PředmětyPředměty(verze: 945)
Předmět, akademický rok 2022/2023
   Přihlásit přes CAS
Základy logiky a matematiky - JSB536
Anglický název: Introduction to Logic and Mathematics
Český název: Základy logiky a matematiky
Zajišťuje: Katedra sociologie (23-KS)
Fakulta: Fakulta sociálních věd
Platnost: od 2020
Semestr: zimní
E-Kredity: 4
Způsob provedení zkoušky: zimní s.:písemná
Rozsah, examinace: zimní s.:2/2, Zk [HT]
Počet míst: neomezen / 114 (neurčen)
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Způsob výuky: prezenční
Poznámka: předmět je možno zapsat mimo plán
povolen pro zápis po webu
při zápisu přednost, je-li ve stud. plánu
Garant: Mgr. Ivan Petrúšek, Ph.D.
Vyučující: Timotej Ciprys
Bc. Lucie Kačínová
Bc. Kamila Nečasová
Mgr. Ivan Petrúšek, Ph.D.
Mgr. Matěj Šarboch
Mgr. Josef Záhlava
Třída: Kurzy pro CZV
Neslučitelnost : JSB035
Je neslučitelnost pro: JSB035
Je záměnnost pro: JSB035
Anotace
Poslední úprava: Mgr. Ivan Petrúšek, Ph.D. (04.09.2023)
Kurz je zaměřen na osvojení základních konceptů a technik z matematiky a logiky, které tvoří východisko pro zvládnutí navazujících kurzů statistiky a analýzy kvantitativních dat v statistických softwarech. Kurz slouží rovněž jako příprava pro metodologické kurzy (nejen kvantitativní, ale potažmo i kvalitativní). Výuka je realizována na konceptuálním základě. Cílem přednášek kurzu je představit klíčové koncepty a demonstrovat využití těchto konceptů na sociologicky relevantních příkladech. Semináře slouží k praktickému procvičení diskutovaných témat.

Poznámka: Tento kurz je doporučen také studentům oboru Politologie a veřejná politika (jelikož vědomosti a zručnosti získané v tomto kurzu následně využijí v povinném kurzu JSB535 - Úvod do statistiky).
Cíl předmětu
Poslední úprava: Mgr. Ivan Petrúšek, Ph.D. (04.09.2023)

Primárním cílem kurzu je uvést bakalářské student(k)y sociologie a příbuzných společenskovědních oborů do konceptů z matematiky a logiky, které jsou klíčové při navazujícím studiu statistiky a kvantitativní metodologie. Cílem předmětu je připravit student(k)y na hlubší pochopení konceptů a technických operací, na kterých jsou založeny metody implementované v statistických softwarech. Kurz má také umožnit efektivnější četbu sociologických textů, které obsahují matematické pojmy a zápisy.

Podmínky zakončení předmětu
Poslední úprava: Mgr. Ivan Petrúšek, Ph.D. (07.09.2023)

Výsledné hodnocení je založeno na plnění průběžných domácích úkolů (celkem 30 bodů) a absolvování závěrečného testu (celkem 70 bodů)

Domácí úkoly jsou bodovány následovně: za každý domácí úkol (celkem 6 domácích úkolů) je možné získat maximálně 5 bodů, celkově tedy maximálně 30 bodů. K počtu bodů za domácí úkoly lze potenciálně připočíst maximálně 5 bodů za mimořádnou aktivitu při cvičeních, a to do celkového počtu 30 bodů. O připočtení bonusových bodů rozhoduje výhradně vedoucí konkrétního cvičení, které student/ka navštěvuje.

Pro úspěšné absolvování závěrečného testu je nutné získat minimálně 35 bodů (tedy 50% z celkového počtu 70 bodů). Jinými slovy, pokud student/ka získá méně než 35 bodů, musí závěrečný test opakovat. Závěrečný test je možné psát celkem dvakrát. Po dvou neúspěšných pokusech u písemného testu probíhá třetí termín formou ústní zkoušky. U ústní zkoušky je možné získat výslední známku D, E nebo F (tzn. neabsolvoval/a). Ústní zkoušku musí absolvovat také studenti/studentky, kteří sice získali ze závěrečného testu minimálně 35 bodů, ale společně s domácími úkoly mají dohromady méně než 51 bodů.

Pro student(k)y, kteří úspěšně absolvovali závěrečný test (a společně s domácími úkoly mají dohromady více než 51 bodů), platí následující stupnice hodnocení:

  • 91 – 100 bodů = A
  • 81 – 90 bodů = B
  • 71 – 80 bodů = C
  • 61 – 70 bodů = D
  • 51 – 60 bodů = E

Celkový počet získaných bodů se zaokrouhlí na celé číslo (např. celkový výsledek 50,5 bodu se zaokrouhlí na 51 bodů, a tudíž odpovídá známce E).

Věnujte prosím pozornost následujícímu odkazu, který Vás upozorní na zásady využívání cizích textů a prací ve svých vlastních písemných pracích a domácích úkolech tak, abyste se nedopustili plagiátorství.

Odkaz: https://iss.fsv.cuni.cz/studium/bc-mgr-prace/plagiatorstvi

Literatura
Poslední úprava: Mgr. Ivan Petrúšek, Ph.D. (04.09.2023)

Povinná:

Hendl, J., Siegl, J., Moldan, M. a kol. 2019. Základy matematiky, logiky a statistiky pro sociologii a ostatní společenské vědy v příkladech. Praha: Karolinum.

Po každé přednášce bude doporučena kapitola z této učebnice odpovídající probírané látce. Ke studiu lze využít také druhé rozšířené vydání této učebnice z roku 2021.

 

Doporučená:

Gill, J. 2006. Essential Mathematics for Political and Social Research. Cambridge: Cambridge University Press.

Moore, W. H., Siegel, D.A., 2013. A Mathematics Course for Political and Social Research. Princeton: Princeton University Press.

Moučka, J., Rádl, P. 2014. Matematika pro studenty ekonomie. Praha: Grada.

Metody výuky
Poslední úprava: Mgr. Ivan Petrúšek, Ph.D. (04.09.2023)

Metody výuky:

Výuka se skládá z přednášek a seminářů/cvičení. Na přednáškách jsou studenti a studentky seznamováni s klíčovými teoretickými koncepty a pravidly pro aplikování těchto konceptů. Na cvičeních jsou koncepty demonstrovány a aplikovány na praktických příkladech, které studenti a studentky řeší pod vedením cvičícího/cvičící. Cvičení jsou vedeny v menších skupinách (kapacita maximálně 20 osob). Dvě výběrová cvičení jsou vyučována v prostředí R určeném pro statistickou analýzu dat (cvičící: Ivan Petrúšek a Štěpán Čejka). Studenti a studentky těchto dvou seminárních skupin tedy využívají k počítání statistický software R (https://cs.wikipedia.org/wiki/R_(programovac%C3%AD_jazyk) ). Pro zapsání tohoto cvičení nejsou vyžadované žádné předcházející znalosti R. Na ostatních cvičeních se počítají praktické příklady manuálně. Přednášky i cvičení probíhají na týdenní bázi. První cvičení začínají ve druhém výukovém týdnu (po druhé přednášce kurzu 10. 10.).

Sylabus
Poslední úprava: Mgr. Ivan Petrúšek, Ph.D. (04.09.2023)

Témata jednotlivých přednášek:

1. Úvod do kurzu
2. Vektory
3. Matice I
4. Matice II
5. Výroková logika
6. Predikátová logika
7. Množiny
8. Pravděpodobnost I
9. Pravděpodobnost II
10. Funkce
11. Průběh funkce I
12. Průběh funkce II 

Domácí úkoly: vektory (1), matice (2), logika (3), množiny (4), pravděpodobnost (5), funkce (6)

 
Univerzita Karlova | Informační systém UK