Informace, média a knižní kultura/Statistika 1/1. lekce

Tato stránka je součástí projektu:
Informace, média a knižní kultura/Statistika 1
Příslušnost: skupinová

Úvodní informace

učí Jaromír Mazák
- zkoumá občanskou participaci
dále kurz připravují Hanka Šiková (bude cvičit) a Františka Tranová
používají minimum matematických vzorců, a jde spíše o pochopení principů statistiky
studenti se budou zapojovat na semináři, kde si je budou cvičit a zkoušet
výsledky učení = jak se pozná, že student danému předmětu rozumí
- sespány v sylabu
- jsou tam odkazy na prezentace
- každé téma je možné si na webu procvičovat
- pracovní listy stáhnout před seminářem
- zkouška formou písemného testu (rozpětí známkování na webu)
- dále zápočet (zadání na stránce atestace)
  - odevzdáním dvou průběžných zápočtových úkolů
  - termíny je potřeba dodržovat
  - student má 14 dní na opravu úkolu
  - obě úlohy povinné, abych mohl ke zkoušce
- dále bonusové úlohy - body navíc do koncového testu
  - co 14 dnů
  - do čtvrtka týdne, kdy probíhá přednáška je třeba ho odevzdat
- v sekci data jsou data pro bonusové úkoly a zápočtové ukoly
další platformou učení je Moodle
- v Moodle jsou i termíny
- úkoly se odevzdávají přes Moodle ?

Úvodní hodina

nejenom čísla, ale i statistický proces myšlení
zmáčkni P v online prezentaci a vyskočí ti okno s vysvětlením
ZÁKLADNÍ REPRODUKČNÍ ČÍSLO (R0)
- v populaci, kde neprobíhají opatření, kolik jeden člověk nakazí lidí
- R0 = 2, jeden člověk nakazí dva lidi a každý z nich zase dva lidi atd.
- ve skutečnosti se ale nárůst neděje symetricky, i když počet nakažených exponenciálně roste
  - jsou lidi co nakazí velké množství lidí (10 % nakažených je odpovědné asi o 80 % nakažení)
  - a jsou lidi co nenakazí skoro nikoho
EFEKTIVNÍ REPRODUKČNÍ ČÍSLO (Rt)
- kolik lidí se nakazí od jednoho nakaženého při nasazených opatřeních
STATISTIKA JAKO INVESTIGACE
- hra se slovy
- součást vědy a empirického výzkumu
- proces vytváření vědění z dat
  - takže kvantitativní výzkum se může překrývat se statistikou
  - kdežto sociologie obsahuje i kvalitativní složky, takže je širší, než statistika
PPDACC CYKLUS
- PROBLÉM
  - definice výzkumné otázky
  - cvičení: Jak moc lidé v České republice věří, že konflikt na Ukrajině eskaluje USA?
  - další vymyšlené otázky: nikdo neměl otázku
- PLÁN
  - co měřit a jak
  - jak shromažďovat data a kde
- DATA
  - uchování, získávání, čištění dat
- ANALÝZA
  - vyhodnocení dat
  - důležitá část statistiky
- ZÁVĚR/KOMUNIKACE (PREZENTACE)
  - Nate Silver - prominentní statistik v USA
    - volební predikce
    - myšlenka signál a šum - je důležité odlišit co se ve společnosti děje a co je jen náhodná variabilita, která informaci nenese
  - dva koncepty - starší z 19. století, že čísla mluví sama za sebe a statistika by měla být co nejsušší (William Fahr?)
    - Florence Nightingale objevila, že vojáci umírají díky infečkním onemocněním, ne kvůli těžkýcm zranění
    - spolupracovala s Fahrem, ale důležitá byla prezentace těch dat --takže to trochu popírá představu o suché statistice (dobře vybrané grafy a precizní komunikace)
  - kdežto Nate Silver říká, že data nemluví sama za sebe (2015)
  - vizualizace dat je důležitá
  - obrázek, ukázky úmrtnosti se přepočítává na 100 tisíc lidí, protože odfiltruje efekt velikosti populace (takže by křivka rostla na místo klesání)
STATISTIKA NA KATEDŘE STATISTIKY (slide 22)
- více předmětů, které se statistikou zabývají
CÍLE VĚDY A STATISTIKY
- cílem vědy je descripce (měřící nástroje)
  - deskriptivní statistika prezentuje data, tak aby byla srozumitelná - hlavní součást kurzu Statistika 1
- explanace, vysvětlení - jaké kauzální mechanizmi působí ve světě to co pozorujeme
  - u statistiky je to ale interference dat - hlavní součást kurzu Statistika 2
    - závěr o populaci (jak vznikla data, změření míry nejistoty
TEORIE A FAKTA
- fakta jsou přímá pozorování reality - př. "gazely když vidí predátory vyskakují do výšky"
- zapojením dalších věcí vykrystalizuje teorie: "azela říká predátorovy, že má hodně energie a tak se predátor lekne"
ZÁKLADNÍ STAVEBNÍ KÁMEN STATISTIKY
- je proměnná (např. pohlavý s hodnotami žena/muž)
PŘÍKLAD
- data eurostatu k chudobě nemusí být přesná, protože jde o to jaké metodiky se v jednotlivých zemích používají a jestli jsou vhodné
OPERACIONALIZACE
- přepklopení teorie do operačního jazyka, tj. co mohu pozorovat či experimentálně ovlivnit
- občas nás operacionalizace od původního poměru dost oddálí

Ke cvičení

v sekci data stáhnout první data (nepracovat v online excelu)
a pak v sekci Pracovní úkoly je co budeme dělat