Edukacja

Cel: Wyznaczanie standardów nauczania analizy danych i promocja nowoczesnego software’u.

Dołącz do sekcji:

Napisz czym się zajmujesz oraz dlaczego chesz dołączyć (pisz na aders: tina.marcinkowska@gmail.com)

Misja sekcji: 

Dążenie do ujednolicenia standardów nauczania biostatystyki na uczelniach medycznych i przyrodniczych.

Toolbox (Narzędziownik): 

Ten zestaw narzędzi ma na celu odejście od „statystyki wzorów” na rzecz „statystyki zrozumienia i kodu”

• Środowiska do Nauki Programowania (Software & IDE)

Fundament dla studentów i naukowców przechodzących na biostatystykę obliczeniową.

Posit Cloud (dawniej RStudio Cloud): Pozwala na prowadzenie warsztatów w przeglądarce. Student nie musi nic instalować – wykładowca przygotowuje gotowy projekt z danymi i bibliotekami, a studenci go „klonują”.

Google Colab: Idealny do nauki Pythona i ML. Działa jak dokument tekstowy z żywym kodem, łatwy do udostępniania jak Dokumenty Google.

Jamovi / JASP: Darmowe, open-source’owe programy z interfejsem klikalnym (GUI), które pod spodem generują kod R. Doskonałe dla studentów medycyny, którzy boją się programowania, ale powinni rozumieć logikę analizy.

• Interaktywne Wizualizacje (Engagement Tools)

Statystyka staje się zrozumiała, gdy można nią „poruszać”.

Shiny Apps (Gallery): Gotowe aplikacje webowe do nauczania (np. suwak zmieniający wielkość próby i pokazujący wpływ na moc testu lub p-wartość).

Gapminder Offline: Do nauki storytellingu opartego na danych epidemiologicznych i zdrowiu publicznym.

BioRender: Choć płatny, posiada świetne darmowe zasoby do tworzenia profesjonalnych schematów przepływu pacjentów (CONSORT diagram) i grafik do publikacji.

Otwarte Zasoby Danych (Open Data for Teaching)

Prawdziwe dane medyczne do ćwiczeń.

NHANES (National Health and Nutrition Examination Survey): Gigantyczny zbiór danych medycznych z R-owym pakietem NHANES, idealny do nauki regresji i analizy korelacji.

Our World in Data (Health): Globalne dane o epidemiach, szczepieniach i śmiertelności – świetne do nauki analizy trendów.

TidyTuesday: Społecznościowa inicjatywa, która co tydzień publikuje nowy zbiór danych – świetna inspiracja dla studentów do nauki czyszczenia danych (Data Wrangling).

UCI Machine Learning Repository (Health): Klasyczny zbiór danych, np. Heart Disease, Breast Cancer Wisconsin.

The Cancer Imaging Archive (TCIA): Potężna baza obrazów medycznych (DICOM) powiązana z danymi klinicznymi.

Kaggle (Datasets): Wyszukiwarka tysięcy zbiorów danych medycznych (często wykorzystywana w dydaktyce).

UK Biobank (Open Access Data): Dostęp do danych genetycznych i klinicznych pół miliona uczestników (wymaga wniosku projektowego).

Projekty i współpraca:

Osoby zainteresowane nawiązaniem współpracy proszone są o kontakt z przewodniczącą sekcji (tina.marcinkowska@gmail.com)