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

Kurs bada różne sposoby wykorzystania danych do zrozumienia zjawisk nauk społecznych. Nauka o danych to szybko rozwijająca się dziedzina, a umiejętności analizy danych są często niezbędne dla osób, które chcą pracować w branżach politycznych i związanych z polityką, takich jak rzecznictwo, ocena programów, sprawozdawczość polityczna czy kampanie społeczne lub wyborcze. W ramach tego kursu studenci nauczą się, jak eksplorować, analizować i wizualizować dane, aby prowadzić badania z zakresu nauk społecznych.
Pełny opis:

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?

Chudziński, P., Łobejko, S. (red.) – Big Data w zarządzaniu organizacjami (2016)

Gregorczyk, M. – Zarządzanie publiczne (2021)

Bednarczyk, M. – Big Data i innowacje w sektorze publicznym (2020)

Sienkiewicz, Ł. – Analiza danych publicznych – narzędzia i techniki (2022)

Kamiński, J. – Rola danych w zarządzaniu publicznym (2019)

Literatura uzupełniająca:

Batorski, D., Olcoń-Kubicka, M. (red.) – Społeczne i polityczne aspekty Big Data (2017)

Wójcik, P. – Nowoczesne zarządzanie publiczne (2020)

Nowak, A. – Open Data w administracji publicznej (2018)

Raport: Ministerstwo Cyfryzacji – Cyfryzacja w zarządzaniu publicznym: wykorzystanie Big Data (2021)

Kolektywnie (red.) – Wyzwania transformacji cyfrowej w administracji publicznej (2020)

Obecność - zajęcia są obowiązkowe. Można dwukrotnie opuścić bez usprawiedliwienia. Każda dodatkowa nieobecność wymaga odpracowania - praca pisemna (analiza lub raport). By zaliczyć przedmiot trzeba być na 8 z 15 zajęć.

Prace w trakcie zajęć

Raport końcowy.