Kolegij
Studiji
Povijest (dvopredmetni)Povijest
Diplomski sveučilišni studij Povijest (nastavnički)
Komunikologija - Interkulturalna komunikacija i novinarstvo
Komunikologija - Znanstveno istraživanje medija i odnosi s javnošću
Psihologija
Sestrinstvo
Sociologija - Upravljanje i javne politike
Sociologija (dvopredmetni)
Sestrinstvo
Studijska godina
1ISVU ID
236174ECTS
5
Cilj kolegija je na pristupačan i praktičan način osposobiti studente za
samostalni rad u popularnom statističkom paketu R (http://www.rproject.
org/), koji će kasnije moći koristiti i primijeniti u svom
području rada. Paralelno sa time studenti će ovladati metodama
statističke analize podataka u programskom jeziku R. Programski
jezik R se koristi u raznim sektorima – poslovanju, financijama,
proizvodnji, zdravstvu, društvenim mrežama, informatici, prirodnim
znanostima i naročito je popularan u društvenim znanostima.
U prvom dijelu kolegija student će se upoznati i naučiti programirati u
programskom jeziku R, a u drugom dijelu kolegija student će
primijeniti stečeno znanje o programskom jeziku R da bi naučio vršiti
statističku obradu podataka pomoću R-a. Naglasak će biti na
razumijevanju i primjeni stečenog znanja o programskog jezika R na
konkretne primjere u stvarnom životu. Neće se ulaziti u matematičke i
tehničke detalje koji stoje u pozadini tih metoda.
Sa znanjem stečenim u ovom kolegiju, student će biti sposoban uvesti,
očistiti, manipulirati, analizirati i vizualizirati stvarne podatke koje je
skupio u svom području rada, i nadalje izvesti svoje vlastite zaključke
o njima. Sve uz programski jezik R.
1. Primijeniti programski jezik R u rješavanju numeričkih i statističkih
problema. 2. Samostalno kreirati programe u programskom jeziku R.
3. Procijeniti mogućnosti i ograničenja statističkog paketa R. 4.
Kombinirati razne statističke metode u R-u. 5. Statistički analizirati
podatke na dovoljnom broju praktičnih problema uz interpretaciju i
vizualizaciju dobivenih rezultata. 6. Riješiti jedan složeniji problem
korištenjem programskog jezika R uz pisano izvješće o rješenju.
http://www.DataCamp.com (Introduction to R, Intermediate R,
Introduction to Statistics in R, Statistics Fundamentals with R,
Statistician with R)
Dopunska W.N. Venables et al.: An Introduction to R. R
Foundation for Statistical Computing, Vienna, 2013.
(slobodno dostupno na https://cran.rproject.
org/doc/manuals/r-release/R-intro.pdf)
Ryan Kennedy, Philip D. Waggoner – Introduction to R for
Social Scientists
Quan Li – Using R for Data Analysis in Social Sciences: A
Research Project-Oriented Approach
G. James et al.: An Introduction to Statistical Learning with
Applications in R. Springer, 2013. (slobodno dostupno na
http://www.statlearning.com/)
Redovito pohađanje nastave: Na predavanjima i
laboratorijskim vježbama se provjerava prisustvovanje.
Studenti su dužni prisustvovati na najmanje 80% nastavnih
sati iz predavanja i laboratorijskih vježbi. Ukoliko studenti ne
ispune spomenuti kriterij pohađanja nastave, isti neće moći
pristupiti ispitu i obvezni su ponovno upisati kolegij u idućoj
akademskoj godini.
Najavljenim kratkim testovima znanja provjeravat će se
znanje studenata tijekom nastave.
Kolokviji će se sastojati od rješavanja programerskih,
numeričkih i statističkih zadataka na računalu. Prvi kolokvij
održat će se polovicom, a drugi krajem semestra.
Završni ispit (Projektni zadatak) sastojat će se od rješavanja
nekog složenijeg problema i završit će izradom pisanog
izvješća. Korištenje tuđeg rješenja (plagijat) je zabranjeno te
povlači disciplinsku odgovornost.
Svaki od navedenih elemenata ocjenjivanja boduje se na skali
od 0 do 100. Ukupni bodovi jednaki su ponderiranoj
aritmetičkoj sredini pojedinih bodovnih rezultata, s
ponderima koji su naznačeni u gornjoj tablici (udio u ocjeni).
Npr. ako student/ica na prvom, odnosno drugom kolokviju,
testovima znanja i završnom ispitu (projektnom zadatku)
osvoji redom 80, 70, 40 i 90 bodova, onda će njegovi/njeni
ukupni bodovi iznositi
80 x 0,3 + 70 x 0,3 + 40 x 0,1 + 90 x 0,3 = 76.
Za pozitivnu ocjenu potrebno je ukupno 50 bodova ili više na
svakom od kolokvija, uz korektno riješen projektni zadatak.
Konačna ocjena formira se na osnovu ukupnih bodova.
Detalji bodovanja i ocjenjivanja mogu se prilagoditi uvjetima
u nastavi, npr. veličini studijske grupe, načinu studiranja i sl.
Da ostvari pravo pristupanja ispitu (potpis), student/ica
mora:
1. pohađati nastavu
Da položi kolegij, student/ica mora:
1. pohađati nastavu
2. položiti prvi kolokvij (minimalno 50 bodova)
3. položiti drugi kolokvij (minimalno 50 bodova)
4. obraniti projektni zadatak
ili
1. pohađati nastavu
2. položiti pismeni ispit koji sadrži gradivo prvog i drugog
kolokvija (minimalno 50 bodova)
3. obraniti projektni zadatak
| VRSTA AKTIVNOSTI | ECTS bodovi - koeficijent opterećenja studenata | UDIO OCJENE (%) |
| Pohađanje nastave | 1.5 | 0 |
| Kolokvij-međuispit | 1.05 | 30 |
| Kolokvij-međuispit | 1.05 | 30 |
| Test | 0.35 | 10 |
| Ukupno tijekom nastave | 3.95 | 70 |
| Završni ispit | 1.05 | 30 |
| UKUPNO BODOVA (nastava+zav.ispit) | 5 | 100 |
Cilj kolegija je na pristupačan i praktičan način osposobiti studente za
samostalni rad u popularnom statističkom paketu R (http://www.rproject.
org/), koji će kasnije moći koristiti i primijeniti u svom
području rada. Paralelno sa time studenti će ovladati metodama
statističke analize podataka u programskom jeziku R. Programski
jezik R se koristi u raznim sektorima – poslovanju, financijama,
proizvodnji, zdravstvu, društvenim mrežama, informatici, prirodnim
znanostima i naročito je popularan u društvenim znanostima.
U prvom dijelu kolegija student će se upoznati i naučiti programirati u
programskom jeziku R, a u drugom dijelu kolegija student će
primijeniti stečeno znanje o programskom jeziku R da bi naučio vršiti
statističku obradu podataka pomoću R-a. Naglasak će biti na
razumijevanju i primjeni stečenog znanja o programskog jezika R na
konkretne primjere u stvarnom životu. Neće se ulaziti u matematičke i
tehničke detalje koji stoje u pozadini tih metoda.
Sa znanjem stečenim u ovom kolegiju, student će biti sposoban uvesti,
očistiti, manipulirati, analizirati i vizualizirati stvarne podatke koje je
skupio u svom području rada, i nadalje izvesti svoje vlastite zaključke
o njima. Sve uz programski jezik R.
1. Primijeniti programski jezik R u rješavanju numeričkih i statističkih
problema. 2. Samostalno kreirati programe u programskom jeziku R.
3. Procijeniti mogućnosti i ograničenja statističkog paketa R. 4.
Kombinirati razne statističke metode u R-u. 5. Statistički analizirati
podatke na dovoljnom broju praktičnih problema uz interpretaciju i
vizualizaciju dobivenih rezultata. 6. Riješiti jedan složeniji problem
korištenjem programskog jezika R uz pisano izvješće o rješenju.
http://www.DataCamp.com (Introduction to R, Intermediate R,
Introduction to Statistics in R, Statistics Fundamentals with R,
Statistician with R)
Dopunska W.N. Venables et al.: An Introduction to R. R
Foundation for Statistical Computing, Vienna, 2013.
(slobodno dostupno na https://cran.rproject.
org/doc/manuals/r-release/R-intro.pdf)
Ryan Kennedy, Philip D. Waggoner – Introduction to R for
Social Scientists
Quan Li – Using R for Data Analysis in Social Sciences: A
Research Project-Oriented Approach
G. James et al.: An Introduction to Statistical Learning with
Applications in R. Springer, 2013. (slobodno dostupno na
http://www.statlearning.com/)
Redovito pohađanje nastave: Na predavanjima i
laboratorijskim vježbama se provjerava prisustvovanje.
Studenti su dužni prisustvovati na najmanje 80% nastavnih
sati iz predavanja i laboratorijskih vježbi. Ukoliko studenti ne
ispune spomenuti kriterij pohađanja nastave, isti neće moći
pristupiti ispitu i obvezni su ponovno upisati kolegij u idućoj
akademskoj godini.
Najavljenim kratkim testovima znanja provjeravat će se
znanje studenata tijekom nastave.
Kolokviji će se sastojati od rješavanja programerskih,
numeričkih i statističkih zadataka na računalu. Prvi kolokvij
održat će se polovicom, a drugi krajem semestra.
Završni ispit (Projektni zadatak) sastojat će se od rješavanja
nekog složenijeg problema i završit će izradom pisanog
izvješća. Korištenje tuđeg rješenja (plagijat) je zabranjeno te
povlači disciplinsku odgovornost.
Svaki od navedenih elemenata ocjenjivanja boduje se na skali
od 0 do 100. Ukupni bodovi jednaki su ponderiranoj
aritmetičkoj sredini pojedinih bodovnih rezultata, s
ponderima koji su naznačeni u gornjoj tablici (udio u ocjeni).
Npr. ako student/ica na prvom, odnosno drugom kolokviju,
testovima znanja i završnom ispitu (projektnom zadatku)
osvoji redom 80, 70, 40 i 90 bodova, onda će njegovi/njeni
ukupni bodovi iznositi
80 x 0,3 + 70 x 0,3 + 40 x 0,1 + 90 x 0,3 = 76.
Za pozitivnu ocjenu potrebno je ukupno 50 bodova ili više na
svakom od kolokvija, uz korektno riješen projektni zadatak.
Konačna ocjena formira se na osnovu ukupnih bodova.
Detalji bodovanja i ocjenjivanja mogu se prilagoditi uvjetima
u nastavi, npr. veličini studijske grupe, načinu studiranja i sl.
Da ostvari pravo pristupanja ispitu (potpis), student/ica
mora:
1. pohađati nastavu
Da položi kolegij, student/ica mora:
1. pohađati nastavu
2. položiti prvi kolokvij (minimalno 50 bodova)
3. položiti drugi kolokvij (minimalno 50 bodova)
4. obraniti projektni zadatak
ili
1. pohađati nastavu
2. položiti pismeni ispit koji sadrži gradivo prvog i drugog
kolokvija (minimalno 50 bodova)
3. obraniti projektni zadatak
| VRSTA AKTIVNOSTI | ECTS bodovi - koeficijent opterećenja studenata | UDIO OCJENE (%) |
| Pohađanje nastave | 1.5 | 0 |
| Kolokvij-međuispit | 1.05 | 30 |
| Kolokvij-međuispit | 1.05 | 30 |
| Test | 0.35 | 10 |
| Ukupno tijekom nastave | 3.95 | 70 |
| Završni ispit | 1.05 | 30 |
| UKUPNO BODOVA (nastava+zav.ispit) | 5 | 100 |
Cilj kolegija je na pristupačan i praktičan način osposobiti studente za
samostalni rad u popularnom statističkom paketu R (http://www.rproject.
org/), koji će kasnije moći koristiti i primijeniti u svom
području rada. Paralelno sa time studenti će ovladati metodama
statističke analize podataka u programskom jeziku R. Programski
jezik R se koristi u raznim sektorima – poslovanju, financijama,
proizvodnji, zdravstvu, društvenim mrežama, informatici, prirodnim
znanostima i naročito je popularan u društvenim znanostima.
U prvom dijelu kolegija student će se upoznati i naučiti programirati u
programskom jeziku R, a u drugom dijelu kolegija student će
primijeniti stečeno znanje o programskom jeziku R da bi naučio vršiti
statističku obradu podataka pomoću R-a. Naglasak će biti na
razumijevanju i primjeni stečenog znanja o programskog jezika R na
konkretne primjere u stvarnom životu. Neće se ulaziti u matematičke i
tehničke detalje koji stoje u pozadini tih metoda.
Sa znanjem stečenim u ovom kolegiju, student će biti sposoban uvesti,
očistiti, manipulirati, analizirati i vizualizirati stvarne podatke koje je
skupio u svom području rada, i nadalje izvesti svoje vlastite zaključke
o njima. Sve uz programski jezik R.
1. Primijeniti programski jezik R u rješavanju numeričkih i statističkih
problema. 2. Samostalno kreirati programe u programskom jeziku R.
3. Procijeniti mogućnosti i ograničenja statističkog paketa R. 4.
Kombinirati razne statističke metode u R-u. 5. Statistički analizirati
podatke na dovoljnom broju praktičnih problema uz interpretaciju i
vizualizaciju dobivenih rezultata. 6. Riješiti jedan složeniji problem
korištenjem programskog jezika R uz pisano izvješće o rješenju.
http://www.DataCamp.com (Introduction to R, Intermediate R,
Introduction to Statistics in R, Statistics Fundamentals with R,
Statistician with R)
Dopunska W.N. Venables et al.: An Introduction to R. R
Foundation for Statistical Computing, Vienna, 2013.
(slobodno dostupno na https://cran.rproject.
org/doc/manuals/r-release/R-intro.pdf)
Ryan Kennedy, Philip D. Waggoner – Introduction to R for
Social Scientists
Quan Li – Using R for Data Analysis in Social Sciences: A
Research Project-Oriented Approach
G. James et al.: An Introduction to Statistical Learning with
Applications in R. Springer, 2013. (slobodno dostupno na
http://www.statlearning.com/)
Redovito pohađanje nastave: Na predavanjima i
laboratorijskim vježbama se provjerava prisustvovanje.
Studenti su dužni prisustvovati na najmanje 80% nastavnih
sati iz predavanja i laboratorijskih vježbi. Ukoliko studenti ne
ispune spomenuti kriterij pohađanja nastave, isti neće moći
pristupiti ispitu i obvezni su ponovno upisati kolegij u idućoj
akademskoj godini.
Najavljenim kratkim testovima znanja provjeravat će se
znanje studenata tijekom nastave.
Kolokviji će se sastojati od rješavanja programerskih,
numeričkih i statističkih zadataka na računalu. Prvi kolokvij
održat će se polovicom, a drugi krajem semestra.
Završni ispit (Projektni zadatak) sastojat će se od rješavanja
nekog složenijeg problema i završit će izradom pisanog
izvješća. Korištenje tuđeg rješenja (plagijat) je zabranjeno te
povlači disciplinsku odgovornost.
Svaki od navedenih elemenata ocjenjivanja boduje se na skali
od 0 do 100. Ukupni bodovi jednaki su ponderiranoj
aritmetičkoj sredini pojedinih bodovnih rezultata, s
ponderima koji su naznačeni u gornjoj tablici (udio u ocjeni).
Npr. ako student/ica na prvom, odnosno drugom kolokviju,
testovima znanja i završnom ispitu (projektnom zadatku)
osvoji redom 80, 70, 40 i 90 bodova, onda će njegovi/njeni
ukupni bodovi iznositi
80 x 0,3 + 70 x 0,3 + 40 x 0,1 + 90 x 0,3 = 76.
Za pozitivnu ocjenu potrebno je ukupno 50 bodova ili više na
svakom od kolokvija, uz korektno riješen projektni zadatak.
Konačna ocjena formira se na osnovu ukupnih bodova.
Detalji bodovanja i ocjenjivanja mogu se prilagoditi uvjetima
u nastavi, npr. veličini studijske grupe, načinu studiranja i sl.
Da ostvari pravo pristupanja ispitu (potpis), student/ica
mora:
1. pohađati nastavu
Da položi kolegij, student/ica mora:
1. pohađati nastavu
2. položiti prvi kolokvij (minimalno 50 bodova)
3. položiti drugi kolokvij (minimalno 50 bodova)
4. obraniti projektni zadatak
ili
1. pohađati nastavu
2. položiti pismeni ispit koji sadrži gradivo prvog i drugog
kolokvija (minimalno 50 bodova)
3. obraniti projektni zadatak
| VRSTA AKTIVNOSTI | ECTS bodovi - koeficijent opterećenja studenata | UDIO OCJENE (%) |
| Pohađanje nastave | 1.5 | 0 |
| Kolokvij-međuispit | 1.05 | 30 |
| Kolokvij-međuispit | 1.05 | 30 |
| Test | 0.35 | 10 |
| Ukupno tijekom nastave | 3.95 | 70 |
| Završni ispit | 1.05 | 30 |
| UKUPNO BODOVA (nastava+zav.ispit) | 5 | 100 |