| Liczba godzin: |
30
|
| Limit miejsc: |
(brak limitu) |
| Literatura: |
Marianna Michałowska, Katarzyna Jankowska, Aneta Łuczkiewicz, ZOBACZYĆ – ROZPOZNAĆ – ZROZUMIEĆ Wizualizacja jako metoda upowszechniania wiedzy, Politechnika Gdańska 2019.
Maja Starakiewicz, Model i metafora. Komunikacja wizualna w humanistyce. Korporacja Ha!art, Kraków 2019.
Łukasz Żyła, Dziennikarstwo danych i data storytelling, Helion 2022.
|
| Efekty uczenia się: |
KP7_WG11 studentka ma pogłębioną wiedzę na temat stosowalności poszczególnych metod i technik badawczych, zna ograniczenia metod i technik badawczych
KP7_UW2 studentka potrafi dokonać krytycznej oceny danych, formułować własne opinie,
KP7_UW7 studentka posiada umiejętność samodzielnego wykorzystania oraz upowszechniania zdobytej wiedzy w różnych zakresach i formach
KP7_KR1 studentka ma pogłębioną świadomość problemów etycznych związanych z przeprowadzaniem badań socjologicznych
KP7_KR2 studentka jest świadoma wielokierunkowych (zamierzonych i niezamierzonych) konsekwencji swoich działań związanych z upowszechnianiem wiedzy
|
| Metody i kryteria oceniania: |
obecność na zajęciach, aktywne uczestnictwo w laboratoriach (i odpowiednie przygotowanie do zajęć), test końcowy. Ocena będzie opierała się na systemie punktowym: 10 punktów do zdobycia za test oraz dodatkowo maksymalnie 3 punkty za aktywne uczestnictwo w zajęciach.
Skala ocen:
10 pkt = bdb
9 pkt = db+
8 pkt = db
7 pkt = dst+
6 pkt = dst
0-5 pkt = ndst
Studentka ma prawo do dwóch nieobecności w czasie kursu. Większa liczba nieobecności wymaga zaliczenia ich podczas dyżuru w ciągu dwóch tygodni od powrotu studentki na uczelni. Nie zastosowanie się do tej zasady skutkuje przyznaniem studentce punktu ujemnego. Podejście do zaliczenia wymaga ponad pięćdziesięcioprocentowej frekwencji na zajęciach.
|
| Zakres tematów: |
Wstęp do historii upowszechniania danych naukowych;
Wybrane narzędzia służące przetwarzaniu danych badawczych;
Użyteczność wizualizacji danych w pracy naukowej i popularyzatorskiej;
Najpopularniejsze formy wizualizacji danych w przeszłości i współcześnie;
Powszechne błędy w upowszechnianiu danych badawczych;
Data storytelling;
Przegląd wybranego, szeroko dostępnego oprogramowania do wizualizacji danych i upowszechniania danych badawczych;
|
| Metody dydaktyczne: |
elementy wykładu, ćwiczenia indywidualne i w grupach z wykorzystaniem programów komputerowych, dyskusje w grupie, studia przypadków, elementy pracy projektowej, konsultacje,
|
