|
|
|
||
|
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. 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 (vybrané semináře probíhají v prostředí R).
Poznámka: Tento kurz je doporučen také studujícím programu Politologie a veřejná politika (jelikož některé vědomosti a zručnosti získané v tomto kurzu následně využijí v povinném kurzu JSB535: Úvod do statistiky). Poslední úprava: Petrúšek Ivan, Mgr., Ph.D. (24.08.2025)
|
|
||
|
Primárním cílem kurzu je seznámit bakalářské studující sociologie a příbuzných společenskovědních programů s koncepty z matematiky a logiky, které jsou klíčové pro navazující studium statistiky a metod analýzy kvantitativních dat. Kurz má za úkol připravit studující na hlubší porozumění konceptům a technickým operacím, na nichž jsou založeny metody implementované ve statistických softwarech. Zároveň by měl umožnit efektivnější čtení sociologických textů, které pracují s matematickými pojmy a zápisy. Poslední úprava: Petrúšek Ivan, Mgr., Ph.D. (24.08.2025)
|
|
||
|
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. O připočtení bonusových bodů rozhoduje vedoucí konkrétního cvičení, které studující navštěvuje. Pro úspěšné absolvování závěrečného testu je nutné získat minimálně 35 bodů (tedy 50 % z celkového počtu 70 bodů). Jinými slovy, pokud studující 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 studující, kteří sice získali ze závěrečného testu minimálně 35 bodů, ale společně s domácími úkoly mají dohromady méně než 51 bodů. Pro studující, kteří úspěšně absolvovali závěrečný test (a společně s domácími úkoly mají dohromady více než 51 bodů), platí následující stupnice hodnocení:
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).
Využívání AI v rámci kurzu Studující mohou při své individuální přípravě využívat nástroje generativní umělé inteligence jako podpůrné asistenty. Toto je možné pouze za předpokladu, že zůstanou kritičtí k jejich výstupům, ověřují si získané informace a výslovně uvedou, jakým způsobem byla umělá inteligence při domácích úkolech využita. Domácí úkoly v prostředí R vypracované výhradně s využitím nástrojů generativní umělé inteligence budou automaticky hodnoceny 0 body. Jinými slovy, pokud byl celý skript domácího úkolu vytvořen generativní umělou inteligencí, studující automaticky získají 0 bodů za příslušný domácí úkol. Při závěrečném testu je využívání nástrojů generativní umělé inteligence přísně zakázáno. Věnujte prosím také 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 Poslední úprava: Petrúšek Ivan, Mgr., Ph.D. (28.09.2025)
|
|
||
|
Povinná: Hendl, J., Siegl, J., Moldan, M. a kol. 2019. Základy matematiky, logiky a statistiky pro sociologii a ostatní společenské vědy v příkladech. Praha: Nakladatelství 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, nebo třetí doplněné vydání z roku 2022.
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. Doporučená (prostředí R): Lander, J. P. 2017. R for Everyone: Advanced Analytics and Graphics (2nd edition). Addison-Wesley. Makovička, J. 2025. Pracujeme s programem R. Praha: Nakladatelství Karolinum. Poslední úprava: Petrúšek Ivan, Mgr., Ph.D. (24.08.2025)
|
|
||
|
Metody výuky: Výuka se skládá z přednášek (80 minut týdně) a seminářů/cvičení (80 minut týdně). Na přednáškách jsou studující seznamováni s klíčovými teoretickými koncepty a pravidly pro aplikování těchto konceptů. Na cvičeních jsou koncepty demonstrovány a aplikovány na praktických příkladech, které studující řeší pod vedením cvičícího/cvičící. Cvičení jsou vedena v menších seminárních skupinách (kapacita maximálně 20 osob). Čtyři seminární skupiny jsou vyučovány v prostředí R určeném pro statistickou analýzu dat (cvičící: Blaho, Davidová, Petrúšek, Vondráček). Studující těchto čtyř 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 prostředí R. Ostatních pět seminárních skupin počítá praktické příklady manuálně (s pomocí kalkulačky). Přednášky i cvičení probíhají na týdenní bázi. První cvičení začínají ve druhém výukovém týdnu (tzn. po druhé přednášce kurzu). Poslední úprava: Petrúšek Ivan, Mgr., Ph.D. (24.08.2025)
|
|
||
|
Témata jednotlivých přednášek (pro 12 týdnů výuky): 1. Úvod do kurzu Domácí úkoly: vektory (1), matice (2), logika (3), množiny (4), pravděpodobnost (5), funkce (6) Poslední úprava: Petrúšek Ivan, Mgr., Ph.D. (24.08.2025)
|