Dane zastane w badaniach społecznych WSE-BD-DZBS
Student uzyskuje pogłębioną wiedzę teoretyczną oraz praktyczne umiejętności w zakresie wykorzystania i analizy danych zastanych w badaniach społecznych. Przedmiot obejmuje omówienie głównych typów materiałów wtórnych (oficjalne statystyki publiczne, rejestry administracyjne, raporty instytucji publicznych i organizacji pozarządowych, archiwa badań społecznych, materiały prasowe i medialne, treści internetowe, dokumenty urzędowe, pamiętniki i autobiografie, materiały wizualne) oraz ich przydatności do formułowania i rozwiązywania problemów badawczych w naukach społecznych. Szczególnie podkreślana jest umiejętność rozpoznawania jakości oraz wiarygodności danych – zarówno pod kątem zastosowanej metodologii ich gromadzenia, jak i zgodności pomiędzy deklarowanymi procedurami a faktycznym zakresem i sposobem pomiaru.
Zasadność koncentrowania się na analizie danych zastanych wynika ze współczesnego kontekstu, w którym ogromne ilości informacji statystycznych i raportów są powszechnie dostępne, ale często wykorzystywane w sposób powierzchowny, selektywny lub bezrefleksyjny. Kurs zakłada, że kluczową kompetencją badacza nie jest samo „pozyskanie danych”, lecz umiejętność ich krytycznego doboru, rozumienia sposobu ich wytworzenia oraz interpretacji w świetle ich ograniczeń i kontekstu. Studenci uczą się więc analizować, kto, w jakim celu i jaką metodą zebrał dane, jakie populacje i zjawiska obejmują, jakie są ich słabe punkty (selekcja próby, brak odpowiedzi, zmiany definicji w czasie) oraz w jakim stopniu można je uznać za wiarygodne źródło wiedzy. Przedmiot uczy ponadto, jak w gąszczu wskaźników, raportów, infografik i danych pochodzących z różnych systemów informacyjnych odnajdywać informacje istotne z punktu widzenia problemu badawczego, jak je zestawiać, porównywać i reinterpretować oraz jak bronić się przed manipulacją danymi w debacie publicznej, politycznej czy medialnej.
Struktura kursu odzwierciedla kolejne etapy pracy badacza z danymi zastanymi: od wprowadzenia do analizy danych i zagadnień wstępnych, poprzez wybór i doprecyzowanie tematu badawczego, aż po świadome umiejscowienie analizy danych w strukturze raportu i pracy naukowej. Studenci uczą się więc nie tylko „jak analizować”, ale też „po co” i „w jakim miejscu” całego projektu badawczego pojawia się analiza danych zastanych – w pracach akademickich oraz w raportach tworzonych na potrzeby instytucji publicznych, organizacji społecznych czy podmiotów rynkowych.
W trakcie zajęć szczegółowo omawiane są źródła danych zastanych w naukach społecznych oraz zasady doboru próby w badaniach ilościowych i jakościowych, z naciskiem na konsekwencje metod doboru dla możliwości uogólniania wniosków. Studenci poznają i ćwiczą różne metody analizy danych zastanych: desk research oraz badania historyczno-porównawcze, wtórną analizę danych statystycznych, analizę treści i studium przypadku, analizę dyskursu i obrazu, a także analizę SWOT, wykorzystywaną do syntetycznego opisu mocnych i słabych stron, szans i zagrożeń związanych z badanym zjawiskiem czy polityką publiczną. Na przykładzie konkretnych zbiorów danych uczą się porównywać możliwości interpretacyjne wyników pochodzących z badań sondażowych, rejestrów administracyjnych, badań jakościowych, paneli czy danych cyfrowych, dostrzegając różnice wynikające z odmiennych metodologii ich gromadzenia. Dzięki temu widzą, że dane zastane mogą być analizowane na wiele sposobów – od klasycznej analizy statystycznej po interpretacyjne podejścia jakościowe – i że wybór metody ma bezpośrednie konsekwencje dla uzyskiwanych wniosków.
Istotną część kursu stanowią zagadnienia związane z opracowywaniem kategorii analitycznych i procesem kodowania, ilościową i jakościową analizą danych zastanych oraz statystycznym opracowaniem danych. Studenci uczą się przechodzenia od „surowego” materiału do uporządkowanej struktury kategorii i wskaźników, a następnie do wyników analizy, które można zaprezentować i obronić w raporcie badawczym. Silnie akcentowany jest wymiar warsztatowy: uczestnicy pracują z realnymi zbiorami danych pochodzącymi z różnych źródeł i tradycji metodologicznych (dane sondażowe, rejestry urzędowe, bazy międzynarodowych instytucji, korpusy tekstów, materiały wizualne), ucząc się dostosowywać narzędzia analityczne do specyfiki danego materiału. Dzięki temu kurs ma charakter wyraźnie praktyczny, a studenci doświadczają realnych wyzwań związanych z pracą na danych, które „już istnieją” i nie były zbierane specjalnie na potrzeby ich projektu.
Ważnym elementem kursu jest refleksja nad etycznymi i prawnymi aspektami korzystania z danych zastanych, w tym kwestiami poufności, własności danych, wtórnego wykorzystania materiału wrażliwego oraz odpowiedzialności badacza za sposób interpretacji i upowszechniania wyników. W kontekście rosnącej roli danych w zarządzaniu procesami społecznymi – od polityk publicznych i programów społecznych po systemy oceny i monitoringu w instytucjach – przedmiot ten wzmacnia kompetencje nie tylko techniczne, lecz także obywatelskie. Uczy, jak rozumieć i krytycznie oceniać decyzje uzasadniane wynikami badań i analiz, oraz jak samodzielnie korzystać z danych w sposób odpowiedzialny, transparentny i metodologicznie poprawny.
Celem przedmiotu jest wszechstronne przygotowanie studenta do samodzielnego, krytycznego i odpowiedzialnego wykorzystywania istniejących danych w badaniach nad zjawiskami społecznymi. Chodzi zarówno o opanowanie aparatu pojęciowego i metodologicznego, jak i o rozwinięcie praktycznych umiejętności pracy z materiałem empirycznym, który został zebrany w różnych celach, różnymi metodami i przez różne instytucje. Student ma po ukończeniu kursu rozumieć, że dane zastane nie są „gotowym obrazem” rzeczywistości, lecz efektem określonych decyzji definicyjnych, procedur badawczych i uwarunkowań instytucjonalnych, a ich analiza wymaga świadomego i refleksyjnego podejścia.
Centralnym celem przedmiotu jest kształcenie umiejętności rozpoznawania jakości oraz wiarygodności danych zastanych. Student uczy się pytać o to, kto wytworzył dane, w jakim celu, jaką metodologię zastosowano, jakie były kryteria doboru próby, jakie grupy zostały uwzględnione, a jakie pominięte, jakie definicje pojęć przyjęto oraz jakie ograniczenia wpisane są w dany system gromadzenia informacji. Analiza danych zastanych staje się dzięki temu nie tylko ćwiczeniem technicznym, ale przede wszystkim procesem krytycznej oceny materiału empirycznego. Celem kursu jest wykształcenie u studenta nawyku systematycznej refleksji nad źródłem, zakresem, rzetelnością i trafnością danych, zanim przystąpi on do formułowania daleko idących wniosków na ich podstawie. Przedmiot dąży także do tego, aby student potrafił projektować i realizować badania społeczne, w których dane zastane stanowią kluczowy element strategii badawczej. Obejmuje to umiejętność formułowania pytań badawczych adekwatnych do istniejących zasobów danych, dobierania wskaźników możliwych do uchwycenia w już zebranym materiale oraz planowania analiz w taki sposób, aby maksymalnie wykorzystać potencjał danych przy jednoczesnym uwzględnieniu ich ograniczeń. Ważnym celem jest także nauczenie studenta, jak umiejscowić analizę danych zastanych w strukturze pracy naukowej lub raportu – jak powiązać ją z częścią teoretyczną i metodologiczną, jak logicznie włączyć w argumentację oraz jak jasno przedstawiać wnioski, nie przeceniając zasięgu posiadanych informacji.
Szczególny nacisk położony jest na praktyczną, warsztatową pracę z danymi pochodzącymi z różnych źródeł i tradycji metodologicznych. Student pracuje z materiałem liczbowym (statystyki publiczne, dane sondażowe, rejestry administracyjne), tekstowym (raporty, dokumenty instytucjonalne, artykuły prasowe, wypowiedzi publiczne), a także – w podstawowym zakresie – z materiałami wizualnymi. Celem przedmiotu jest, aby student potrafił dobrać odpowiednie metody analityczne do specyfiki danych: od wtórnej analizy danych statystycznych i prostych procedur statystycznych, przez ilościową i jakościową analizę treści, aż po analizę dyskursu, studium przypadku, analizę obrazu oraz wykorzystanie analizy SWOT do syntetyzowania wyników. Kluczowe jest tutaj doświadczenie porównania, jak różne metodologie gromadzenia danych otwierają i zamykają określone możliwości interpretacyjne. Cele przedmiotu obejmują również rozwinięcie kompetencji w zakresie opracowywania kategorii analitycznych, kodowania materiału i prezentacji wyników. Student uczy się przechodzić od „surowych” danych do uporządkowanego systemu kategorii, a następnie do spójnego zestawu wniosków, które można przedstawić w formie raportu, rozdziału pracy dyplomowej czy prezentacji. Ważnym celem jest tutaj wykształcenie umiejętności jasnego komunikowania wyników i ich ograniczeń – zarówno w środowisku akademickim, jak i w przestrzeni praktyki społecznej, administracyjnej czy medialnej. Nieodłącznym elementem celów kształcenia jest budowanie postawy krytycznej i etycznej wobec danych. Student ma nauczyć się nie tylko korzystać z danych, lecz także dostrzegać konsekwencje ich użycia dla opisu i kategoryzowania zjawisk społecznych, dla wizerunku poszczególnych grup oraz dla kształtowania polityk publicznych. Celem przedmiotu jest zatem kształtowanie wrażliwości na kwestie ochrony danych, poufności, odpowiedzialności za wtórne wykorzystanie materiału wrażliwego oraz na ryzyko stygmatyzacji wynikające z selektywnego posługiwania się wskaźnikami. Równolegle rozwijane są umiejętności pracy zespołowej, dzielenia się zadaniami i negocjowania interpretacji – co odzwierciedla realne warunki pracy w zespołach badawczych i analitycznych. W perspektywie szerszej celem przedmiotu jest przygotowanie studenta do funkcjonowania w świecie, w którym decyzje polityczne, strategie organizacji, sposób zarządzania instytucjami oraz kształt debaty publicznej w coraz większym stopniu opierają się na danych. Absolwent kursu ma być nie tylko odbiorcą gotowych statystyk i raportów, ale kompetentnym użytkownikiem i współtwórcą wiedzy o rzeczywistości społecznej – osobą, która potrafi ocenić wiarygodność danych, dobrać adekwatne narzędzia analizy i odpowiedzialnie formułować wnioski, mając świadomość ich naukowych i społecznych konsekwencji.
E-Learning
W cyklu 2024/25_Z: E-Learning (pełny kurs) | W cyklu 2026/27_Z: E-Learning (pełny kurs) z podziałem na grupy |
Grupa przedmiotów ogólnouczenianych
Koordynatorzy przedmiotu
Opis nakładu pracy studenta w ECTS
Poziom przedmiotu
Punkty ECTS
Symbol/Symbole kierunkowe efektów uczenia się
Typ przedmiotu
Wymagania wstępne
Efekty uczenia się
Umiejętności
Kryteria oceny w obszarze umiejętności odnoszą się w szczególności do zdolności do świadomego korzystania z literatury podstawowej i specjalistycznej przy rozwiązywaniu problemów związanych z analizą danych zastanych, rozpoznawania cyfrowych zagrożeń i ograniczeń stosowanych narzędzi w procesie analizy danych oraz doboru metod adekwatnych do postawionego problemu badawczego.
Ocena 2 (ndst)
Weryfikacja osiągnięcia efektów uczenia się wskazuje, że student nie potrafi skorzystać z literatury podstawowej i specjalistycznej w celu rozwiązania problemu związanego z analizą danych zastanych, nie rozpoznaje cyfrowych zagrożeń i ograniczeń używanych narzędzi w kontekście analizy danych oraz nie jest w stanie dobrać metod adekwatnych do rozwiązywanego problemu badawczego.
Ocena 3 (dst)
Weryfikacja osiągnięcia efektów uczenia się wskazuje, że student jedynie w niepełnym zakresie potrafi skorzystać z literatury podstawowej i specjalistycznej w celu rozwiązania problemu związanego z analizą danych zastanych, w niepełnym stopniu rozpoznaje cyfrowe zagrożenia i ograniczenia używanych narzędzi w kontekście analizy danych oraz w niepełnym stopniu dobiera metody adekwatne do rozwiązywanego problemu badawczego.
Ocena 3,5 (dst+)
Weryfikacja osiągnięcia efektów uczenia się wskazuje, że student w podstawowym stopniu potrafi skorzystać z literatury podstawowej i specjalistycznej w celu rozwiązania problemu związanego z analizą danych zastanych, w podstawowym stopniu rozpoznaje cyfrowe zagrożenia i ograniczenia używanych narzędzi w kontekście analizy danych oraz w podstawowym stopniu dobiera metody adekwatne do rozwiązywanego problemu badawczego.
Ocena 4 (db)
Weryfikacja osiągnięcia efektów uczenia się wskazuje, że student w umiarkowanym stopniu potrafi skorzystać z literatury podstawowej i specjalistycznej w celu rozwiązania problemu związanego z analizą danych zastanych, w umiarkowanym stopniu rozpoznaje cyfrowe zagrożenia i ograniczenia używanych narzędzi w kontekście analizy danych oraz w umiarkowanym stopniu dobiera metody adekwatne do rozwiązywanego problemu badawczego.
Ocena 4,5 (db+)
Weryfikacja osiągnięcia efektów uczenia się wskazuje, że student niemal w pełni potrafi skorzystać z literatury podstawowej i specjalistycznej w celu rozwiązania problemu związanego z analizą danych zastanych, niemal w pełni rozpoznaje cyfrowe zagrożenia i ograniczenia używanych narzędzi w kontekście analizy danych oraz niemal w pełni dobiera metody adekwatne do rozwiązywanego problemu badawczego.
Ocena 5 (bdb)
Weryfikacja osiągnięcia efektów uczenia się wskazuje, że student w pełni potrafi skorzystać z literatury podstawowej i specjalistycznej w celu rozwiązania problemu związanego z analizą danych zastanych, w pełni rozpoznaje cyfrowe zagrożenia i ograniczenia używanych narzędzi w kontekście analizy danych oraz w pełni dobiera metody adekwatne do rozwiązywanego problemu badawczego.
Kompetencje społeczne
Kryteria oceny w obszarze kompetencji odnoszą się do zdolności studenta do krytycznej oceny własnego działania oraz funkcjonowania zespołów i organizacji, w których uczestniczy, z uwzględnieniem dostępnej wiedzy eksperckiej i standardów profesjonalnego postępowania badawczego.
Ocena 2 (ndst)
Weryfikacja osiągnięcia efektów uczenia się wskazuje, że student nie potrafi dokonać krytycznej oceny własnego działania ani funkcjonowania zespołów i organizacji, w których uczestniczy, uwzględniając przy tym dostępną wiedzę ekspercką.
Ocena 3 (dst)
Weryfikacja osiągnięcia efektów uczenia się wskazuje, że student jedynie w niepełnym zakresie potrafi dokonać krytycznej oceny własnego działania oraz zespołów i organizacji, w których uczestniczy, uwzględniając przy tym dostępną wiedzę ekspercką.
Ocena 3,5 (dst+)
Weryfikacja osiągnięcia efektów uczenia się wskazuje, że student w podstawowym stopniu potrafi dokonać krytycznej oceny własnego działania oraz zespołów i organizacji, w których uczestniczy, uwzględniając przy tym dostępną wiedzę ekspercką.
Ocena 4 (db)
Weryfikacja osiągnięcia efektów uczenia się wskazuje, że student w umiarkowanym stopniu potrafi dokonać krytycznej oceny własnego działania oraz zespołów i organizacji, w których uczestniczy, uwzględniając przy tym dostępną wiedzę ekspercką.
Ocena 4,5 (db+)
Weryfikacja osiągnięcia efektów uczenia się wskazuje, że student niemal w pełni potrafi dokonać krytycznej oceny własnego działania oraz zespołów i organizacji, w których uczestniczy, uwzględniając przy tym dostępną wiedzę ekspercką.
Ocena 5 (bdb)
Weryfikacja osiągnięcia efektów uczenia się wskazuje, że student w pełni potrafi dokonać krytycznej oceny własnego działania oraz zespołów i organizacji, w których uczestniczy, uwzględniając przy tym dostępną wiedzę ekspercką.
Kryteria oceniania
Metody oceny:
1. Obecność na zajęciach
Regularny udział w zajęciach jest warunkiem dopuszczenia do zaliczenia przedmiotu. W ramach przedmiotu nie przewiduje się usprawiedliwiania nieobecności. Uczestnikowi kursu przysługują dwie (słownie: dwie) nieobecności w semestrze, niezależnie od ich przyczyny. Limit ten stanowi łączną pulę dopuszczalnych nieobecności i obejmuje absencje wynikające z przyczyn zdrowotnych, rodzinnych, zawodowych, komunikacyjnych lub innych zdarzeń losowych oraz nieobecności bez wskazania szczególnej przyczyny. Uczestnik kursu samodzielnie decyduje, w jakich okolicznościach wykorzystuje przysługujący mu limit. Przedłożenie zaświadczenia lekarskiego dotyczącego pojedynczego dnia lub krótkiego okresu choroby, a także nieobecność związana z planowaną wizytą lekarską, badaniem, zabiegiem lub hospitalizacją nie powoduje zwiększenia limitu ani wyłączenia danej nieobecności z jego zakresu.
Przekroczenie limitu dwóch nieobecności może zostać uwzględnione wyłącznie w przypadku nagłego i wyjątkowego zdarzenia, którego skutkiem jest obiektywna niemożność uczestniczenia w zajęciach przez okres obejmujący więcej niż dwa terminy zajęć, w szczególności nagłej hospitalizacji, poważnego urazu, nieplanowanego zabiegu operacyjnego będącego następstwem nagłego zdarzenia lub bezpośrednio związanej z nim rekonwalescencji. Wyjątek ten nie obejmuje planowanych świadczeń medycznych ani stanów zdrowotnych istniejących przed rozpoczęciem zajęć, chyba że z formalnie przyznanych uczestnikowi kursu dostosowań wynika inaczej.
Sam fakt występowania choroby przewlekłej, zaburzeń psychicznych lub innych trudności zdrowotnych nie powoduje automatycznego zwiększenia limitu nieobecności określonego w karcie przedmiotu. Uczestnik kursu, który zamierza korzystać z formalnie przyznanych dostosowań związanych ze stanem zdrowia, zobowiązany jest w terminie 2 tygodni od rozpoczęcia zajęć poinformować o tym prowadzącego w sposób trwały, w formie e-mailowej, oraz przedstawić dokumentację określającą zakres przyznanych uprawnień lub rekomendowanych dostosowań. Informacja przekazana na późniejszym etapie może zostać uwzględniona wyłącznie w zakresie, w jakim możliwe jest zastosowanie danego dostosowania bez działania z mocą wsteczną. Przedstawienie usprawiedliwień, zaświadczeń lub dokumentacji potwierdzającej uprawnienia dopiero pod koniec semestru nie może stanowić podstawy do zwiększenia limitu nieobecności ani do wyłączenia z niego absencji, które wcześniej zostały do niego zaliczone.
Wykorzystywanie urządzeń elektronicznych w trakcie zajęć dydaktycznych
Uczestnik kursu może korzystać z telefonu komórkowego lub innego urządzenia elektronicznego podczas zajęć, jeżeli Prowadzący:
1) wyrazi zgodę na korzystanie z urządzenia, gdy jest ono niezbędne lub uzasadnione realizacją programu kursu, wykonaniem zadania dydaktycznego, dostępem do materiałów dydaktycznych albo sprawdzeniem wiedzy uczestników kursu, w szczególności za pomocą ankiety, quizu, testu online lub innego narzędzia cyfrowego;
2) wyrazi zgodę na korzystanie z urządzenia w sytuacji wymagającej zapewnienia uczestnikowi kursu pilnego kontaktu lub ze względu na jego stan zdrowia, niepełnosprawność albo inne szczególne potrzeby, w tym konieczność korzystania ze specjalistycznego oprogramowania lub aplikacji mobilnej;
3) wymaga tego sytuacja bezpośredniego zagrożenia dla zdrowia lub życia osób przebywających na terenie uczelni albo w innej sytuacji wymagającej niezwłocznego wezwania pomocy.
Nieuprawnione korzystanie z telefonu komórkowego lub innego urządzenia elektronicznego w trakcie zajęć, w szczególności pomimo zwrócenia uczestnikowi kursu uwagi przez Prowadzącego, może zostać uznane za zachowanie dezorganizujące przebieg zajęć i skutkować koniecznością ich opuszczenia. W takim przypadku nieobecność uczestnika kursu w trakcie zajęć pozostaje nieusprawiedliwiona.
Indywidualna Organizacja Studiów:
Student zamierzający korzystać z uprawnień wynikających z IOS lub pozostający pod opieką Centrum Dostępności, w szczególności z tytułu zaburzeń psychicznych, zobowiązany jest poinformować prowadzącego o przysługujących mu dostosowaniach nie później niż w terminie 2 tygodni od rozpoczęcia zajęć oraz przesłać w formie e-mail odpowiednią dokumentację w formie zeskanowanej. Informacja przekazana dopiero pod koniec realizacji przedmiotu, po przeprowadzeniu zasadniczej części zajęć lub po dokonaniu ocen cząstkowych, może skutkować brakiem możliwości uwzględnienia określonych dostosowań w procesie oceniania, jeżeli ich zastosowanie wymagało wcześniejszej organizacji sposobu uczestnictwa w zajęciach, formy zaliczenia lub warunków weryfikacji efektów uczenia się. Późne zgłoszenie nie stanowi podstawy do automatycznego ponownego przeprowadzenia zaliczeń, zmiany już wystawionych ocen ani zastosowania dostosowań z mocą wsteczną.
2. Projekt badawczy zawierający analizę danych zastanych
Podstawową formą sprawdzenia osiągnięcia efektów kształcenia jest przygotowanie projektu badawczego opartego na analizie danych zastanych. Projekt może przyjąć formę pisemnego opracowania (mini-raportu badawczego, raportu otwarcia dla wybranego problemu, analizy wybranego zjawiska społecznego) i – w zależności od ustaleń z prowadzącym – może być realizowany indywidualnie lub w małych zespołach. Projekt powinien obejmować: sformułowanie problemu badawczego i pytań badawczych, identyfikację i opis zastosowanych źródeł danych zastanych, uzasadnienie ich doboru, omówienie jakości i wiarygodności wykorzystanych danych, prezentację przyjętej strategii analizy (ilościowej, jakościowej lub mieszanej), wyniki analiz oraz wnioski wraz z refleksją nad ograniczeniami projektu. Wymagane jest także odwołanie do podstawowej literatury przedmiotu (metodologicznej i dotyczącej badanego zjawiska). W trakcie semestru przewiduje się możliwość konsultowania założeń projektu oraz jego wstępnych wyników z prowadzącym.
Kryteria oceny:
Kryteria oceny projektu badawczego (mini-raportu lub prezentacji) odnoszą się do całego procesu pracy z danymi zastanymi – od sformułowania problemu badawczego, poprzez dobór i ocenę źródeł, wybór metody analizy, aż po wnioski, refleksję nad ograniczeniami oraz formę prezentacji. Projekt ma pokazać zarówno zrozumienie zasad analizy danych zastanych, jak i umiejętność ich zastosowania w praktyce oraz krytycznego namysłu nad jakością i wiarygodnością wykorzystanego materiału.
1. Trafność i klarowność problemu badawczego oraz pytań badawczych
Ocenie podlega, czy temat jest jasno sformułowany, osadzony w naukach społecznych, dostosowany do skali projektu oraz możliwy do zrealizowania przy użyciu danych zastanych. Ważne jest, aby pytania badawcze były precyzyjne, logicznie wynikały z problemu oraz były adekwatne do rodzaju i zakresu dostępnych danych.
2. Dobór źródeł danych i ich charakterystyka
Sprawdzane jest, czy student jasno wskazał, jakie źródła danych zostały wykorzystane (raporty, statystyki, artykuły prasowe, strony instytucji), jak zostały wybrane oraz na jaki okres, obszar czy populację się odnoszą. Ważne jest uzasadnienie wyboru tych źródeł oraz świadomość, jak przyjęty dobór wpływa na zakres możliwych wniosków.
3. Ocena jakości i wiarygodności danych zastanych
Oceniane jest, czy student potrafi krytycznie odnieść się do jakości danych: rozpoznać ich mocne i słabe strony, wskazać potencjalne źródła zniekształceń (np. stronniczość nadawcy, selektywność publikacji, zmiany definicji wskaźników, luki w danych), a także świadomie uwzględnić te ograniczenia w dalszej analizie i wnioskowaniu.
4. Spójność i poprawność metodologiczna
Kryterium to dotyczy zgodności między problemem badawczym, rodzajem danych i zastosowaną metodą analizy (np. analiza treści, analiza dyskursu, wtórna analiza danych statystycznych, analiza SWOT, studium przypadku). Ocenie podlega jasny opis przyjętej procedury (dobór materiału, jednostki analizy, kategorie, sposób kodowania, operacje statystyczne) oraz świadomość konsekwencji wyboru danej strategii analitycznej.
5. Jakość przeprowadzonej analizy
Sprawdzane jest, czy analiza jest rzetelna, logiczna i pogłębiona, a nie sprowadza się do prostego opisu danych. W mini-raporcie liczy się uporządkowane przejście od materiału do wyników, identyfikacja wzorów, tematów, kategorii czy tendencji. W prezentacji oceniana jest czytelność pokazania wyników oraz umiejętność ich rzeczowego skomentowania.
6. Trafność wniosków i refleksja nad ograniczeniami badania
Ocenie podlega, czy wnioski są oparte na przedstawionej analizie i mieszczą się w granicach tego, co można powiedzieć na podstawie wykorzystanych danych. Ważna jest także refleksja nad ograniczeniami projektu: wskazanie braków i słabości danych, przyjętych uproszczeń oraz tego, jakie dodatkowe kroki należałoby podjąć, aby pogłębić badanie (np. inne źródła, dodatkowe metody).
7. Wykorzystanie literatury przedmiotu i odniesień teoretyczno-metodologicznych
Oceniane jest, czy projekt zawiera odwołania do literatury dotyczącej zarówno badanego zjawiska, jak i zastosowanych metod analizy danych zastanych. Ważne jest, aby literatura pomagała uzasadnić wybory badawcze i interpretację wyników, a nie stanowiła jedynie formalnego dodatku. Istotna jest także poprawność cytowania i spójność bibliografii.
8. Strona formalna i językowa projektu (mini-raportu lub prezentacji)
W mini-raporcie oceniana jest przejrzysta struktura (wprowadzenie, problem i metoda, analiza, wnioski), poprawność językowa, czytelność zapisów (tabele, wykresy, cytaty) oraz jasne oznaczenie źródeł danych. W prezentacji istotne są: logiczny układ slajdów, estetyka, czytelność treści, odpowiednie dawki tekstu i przykładów oraz umiejętność rzeczowego, uporządkowanego przedstawienia wyników.
9. Samodzielność, zaangażowanie i praca zespołowa (jeśli dotyczy)
Oceniane jest, czy projekt świadczy o samodzielnym myśleniu, inicjatywie w doborze i opracowaniu materiału oraz twórczym wykorzystaniu poznanych narzędzi. W pracach zespołowych brana jest pod uwagę klarowność podziału zadań, realny wkład poszczególnych osób oraz umiejętność wypracowania spójnego, wspólnego rezultatu.
10. Etyczność i odpowiedzialność w posługiwaniu się danymi
Sprawdzane jest, czy student szanuje zasady ochrony danych i poufności, unika stygmatyzujących sformułowań, nie wyciąga nadmiernie kategorycznych wniosków z ograniczonych danych oraz rzetelnie wskazuje pochodzenie wykorzystanych informacji. Dodatkowym atutem są świadome odniesienia do społecznych konsekwencji sposobu prezentowania danych i wniosków.
Dla teoretycznych i praktycznych form sprawdzania wiedzy przyjmuje się poniższe progi punktowe i kryteria oceny:
Ocena bardzo dobry (5) – od 90% do 100%;
Ocena dobry plus (4,5) – od 80% do 90%;
Ocena dobry (4) – od 70% do 80%;
Ocena dostateczny plus (3,5) – od 65% do 70%;
Ocena dostateczny (3) – od 60% do 65%;
Ocena niedostateczny (2) – poniżej 60%.
Wagi dla oceny końcowej:
1. Obecność na zajęciach – 25%.
2. Projekt badawczy – 75%.
Praktyki zawodowe
Nie dotyczy.
Literatura
Literatura obowiązkowa – polskojęzyczna
1. Bednarowska Z., Desk research – wykorzystanie potencjału danych zastanych w prowadzeniu badań marketingowych i społecznych, Marketing i Rynek, Nr 7 (2015).
2. Celińska-Janowicz D., Rejestry podmiotów jako źródła danych w analizach lokalizacji działalności gospodarczej w mikroskali, Wiadomości Statystyczne, t. 61, Nr 1 (2016).
3. Dehnel G., Kowalewski J., Źródła administracyjne a krótkookresowa statystyka przedsiębiorstw, Wiadomości Statystyczne, t. 60, Nr 11 (2015).
4. Gołata E., Jakość spisów nowej generacji, Wiadomości Statystyczne, t. 59, Nr 5 (2014).
5. Jędrzejczak A., Kubacki J., Problemy jakości danych statystycznych w przypadku badania cech rzadkich, Wiadomości Statystyczne, t. 59, Nr 6 (2014).
6. Kordos J., Zarys teoretycznego modelu TQM w statystyce oficjalnej, Wiadomości Statystyczne, t. 61, Nr 5 (2016).
7. Krywult-Albańska M., Spis powszechny jako źródło informacji o ludności, Studia Socjologiczne, Nr 4(207) (2012).
8. Makowska M. (red.), Analiza danych zastanych. Przewodnik dla studentów, Wydawnictwo Naukowe Scholar, Warszawa 2013.
9. Młodak A., Strata informacji wskutek przeprowadzenia kontroli ujawniania danych wynikowych, Wiadomości Statystyczne. The Polish Statistician, t. 65, Nr 9 (2020).
10. Nyczaj K., Rejestry administracyjne jako źródło wiedzy statystycznej, Wiadomości Statystyczne, t. 55, Nr 11 (2010).
11. Olechnowicz E., Formella D., Narzędzia monitorowania i doskonalenia jakości badań w polskiej statystyce publicznej, Wiadomości Statystyczne, t. 59, Nr 7 (2014).
12. Piasecki T., Metody imputacji w badaniach gospodarstw domowych, Wiadomości Statystyczne, t. 59, Nr 9 (2014).
13. Roszka W., Probabilistyczne łączenie rekordów jako metoda łączenia baz danych zawierających informacje o tych samych jednostkach, Zeszyty Naukowe Uniwersytetu Ekonomicznego w Poznaniu, Nr 227 (2012).
14. Roszka W., System statystyki publicznej oparty na zintegrowanych źródłach danych, Przegląd Statystyczny, numer specjalny 2 (2012).
15. Ryczkowski M., Komparatywna analiza źródeł danych na potrzeby budowy nowoczesnego Systemu Rachunków Pracy, Wiadomości Statystyczne, t. 61, Nr 1 (2016).
16. Stefanowicz B., Cierpiał-Wolan M., Błędy przetwarzania danych, Wiadomości Statystyczne, t. 60, Nr 9 (2015).
17. Szreder M., Nowe źródła informacji i ich wykorzystywanie w podejmowaniu decyzji, Wiadomości Statystyczne, t. 62, Nr 7 (2017).
18. Szutkowska J., Metadane w pracy statystyka, Wiadomości Statystyczne, t. 55, Nr 3 (2010).
19. Szutkowska J., Zarządzanie jakością w statystyce publicznej: standardy, metody, modele i narzędzia, Wiadomości Statystyczne, t. 57, Nr 11 (2012).
20. Szutkowska J., Jakość w statystyce publicznej, Wiadomości Statystyczne, t. 59, Nr 5 (2014).
21. Wesołowski J., Tarczyński J., Podstawy matematyczne technik imputacyjnych, Wiadomości Statystyczne, t. 61, Nr 9 (2016).
22. Wroński M., Kluczowe problemy metodologiczne w badaniach nad majątkiem gospodarstw domowych, Wiadomości Statystyczne. The Polish Statistician, t. 64, Nr 5 (2019).
Literatura uzupełniająca – polskojęzyczna
1. Babbie E., Podstawy badań społecznych, Wydawnictwo Naukowe PWN, Warszawa 2013.
2. Borowska-Beszta B., Bartnikowska U., Ćwirynkało K., Analiza wtórna jakościowych danych zastanych: przegląd założeń teoretycznych i aplikacji metodologicznych, Jakościowe Badania Pedagogiczne, t. 2, Nr 1 (2017).
3. Creswell J.W., Projektowanie badań naukowych. Metody jakościowe, ilościowe i mieszane, Wydawnictwo Uniwersytetu Jagiellońskiego, Kraków 2013.
4. Filipkowski P., Archiwizacja, reanaliza, rewizyta. O nowych pojęciach i nowych podejściach w badaniach jakościowych, Kultura i Społeczeństwo, t. 59, Nr 3 (2015).
5. Frankfort-Nachmias Ch., Nachmias D., Metody badawcze w naukach społecznych, Zysk i S-ka, Poznań 2001.
6. Kalinowska K., Humaniści wobec procesów digitalizacji. Dylematy, obawy, bariery w pracy z danymi zastanymi, Kultura i Społeczeństwo, t. 63, Nr 1 (2019).
7. Karkowska M., Bielińska M., Po co nam „stare wywiady”? O ponownym wykorzystaniu danych z badań jakościowych (rewizytach, reanalizach i nie tylko), Przegląd Socjologii Jakościowej, t. 15, Nr 2 (2019).
8. Łuczewski M., Bednarz-Łuczewska P., Analiza dokumentów zastanych (w:) D. Jemielniak (red.), Badania jakościowe. T. 2: Metody i narzędzia, Wydawnictwo Naukowe PWN, Warszawa 2012.
9. Mayntz R., Holm K., Hübner P., Wprowadzenie do metod socjologii empirycznej, Państwowe Wydawnictwo Naukowe, Warszawa 1985.
10. Nahotko M., Jakość metadanych opisowych i możliwości ich współdziałania, Biuletyn EBIB, Nr 2(179) (2018).
11. Szczepaniak K., Zastosowanie analizy treści w badaniach artykułów prasowych – refleksje metodologiczne, Acta Universitatis Lodziensis. Folia Sociologica, Nr 42 (2012).
12. Sułek A., Ogród metodologii socjologicznej, Wydawnictwo Naukowe Scholar, Warszawa 2002.
13. Żulicki R., Potencjał Big Data w badaniach społecznych, Studia Socjologiczne, Nr 3(226) (2017).
Literatura anglojęzyczna
1. Gierańczyk W., Ziółkowski D., Administrative data as a source of information about employed persons, Wiadomości Statystyczne. The Polish Statistician, t. 67, Nr 1 (2022).
2. Gorard S., The Role of Secondary Data in Combining Methodological Approaches, Educational Review, t. 54, Nr 3 (2002).
3. Hofferth S.L., Secondary Data Analysis in Family Research, Journal of Marriage and Family, t. 67, Nr 4 (2005).
4. Hyman H.H., Secondary Analysis of Sample Surveys, Wesleyan University Press, Middletown 1987.
5. Castleberry S.B., Using Secondary Data in Marketing Research: A Project That Melds Web and Off-Web Sources, Journal of Marketing Education, t. 23, Nr 3 (2001).
6. Heaton J., Secondary Analysis of Qualitative Data: An Overview, Historical Social Research / Historische Sozialforschung, t. 33, Nr 3 (2008).
|
W cyklu 2025/26_Z:
Literatura obowiązkowa: Literatura uzupełniająca: |
Uwagi
|
W cyklu 2026/27_Z:
Informacja dotycząca bezpieczeństwa uczestników zajęć Ze względu na nieprzewidywalność nagłych zdarzeń prowadzący będzie wdzięczny za dobrowolne przekazanie informacji, które mogą mieć znaczenie przy udzielaniu pierwszej pomocy przedmedycznej. Nie ma potrzeby podawania diagnozy ani szczegółowych danych medycznych – wystarczy informacja istotna dla właściwego postępowania w sytuacji nagłej. |
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: