowników w badaniach internetowych C1, C2 W1, W2, W3, W4, U2, U3, U4, K3, K4
13. Google Trends, Google Analytics i inne narzędzia w badaniach internetowych C4 W1, W5, U4, K4

Literatura

Obowiązkowa
  1. Baker, R, J Michael Brick, Nancy A Bates, Mike Battaglia, Mick P Couper, Jill A Dever, Krista J Gile, and Roger Tourangeau (2013). Summary Report of the AAPOR task force on non-probability sampling. Journal of Survey Statistics and Methodology 1, pp. 90–143.
  2. Bethlehem, J. (2010). Selection Bias in Web Surveys. International Statistical Review, 78(2), 161–188. doi:10.1111/j.1751-5823.2010.00112.x.
  3. Bethlehem, J., & Biggignandi, S. (2012). Handbook of Web Surveys, John Wiley & Sons, Inc. doi:10.1086/318641.
  4. Callegaro M., Baker R., Bethlehem J., Göritz A.S., Krosnick J.A., Lavrakas P. J. (2014) Online Panel Research A Data Quality Perspective, Wiley.
  5. Lee, S. (2006). Propensity score adjustment as a weighting scheme for volunteer panel web surveys. Journal of Official Statistics, 22(2), 329–349.
Zalecana
  1. Japec, Lilli, Frauke Kreuter, Marcus Berg, Paul Biemer, Paul Decker, Cliff Lampe, Julia Lane, Cathy O’Neil, and Abe Usher (2015). Big Data in Survey Research AAPOR Task Force Report. Public Opinion Quarterly 79 (4), pp. 839–880.
  2. Schouten, B., Cobben, F., & Bethlehem, J. (2009). Indicators for the representativeness of survey response. Survey Methodology, 35(1), 101–113.
  3. Walston, J. T., Lissitz, R. W., & Rudner, L. M. (2006). The Influence of Web-based Questionnaire Presentation Variations on Survey Cooperation and Perceptions of Survey Quality. Journal of Official Statistics, 22(2), 271–291.
  4. Tourangeau R., Conrad F. G., Couper M. P. (2014) The Science of Web Surveys, Oxford.
  5. Beręsewicz, M. (2016). Internet data sources for real estate market statistics. Rozprawa Doktorska.
  6. Kreuter, F. (Ed.). (2013). Improving surveys with paradata: Analytic uses of process information (Vol. 581). John Wiley & Sons.
Wymagania wstępne Znajomość metody reprezentacyjnej, znajomość pakietu statystycznego R.
Metody nauczania Dyskusja, Ćwiczenia laboratoryjne
Sposób zaliczenia Udział w dyskusji / Uczestnictwo w zajęciach, Projekt grupowy / praca w grupie, Przeprowadzenie badań, Przygotowanie prezentacji

Rozliczenie punktów ECTS

Forma aktywności studenta Średnia liczba godzin przeznaczonych na zrealizowane aktywności *
Przeprowadzenie badań empirycznych 15
Przeprowadzenie badań literaturowych 3
Przygotowanie projektu 15
Konsultacje z prowadzącym/i zajęcia 5
Zbieranie informacji do zadanej pracy 5
Uczestnictwo w wykładach 30
Przygotowanie prezentacji multimedialnej 3
Łączny nakład pracy studenta
Liczba godzin
76
ECTS
3
Zajęcia z bezpośrednim udziałem nauczyciela
Liczba godzin
35
ECTS
1
Nakład pracy związany z zajęciami o charakterze praktycznym
Liczba godzin
30
ECTS
1

* godzina (lekcyjna) oznacza 45 minut

Opis sposobu sprawdzenia osiągnięcia efektów kształcenia

Kod efektu kształcenia dla modułu Metoda sprawdzenia
Udział w dyskusji / Uczestnictwo w zajęciach Projekt grupowy / praca w grupie Przeprowadzenie badań Przygotowanie prezentacji
W1 x x x x
W2 x x x x
W3 x x x x
W4 x x x x
W5 x x x x
U1 x x x x
U2 x x x x
U3 x x x x
U4 x x x x
U5 x x x x
K1 x x x x
K2 x x x x
K3 x x x x
K4 x x x x