Big Data w polityce i zarządzaniu publicznym WSE-BD-BDwPiZP

W ramach kursu studenci powinni być w stanie zrealizować szereg celów jako cele komponentu rozumowania ilościowego i formalnego podstawowego programu nauczania. Studenci powinni być w stanie:
• Przedstawić przykłady, w jaki sposób dane ilościowe mogą być wykorzystane do odpowiedzi na pytania badawcze z zakresu nauk społecznych.
• Porównać i zestawić cele opisu, przyczynowości, przewidywania i odkryć w badaniach z zakresu nauk społecznych.
• Interpretować i opisywać wizualne prezentacje danych z zakresu nauk społecznych, takie jak wykresy i mapy.
• Opracowywać własne analizy i wizualizacje w celu zrozumienia zjawisk z zakresu nauk społecznych.

1. Zajęcia organizacyjne.
2. Wprowadzenie do Big Data i zarządzania publicznego

Definicja i charakterystyka Big Data.
Rola i znaczenie danych w administracji publicznej.
Wyzwania związane z zarządzaniem danymi w sektorze publicznym.

3. Technologie Big Data

Przegląd technologii wykorzystywanych w Big Data (np. Hadoop, Spark).
Bazy danych NoSQL i ich zastosowania.
Narzędzia do analizy danych: przegląd dostępnych rozwiązań.

4. Źródła danych w sektorze publicznym

Rodzaje danych wykorzystywanych przez administrację publiczną.
Otwarte dane (open data) w sektorze publicznym.
Źródła Big Data w administracji, np. dane demograficzne, finansowe, geolokalizacyjne.

5. Przetwarzanie i przechowywanie danych

Metody przechowywania i przetwarzania dużych zbiorów danych.
Cloud computing w zarządzaniu danymi publicznymi.
Aspekty bezpieczeństwa i prywatności danych w administracji.

6. Analityka danych – podstawowe narzędzia i techniki

Wprowadzenie do analityki danych.
Podstawowe techniki analizy danych (np. analiza statystyczna, wizualizacja danych).
Przykłady zastosowań analityki w zarządzaniu publicznym.

7. Sztuczna inteligencja i uczenie maszynowe w zarządzaniu publicznym

Podstawy AI i uczenia maszynowego.
Wykorzystanie algorytmów w analizie danych publicznych.
Przykłady zastosowań AI w administracji publicznej.

8. Wykorzystanie Big Data w procesie podejmowania decyzji

Jak Big Data wpływa na podejmowanie decyzji w sektorze publicznym.
Systemy wspomagania decyzji oparte na danych.
Przykłady wdrożeń Big Data w administracji rządowej i lokalnej.

9. Polityka i regulacje dotyczące danych

Ochrona prywatności i dane osobowe (RODO).
Regulacje prawne dotyczące wykorzystywania Big Data w sektorze publicznym.
Etyka w zarządzaniu danymi publicznymi.

10. Studia przypadków – Wdrażanie Big Data w administracji publicznej

Analiza konkretnych przypadków użycia Big Data (np. systemy transportowe, zdrowotne, zarządzanie kryzysowe).
Najlepsze praktyki wdrażania Big Data w instytucjach publicznych.

11. Wizualizacja danych w zarządzaniu publicznym

Techniki wizualizacji danych.
Narzędzia do tworzenia wizualizacji (Tableau, Power BI, inne).
Wykorzystanie wizualizacji w raportowaniu i podejmowaniu decyzji.

12. Wyzwania i bariery w implementacji Big Data

Technologiczne i organizacyjne wyzwania wdrażania Big Data.
Bariery prawne, polityczne i społeczne.
Przykłady nieudanych wdrożeń – czego można się nauczyć?

13. Współpraca z sektorem prywatnym i partnerstwa publiczno-prywatne

Rola sektora prywatnego w rozwoju narzędzi Big Data.
Przykłady partnerstw publiczno-prywatnych w zakresie zarządzania danymi.
Modele współpracy w wykorzystaniu danych publicznych.

14. Prognozowanie i modelowanie predykcyjne

Wprowadzenie do modelowania predykcyjnego.
Zastosowanie prognozowania w sektorze publicznym (np. planowanie budżetowe, prognozy demograficzne).
Przykłady predykcyjnych systemów zarządzania publicznego.

15. Przyszłość Big Data w zarządzaniu publicznym

Trendy i innowacje w zakresie Big Data.
Rola Big Data w inteligentnych miastach (smart cities).
Jak administracja publiczna może się przygotować na wyzwania związane z danymi w przyszłości?