教學大綱 Syllabus

科目名稱:資料科學及社會科學計算實務:以SAS系統為實做工具

Course Name: Practices of Data Science and Social Science Computing: Using SAS System as Implementing Tools

修別:群

Type of Credit: Partially Required

3.0

學分數

Credit(s)

15

預收人數

Number of Students

課程資料Course Details

課程簡介Course Description

無論從實務面或研究面來看,建立社會科學統計計算和良好的資料處理整合分析能力,是進行社會科學研究及實務工作之基礎。本課程設計是:以資料科學為理論基礎,系統性介紹社會科學統計及資料處理方法、巨量資料(大數據)和空間資訊理論基礎、方法技術、及實做工具SAS(Statistical Analysis System)和Quantum GIS(QGIS),並詳細解說主要的社會科學資料來源、用處及限制、統計標準分類、社會經濟類統計項目之意義和目的、資料判讀。

 

核心能力分析圖 Core Competence Analysis Chart

能力項目說明


    課程目標與學習成效Course Objectives & Learning Outcomes

    理論及實務並重,主要課程目標及學習成效如下:

    (1) 學習資料工程(Data Engineering)及計算系統效能設定;

    (2) 學習使用SAS及QGIS工具,進行巨量資料處理及分析;

    (3) 時間及空間資訊整合應用,藉以深化研究生對社會科學統計及資料處理之蒐集、分析、解讀、與應用之實做能力。

    每周課程進度與作業要求 Course Schedule & Requirements

    教學週次Course Week 彈性補充教學週次Flexible Supplemental Instruction Week 彈性補充教學類別Flexible Supplemental Instruction Type

    (各主題不是依序講授,且講授次序及內容會視時間、需求及進度而有所增減及變動):

    主題:社會科學統計計算介紹

    1. 何謂社會科學統計計算及其功能和目的;
    2. 近十年來巨量資料(大數據)及科學計算演變過程及對目前和未來影響;
    3. 社會科學統計計算及資料處理方法及技術目前最新發展。

    主題:大型資料處理及分析專題

    1. 資料工程及計算系統調校;
    2. 處理及分析工具選取及特質;
    3. 統計標準分類目的、種類、沿革、及重要性;
    4. 行業標準分類、職業標準分類、統計地區標準分類;
    5. SAS 系統簡介及使用;
    6. SAS資料及統計功能體系;
    7. SAS為工具,原始資料讀取及處理技巧;
    8. SAS為工具,資料編表原則及方法;
    9. SAS為工具,不同輸出格式(HTML, XML, JASON, PDF, DOCx, XLSx等)輸出及轉換;
    10. 資料分析、解讀、及實例。

    主題:空間資料處理及分析專題

    1. 何謂空間資訊及地理資訊系統;
    2. 地理座標系統及投影;
    3. 空間資料模型及資料結構;
    4. 點資料、線資料、面資料之向量資料結構及位向;
    5. 空間及屬性資料之關聯及整合;
    6. 空間及時間資料之關聯及整合;
    7. 如何用地理資訊系統處理及分析空間資料及Quantum GIS系統簡介及使用
    8. 空間資訊之資料分析、解讀、及實例。

    主題:統計標準分類專題

    1. 統計標準分類目的、種類、沿革、及重要性;
    2. 行業標準分類;職業標準分類;統計地區標準分類;
    3. 其他標準分類;

    主題:社會科學統計資料來源及項目(視教學進度及實際需要講授)

    1. 如何取得社會統計資料;
    2. 個體社會科學統計資料及種類;
    3. 總體社會科學統計資料及種類;
    4. 社會科學統計資料之蒐集、檢誤、整理、分析、和發佈;
    5. 社會科學統計資料判讀、技巧、及注意事項;
    6. 普查類專題:戶口及住宅普查、工商及服務業普查、農林漁牧業普查;
    7. 其他社會科學統計專題簡介(optional),如人力資源調查、人力運用調查、國內遷移調查(optional);婦女婚育調查、受雇員工薪資統計、生產力統計、內政統計、勞動統計、衛生統計、健保統計、司法統計等。

    授課方式Teaching Approach

    70%

    講述 Lecture

    15%

    討論 Discussion

    0%

    小組活動 Group activity

    15%

    數位學習 E-learning

    0%

    其他: Others:

    評量工具與策略、評分標準成效Evaluation Criteria

    1. Participation, discussion, & interactions with classmates & lecture (30%);
    2. Mid-term paper (30%);
    3. Term paper (40%)

    指定/參考書目Textbook & References

    1. Lin, Ji-Ping. 2021. “Computational Archives of Population Dynamics and Migration Networks as a Gateway to Get Deep Insights into Hard-to-Reach Populations: Research on Taiwan Indigenous Peoples,” Proceedings of 2021 IEEE International Conference on Big Data, IEEE Computer Society Press. (有審查, EI, etc.)
    2. Lin, Ji-Ping. 2017a. “Data Science as a Foundation towards Open Data and Open Science: The Case of Taiwan Indigenous Peoples Open Research Data (TIPD),” in Proceedings of 2017 International Symposium on Grids & Clouds, PoS (Proceedings of Science). (有審查, EI, etc.)
    3. 林季平. 2012.〈地理資訊系統應用〉,瞿海源編《社會及行為科學研究法(第三冊資料分析)371-416,台北:東華書局。
    4. 其他參考資料隨堂視需要另行指定。

    已申請之圖書館指定參考書目 圖書館指定參考書查詢 |相關處理要點

    維護智慧財產權,務必使用正版書籍。 Respect Copyright.

    課程相關連結Course Related Links

    1. https://www.rchss.sinica.edu.tw/capas/posts/11329
    2. https://www.rchss.sinica.edu.tw/capas/posts/11393
    3. https://www.rchss.sinica.edu.tw/capas/posts/11206

    課程附件Course Attachments

    課程進行中,使用智慧型手機、平板等隨身設備 To Use Smart Devices During the Class

    需經教師同意始得使用 Approval

    列印