Kvantitativní výzkum politiky v R - JPB049

• Anglický název: Quantitative policy research in R
• Zajišťuje: Katedra politologie (23-KP)
• Fakulta: Fakulta sociálních věd
• Platnost: od 2023 do 2024
• Semestr: zimní
• E-Kredity: 5
• Způsob provedení zkoušky: zimní s.:
• Rozsah, examinace: zimní s.:1/1, Zk [HT]
• Počet míst: 10 / 10 (10)
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština
• Způsob výuky: prezenční
• Další informace: https://docs.google.com/document/d/1rlAlxDe7UMD09JyJfHuY46Z90lQibHeSrnRFcB2t68o/edit?usp=sharing
• Poznámka: předmět je možno zapsat mimo plán; povolen pro zápis po webu; při zápisu přednost, je-li ve stud. plánu
• Garant: Mgr. Lukáš Hájek, M.A., Ph.D.
• Vyučující: Mgr. Lukáš Hájek, M.A., Ph.D.
• Prerekvizity : {Skupina prerekvizit pro JPB049 a JPB284 (JPB283 nebo JSB535)}

Anotace

Předmět seznamuje studenty s pokročilými nástroji moderního kvantitativního politologického výzkumu, a to zejména v praktické rovině. Jelikož právě kvantitativní metody nabývají v politologii stále většího významu, je jejich znalost cennou, a dokonce až nezbytnou dovedností. Po absolvování předmětu budou mít studenti nejenom pasivní znalost pro kritickou práci s výstupy kvantiativního výzkumu, ale budou umět i aktivně používat základních statistické analytické nástroje. Znalost softwaru R studentům navíc otevře i další možnosti práce s daty a nepochybně zvýší jejich šance na trhu práce.

Poslední úprava: Hájek Lukáš, Mgr., M.A., Ph.D. (23.08.2024)

Cíl předmětu

Kurz má následující cíle:

• seznámit studenty se základními (deskripce) i pokročilými (korelační analýza, lineární regresní analýza, prostorové analýzy) nástroji kvantitativního výzkumu,
• naučit studenty pracovat s kvantitativními daty a metodami pomocí softwaru R.

Poslední úprava: Hájek Lukáš, Mgr., M.A., Ph.D. (23.08.2024)

Podmínky zakončení předmětu

Výsledná známka za absolvování semináře bude založena na splnění následujících kritérií:

1. Domácí úkoly (50 %) – Po seminářích č. 2–5 bude následovat zadání domácího úkolu, který bude rekapitulovat postupy naučené v semináři. Pro společné plnění úkolů budou vytvořeny skupiny 2–3 studentů. Cílem je podpořit spolupráci studentů a jejich vzájemné vzdělávání se. Každý jeden úkol bude mít na výsledné známce podíl 15 %.
2. Závěrečná praktická práce (50 %) – Každý student jednotlivě vypracuje závěrečnou praktickou práci, která bude zadána ve druhé polovině semestru. Cílem práce bude prověřit znalost dovedností naučených v průběhu celého semestru. Výsledná práce bude sestávat z naprogramovaného výzkumu a také krátkého textového popisu této analýzy.

Skupinová práce je klíčovou součástí kurzu. Podporuje totiž spolupráci, efektivní řešení úkolů a dělbu práce, což jsou klíčové dovednosti na trhu práce. Navíc jazyk R je v počáteční fázi poměrně náročný na učení, tedy ve skupinách si studenti pomáhají a navzájem postupy vysvětlují, čímž si sami ověřují svoji znalost.

Veškerá pozdní odevzdání budou penalizována srážkou hodnocení o 4 procentní body za každou započatou hodinu zpoždění. Není možná oprava jakékoliv části, která přispívá k výslednému hodnocení. Jakmile student započne plnění předmětu, bude na konci semestru známkován. Výsledná známka se bude odvíjet od procentuální úspěšnosti studentů dle následující stupnice:

• 90,01–100,00 % (A),
• 80,01–90,00 % (B),
• 70,01–80,00 % (C),
• 60,01–70,00 % (D),
• 50,01–60,00 % (E),
• 0,00–50,00 % (F).

Případné plagiátorství včetně použití umělé inteligence v rozporu s doporučeními Univerzity Karlovy či v situacích, kdy to není explicitně povoleno, povede ke snížení známky, nesplnění kurzu či disciplinárnímu řízení.

Poslední úprava: Hájek Lukáš, Mgr., M.A., Ph.D. (23.08.2024)

Literatura

Nejvýznamnějším zdrojem při výuce kurzu je učebnice představující výuku kvantitativních metod výzkumu právě s využitím statistického softwaru R:

• Field, A. P., Miles, J., & Field, Z. (2012). Discovering Statistics Using R. Sage.

V případě dalšího zájmu je doporučena následující literatura:

• Gerring, J., & Christenson, D. (2017). Applied Social Science Methodology: An Introductory Guide. Cambridge University Press.
• James, G., Witten, D., Hastie, T., & Tibshirani, R. (2017). An Introduction to Statistical Learning with Applications in R. Springer.
• Meys, J., & De Vries, A. (2012). R For Dummies. Wiley.
• Monogan III, J. E. (2015). Political Analysis Using R. Springer.
• Rumsey, D. (2007). Intermediate Statistics for Dummies. Wiley.

Poslední úprava: Hájek Lukáš, Mgr., M.A., Ph.D. (23.08.2024)

Metody výuky

Kurz je co možná nejvíce zaměřen na praktické využití kvantitativních metod výzkumu politologie. Z tohoto důvodu je výuka vedena formou seminářů. Semináře se konají jednou za dva týdny, a to blokovou formou vždy v délce 160 minut čistého času. Pouze díky tomuto formátu výuky je možné v rámci jednoho semináře probrat potřebnou látku nejprve teoreticky a následně ji ihned představit v praktické podobě. Samotné semináře se proto typicky skládají právě z úvodního představení daného tématu, které je následováno praktickým nacvičením aplikace konkrétní analytické metody za pomoci reálných příkladů, dat a výpočtů z oblasti politologického výzkumu. Semináře proto zejména ve své praktické části vyžadují aktivní participaci všech studentů.

Studenti mají povinnost se na každý seminář připravit skrze četbu zadané povinné literatury. Její znalost je pro práci během semináře klíčová. Příslušná literatura bude v maximální možné míře dostupná v elektronické formě v informačním systému Moodle. Od studentů se očekává i plnění domácích úkolů, které slouží k procvičování vyučovaných metod.

Zpřístupnění literatury a materiálů ze seminářů, zadávání i odevzdávání úkolů a skupinová komunikace bude probíhat skrze příslušnou stránku Moodle.

Práce v seminářích bude vedena v programovacím prostředí R. Jeho výhodou je bezplatná dostupnost a variabilita možností využití. Známou nevýhodou programu je jeho relativní náročnost pro začátečníky – to je ovšem cena za široké spektrum možností využití. Tuto úvodní náročnost je však v případě důsledného studia programovací prostředí možné vcelku rychle překonat.

R je možné zdarma nainstalovat z následujícího zdroje: https://mirrors.nic.cz/R/. S programovacím prostředím R je nejjednodušší pracovat v rámci grafického rozhraní pro R, kterým je (například) RStudio. RStudio je možné zdarma stáhnout zde: https://www.rstudio.com/products/rstudio/download/. Právě s tímto programem budeme pracovat i v rámci seminářů a všichni studenti proto musí mít na svém notebooku nainstalováno jak R, tak RStudio (pomoci při instalaci může videonávod).

Na seminářích budou studenti seznámeni se všemi příkazy, které jsou pro zvládnutí R a aplikaci kvantitativních metod pro politologický výzkum potřeba – není proto nutná žádná předchozí znalost tohoto programovacího prostředí. Studentům je navíc umožněno, aby na seminářích, ale například i při plnění domácích úkolů využívali pomoc výše jmenované literatury nebo různých webových stránek, např. https://www.statmethods.net/.

Poslední úprava: Hájek Lukáš, Mgr., M.A., Ph.D. (23.08.2024)

Sylabus

1. Úvod, práce s R (2. října)

Studenti budou seznámeni s obsahem kurzu. Bude představeno programovací prostředí R, zejména jednotlivé typy využívaných informací; příkazy pro ukládání a nahrávání datových souborů, jejich třídění, úpravy a základní deskriptivní analýzu; práce s proměnnými; tvorba funkcí. Studentům budou představeny hlavní výhody R oproti jiným programům a stejně tak úskalí, která mohou při práci s tímto programem nastat.

Povinná literatura:

• Field, A. P., Miles, J., & Field, Z. (2012). Discovering Statistics using R. Los Angeles: Sage. Chapter 3 – The R environment.
• Gerring, J., & Christenson, D. (2017). Applied social science methodology: an introductory guide. Cambridge; New York: Cambridge University Press. Chapter 18 – Univariate Statistics.
• Gerring, J., & Christenson, D. (2017). Applied social science methodology: an introductory guide. Cambridge; New York: Cambridge University Press. Chapter 17 – Data Management.

2. Vizualizace dat (16. října)

Studentům budou představeny různé způsoby vizualizace dat a výstupů kvantitativních analýz. Odhaleny budou způsoby analýzy dat právě skrze jejich vizualizaci. Studenti budou seznámeni s prohřešky, kterých by se v rámci vizualizace dat neměli dopouštět. Tvorba těchto vizualizací bude prakticky nacvičena v R.

Povinná literatura:

• Field, A. P., Miles, J., & Field, Z. (2012). Discovering Statistics using R. Los Angeles: Sage. Chapter 4 – Exploring data with graphs.
• Gerring, J., & Christenson, D. (2017). Applied social science methodology: an introductory guide. Cambridge; New York: Cambridge University Press. Chapter 19 – Probability Distributions.

3. Statistická inference (30. října)

Bude popsána logika statistického usuzování (inference) s důrazem na splnění příslušných předpokladů. Studenti se seznámí s principem centrálního limitního teorému a osvojí si dovednosti konstruování intervalů spolehlivosti v R.

Povinná literatura:

• Field, A. P., Miles, J., & Field, Z. (2012). Discovering Statistics using R. Los Angeles: Sage. Chapter 2 – Everything you ever wanted to know about statistics (well, sort of).
• Gerring, J., & Christenson, D. (2017). Applied social science methodology: an introductory guide. Cambridge; New York: Cambridge University Press. Chapter 20 – Statistical Inference.

4. Základní statistické nástroje (13. listopadu)

Bude představena korelační analýza, t-test a chí-kvadrát test, a to zejména skrze situace vhodné k jejich použití, konkrétní podobě aplikace a způsobu interpretace výsledků. Studenti si prakticky vyzkouší statistické uvažování a základní analýzu v programovacím prostředí R. 

Povinná literatura:

• Field, A. P., Miles, J., & Field, Z. (2012). Discovering Statistics using R. Los Angeles: Sage. Chapter 6 – Correlation.
• Gerring, J., & Christenson, D. (2017). Applied social science methodology: an introductory guide. Cambridge; New York: Cambridge University Press. Chapter 21 – Bivariate Statistics.

5. Regresní analýza (27. listopadu)

Bude charakterizována metoda regresní analýzy, která je vůdčí kvantitativní metodou v politologickém výzkumu. Důraz bude kladen na předpoklady regresní analýzy, samotné provedení analýzy a interpretaci jejích výsledků. Studenti si prakticky vyzkouší aplikaci regresní analýzy a prezentaci výsledků v tabulkové i grafické podobě v R. Studentům bude představena technika transformace dat, aby mohla být následně využita klasická regresní analýza.

Povinná literatura:

• Field, A. P., Miles, J., & Field, Z. (2012). Discovering Statistics using R. Los Angeles: Sage. Chapter 7 – Regression.
• Gerring, J., & Christenson, D. (2017). Applied social science methodology: an introductory guide. Cambridge; New York: Cambridge University Press. Chapter 22 – Regression.

6. Tvorba map (11. prosince)

Mapy mají při analýze dat stále větší význam. Studenti se proto seznámí s rolí prostorové analýzy v oblasti politologického výzkumu a různými typy mapových zobrazení. Následně si prakticky procvičí tvorbu map v RStudiu. V neposlední řadě pak budou představeny různé praktické tipy a triky pro vizualizaci dat.

Povinná literatura:

• Lysek, J., Pánek, J., & Lebeda, T. (2020). Who are the voters and where are they? Using spatial statistics to analyse voting patterns in the parliamentary elections of the Czech Republic. Journal of Maps, 17(1), 33–38.

Poslední úprava: Hájek Lukáš, Mgr., M.A., Ph.D. (23.08.2024)

Vstupní požadavky

Pro zápis kurzu je třeba absolvovat předmět Kvantitativní metody zkoumání politiky (JPB283) nebo Úvod do statistiky (JSB535).

Poslední úprava: Hájek Lukáš, Mgr., M.A., Ph.D. (23.08.2024)