Zapraszamy do zapoznania się z plakatami. Autorzy wymienieni są w kolejności alfabetycznej. W przypadku pytań zachęcamy do kontaktu z autorami.
dr inż. Renata Długosz, dr Monika Lindner (Politechnika Łódzka)
TYTUŁ:
Arytmetyka finansowa dla studentów wydziałów inżynierskich Politechniki Łódzkiej. Doświadczenia po dwóch latach prowadzenia przedmiotu
STRESZCZENIE:
W prezentacji podzielimy się doświadczeniem z dwóch lat prowadzenia przedmiotu „Arytmetyka finansowa” dla studentów wybranych kierunków na Wydziale Budownictwa, Architektury i Inżynierii Środowiska Politechniki Łódzkiej. Przedstawimy trudności i pomysły na ich przezwyciężenie, również w kontekście pracy zdalnej. Podamy również, w jaki sposób motywowałyśmy studentów pokolenia Z (ery cyfrowej) do aktywnego udziału w procesie zdalnego uczenia się. Omówimy, jak wnioski wyciągnięte z dotychczasowego doświadczenia przy wymuszonej pracy zdalnej mogą posłużyć do nauczania tego przedmiotu w trybie stacjonarnym
dr inż. Karol Flisikowski (Politechnika Gdańska)
TYTUŁ:
New technological trends in distance learning of data analysis courses
STRESZCZENIE:
Obecnie analiza danych w różnym środowisku jest zwykle małym dziełem sztuki. To samo dzieje się z procesem dydaktycznym w tej dziedzinie (np. statystyką, ekonometrią itp.). Przyczyną tego stanu rzeczy jest nie tylko fakt, iż w dydaktyce wykorzystujemy e-learning, distance-learning, lub tylko narzędzia online wspomagające co nieco tradycyjne nauczanie. Stopień skomplikowania problemu oraz jego techniczne i programistyczne rozwiązania stanowią spore wyzwanie. Stąd oczekiwania studentów są większe niż dotąd, a samo tradycyjne wprowadzenie teoretyczne do problemów analitycznych (wykład) i ich rozwiązywanie (laboratorium, ćwiczenia) nie jest wystarczające. Instruktor powinien w swojej pracy laboratoryjnej wykorzystywać szereg narzędzi interaktywnych, tj. zadań, tutoriali, instrukcji, egzaminów online. W tej pracy zaprezentowane zostaną najpopularniejsze
i najnowsze rozwiązania techniczne z zakresu e-nauczania analizy danych
z wykorzystaniem języka R (i/lub Pythona).
ABSTRACT:
Nowadays data analysis of any kind becomes a piece of art. The same happens with the teaching processes of statistics, econometrics and related courses. This is not only because we are facing (and are forced to) teach online or in a hybrid mode. Students expect to see not only the theoretical part of the study and solve some practical examples together with the instructor. They are waiting to see a variety
of tools, tutorials, interactive laboratory instructions, books, exams online. In this study I am going to show the latest technical solutions for instructors using R and/or Python in their online data analysis labs.
BIBLIOGRAFIA:
- Allaire, JJ, Yihui Xie, Jonathan McPherson, Javier Luraschi, Kevin Ushey, Aron Atkins, Hadley Wickham, Joe Cheng, Winston Chang, and Richard Iannone. 2021. Rmarkdown: Dynamic Documents for R. https://CRAN.R-project.org/package=rmarkdown.
- Barr, D, DeBruine L. 2021. Create Interactive Web Exercises in R Markdown. https://github.com/psyteachr/webex.
- Grün B, Zeileis A (2009). “Automatic Generation of Exams in R.” Journal
of Statistical Software, 29(10), 1–14. doi: 10.18637/jss.v029.i10. - Schloerke, Barret, JJ Allaire, and Barbara Borges. 2020. Learnr: Interactive Tutorials for r. https://CRAN.R-project.org/package=learnr.
- Xie Y (2021). bookdown: Authoring Books and Technical Documents with
R Markdown. R package version 0.23, https://github.com/rstudio/bookdown. - Xie Y. animation: An R package for creating animations and demonstrating statistical methods. Journal of Statistical Software [Internet]. 2013;53(1): 1–27. Available from: http://www.jstatsoft.org/v53/i01/.
- Xie Y. Dynamic documents with R and knitr [Internet]. 2nd ed. Boca Raton, Florida: Chapman; Hall/CRC; 2015. Available from: https://yihui.name/knitr/.