Data Visualisation and Interpretation
General data
Course ID: | SD-1D-WID |
Erasmus code / ISCED: | (unknown) / (unknown) |
Course title: | Data Visualisation and Interpretation |
Name in Polish: | Wizualizacja i interpretacja danych |
Organizational unit: | The Maria Grzegorzewska University |
Course groups: |
(in Polish) Obowiązkowe dla II roku DD-SD, stacjonarne III stopnia |
ECTS credit allocation (and other scores): |
0 OR
3.00
(depends on study program)
|
Language: | Polish |
Type of course: | obligatory courses |
Short description: |
(in Polish) Wiedza Zna zasady interpretacji danych z badań. Wie jakie są najczęstsze błędy popełniane w procesie interpretacji danych z badań. Zna możliwe rozwiązania wizualizacji danych z badań. Umiejętności Posiada umiejętności interpretacji danych. Potrafi zaprojektować analizę w taki sposób, aby nie popełnić lub zminimalizować możliwe błędy. Potrafi przedstawić dane z badania w sposób czytelny i atrakcyjny wizualnie. |
Full description: |
(in Polish) Zajęcia będą obejmować zagadnienia z następujących zakresów: 1. Interpretacja danych: - techniki statystyczne interpretacji danych, - zasady interpretacji danych ilościowych i jakościowych - najczęstsze błędy popełniane przy interpretacji danych. 2. Wizualizacja danych: - sposoby wizualizacji danych, - wizualizacja danych jakościowych - możliwości stosowania różnych sposobów wizualizacji. |
Bibliography: |
(in Polish) Francuz, P., Mackiewicz, R. (2007). Liczby nie wiedzą, skąd pochodzą. Przewodnik po metodologii i statystyce nie tylko dla psychologów. Lublin: Wydawnictwo Naukowe KUL. Heath, C., Starr, K. (2022). Liczby się liczą. Data storytelling, czyli jak opowiadać o danych. Warszawa: MT Biznes. Knafilc, C. N. (2021). Storytelling danych. Poradnik wizualizacji danych dla profesjonalistów. Warszawa: Onepress. |
Assessment methods and assessment criteria: |
(in Polish) Przygotowanie projektu indywidualnie lub w parach - poster konferencyjny empiryczny lub przeglądowy, wykorzystujący techniki wizualizacji danych. |
Practical placement: |
(in Polish) Nie dotyczy |
Classes in period "Summer semestr 2020/2021" (past)
Time span: | 2021-02-22 - 2021-09-30 |
Navigate to timetable
MO TU W TH KON
FR |
Type of class: |
Seminar, 30 hours
|
|
Coordinators: | Anna Zajenkowska | |
Group instructors: | Magdalena Rowicka | |
Students list: | (inaccessible to you) | |
Examination: | Grading | |
Bibliography: |
(in Polish) Wybrane artykuły będą przekazane podczas zajęć. |
Classes in period "Summer semestr 2021/2022" (past)
Time span: | 2022-02-21 - 2022-09-30 |
Navigate to timetable
MO TU W TH KON
FR |
Type of class: |
Seminar, 30 hours
|
|
Coordinators: | Joanna Świderska | |
Group instructors: | Joanna Świderska | |
Students list: | (inaccessible to you) | |
Examination: | Grading |
Classes in period "Summer semestr 2022/2023" (past)
Time span: | 2023-02-20 - 2023-09-30 |
Navigate to timetable
MO TU W TH KON
FR |
Type of class: |
Seminar, 30 hours
|
|
Coordinators: | Anna Krempa-Kowalewska | |
Group instructors: | Anna Krempa-Kowalewska | |
Students list: | (inaccessible to you) | |
Examination: |
Course -
Grading
Seminar - Grading |
Classes in period "Summer semestr 2023/2024" (in progress)
Time span: | 2024-02-19 - 2024-09-30 |
Navigate to timetable
MO TU W TH KON
FR |
Type of class: |
Seminar
|
|
Coordinators: | Iwona Nowakowska | |
Group instructors: | Iwona Nowakowska | |
Students list: | (inaccessible to you) | |
Examination: |
Course -
Grading
Seminar - Grading |
|
Short description: |
(in Polish) Sposoby pomiaru efektów kształcenia: Wiedza: 1) Zadania praktyczne podczas zajęć oraz prace domowe. 2) Realizacja projektu końcowego. Umiejętności: 1) Rozwiązywanie problemów podczas prac nad studiami przypadków podczas zajęć. 2) Realizacja projektu końcowego. Kompetencje: 1) Dyskusje. 2) Prace w grupach na zajęciach. 3) Krytyczne analizy studiów przypadku. |
|
Full description: |
(in Polish) Zajęcia będą obejmować zagadnienia z następujących zakresów: 1. Interpretacja danych: - techniki statystyczne interpretacji danych, - zasady interpretacji danych ilościowych i jakościowych - najczęstsze błędy popełniane przy interpretacji danych. 2. Wizualizacja danych: - sposoby wizualizacji danych, - wizualizacja danych jakościowych - możliwości stosowania różnych sposobów wizualizacji. |
|
Bibliography: |
(in Polish) Francuz, P., Mackiewicz, R. (2007). Liczby nie wiedzą, skąd pochodzą. Przewodnik po metodologii i statystyce nie tylko dla psychologów. Lublin: Wydawnictwo Naukowe KUL. Heath, C., Starr, K. (2022). Liczby się liczą. Data storytelling, czyli jak opowiadać o danych. Warszawa: MT Biznes. Knafilc, C. N. (2021). Storytelling danych. Poradnik wizualizacji danych dla profesjonalistów. Warszawa: Onepress. |
Copyright by Akademia Pedagogiki Specjalnej im. Marii Grzegorzewskiej w Warszawie.