Viri podatkov

Opis predmeta

1. Splošni vidiki virov podatkov (Osnovni pojmi. Značilnosti podatkov in virov podatkov. Vrste dostopa do podatkov.)
2. Masovni podatki in etika (kreativna uporaba, domet, pristranskost, razkritja, zlorabe).
3. Zaupnost in varovanje podatkov (pravni vidiki, statistična zaščita podatkov).
4. Vizualizacija podatkov:
• Mejniki v vizualizaciji podatkov.
• Osnove vizualnega procesiranja (predpozornostne lastnosti, Gestalt načela, pristranskost).
• Problematični prikazi.
• Pristopi za izboljšanje vizualizacij.
• Prikazi glede na vrsto podatkov.
5. Podatki v uradni statistiki:
• Delovanje sistema uradne statistike (institucije, organizacija, zakonodaja, načela).
• Viri podatkov uradne statistike.
• Statistična infrastruktura (registri, statistični standardi, metapodatki).
• Kakovost (načela, kodeks ravnanja, točnost in napake).
• Dostopnost, orodja ter pristopi za pridobivanje in uporabo statističnih podatkov.
• Vizualizacija in eksploratorna analiza podatkov uradne statistike.
6. Iskanje in uporaba znanstvenih podatkovnih arhivov:
• Splošni arhivi podatkov (Arhiv družboslovnih podatkov ipd.) in specializirani arhivi podatkov (npr. kvalitativni, omrežja).
• Dostop do mednarodnih podatkov in podatkov različnih področij (CESSDA, ICPSR, mednarodni raziskovalni projekti, organizacije).
• Priprava podatkov za analizo: združevanje podatkov iz različnih virov in formatov, ex-post harmonizacija spremenljivk, čiščenje in dokumentacija podatkov.
• Napredne možnosti izkoriščanja obstoječih podatkov (večnivojska analiza, primerjalno raziskovanje, longitudinalno raziskovanje itd.).
• Načrtovanje in priprava podatkov za dostop.
• Kriteriji za ocenjevanje uporabnosti podatkov (FAIR ipd.).
• Etični in pravni vidiki ravnanja s podatki.
• Odprta znanost.
7. Specifični viri podatkov s področij družboslovja in naravoslovja (npr. komercialne baze podatkov, viri podatkov v javnem in zasebnem sektorju, viri podatkov posameznih znanstvenih področij, kot stajavno zdravje in medicina itd.).
Druge aktualne teme.

Predmet učimo na programih

Cilji in kompetence

Cilji predmeta so:
• Seznaniti študente z najpomembnejšimi domačimi in tujimi viri statističnih podatkov in možnostmi njihove uporabe.
• Usposobiti študente za kritično presojo kakovosti in drugih relevantnih vidikov podatkov, npr. etičnih in pravnih vidikov (statistična in podatkovna pismenost).
• Seznaniti študente z osnovami dostopa do podatkov, ravnanja s podatki in učinkovite uporabe podatkov.
• Usposobiti študente za učinkovito vizualizacijo podatkov.
Kompetence:
• Usposobljenost za presojo kakovosti in uporabnosti virov podatkov za ustvarjanje dodane vrednosti s statistično analizo, kakor tudi etičnih in pravnih vidikov zbiranja in uporabe podatkov.
• Poznavanje načinov pridobivanja in iskanja statističnih podatkov, dostopanja do teh podatkov in ravnanja z njimi ter njihovega prikazovanja.

Metode poučevanja in učenja

Predavanja, vaje, domače in seminarske naloge, predstavitve.

Del pedagoškega procesa bo izveden s pomočjo IKT tehnologij in možnosti, ki jih ponujajo.

Predvideni študijski rezultati

Študent bo poglobil in razširil znanja s področja virov podatkov različnih znanstvenih področij ter razumevanje o njihovi kakovosti, pomenu, etičnih in pravnih vidikih ter vlogi v statistični analizi . Pridobil bo najnovejša znanja o njihovi razpoložljivosti, dostopnosti in možnostih izkoriščanja ter vizualizacije.

Temeljni viri in literatura

• Odbor Evropskega statističnega sistema (2017). Kodeks ravnanja evropske statistike. [http://ec.europa.eu/eurostat/web/quality/european-statistics-code-of-practice]
• Gradiva na spletnih straneh SURS, Eurostata, mednarodnih ustanov (UNECE, OECD itd.), AJPES, NIJZ, GURS, Informacijskega pooblaščenca RS in drugih relevantnih inštitucij.
• Hundepool, A. et al. (2012). Statistical Disclosure Control, John Wiley & Sons.
• Inter-university Consortium for Political and Social Research (ICPSR). (2018). Guide to Social Science Data Preparation and Archiving: Best Practice Throughout the Data Life Cycle (6th edition). Ann Arbor, MI. [https://www.icpsr.umich.edu/icpsrweb/content/deposit/guide/]
• CESSDA Data Management Expert Guide. [https://www.cessda.eu/Training/Training-Resources/Library/Data-Management-Expert-Guide]
• Gradiva združenj RDA, IASSIST, CESSDA in ADP.
• Schwabish, J. (2021). Better Data Visualization. A guide for Scholars, Researchers, and Wonks. Columbia University Press.
• Zadnik, V. et al. (2017). Cancer burden in Slovenia with the time trends analysis. Radiol Oncol, 51(1): 47-55.
• Žagar, T., Primic Žakelj, M., & Zadnik, V. (2007). Pretok in uporaba informacij v registru raka – najstarejšem zdravstvenem registru v Sloveniji. Informatika, 23(3), 105-110.