Sekcja PGN ISCB

Sekcja Edukacji i Nowoczesnych Metod Dydaktycznych w Analizie Danych

Section for Education and Modern Teaching Methods in Data Analysis

Przewodnicząca sekcji: dr Justyna Marcinkowska
Kontakt: justyna@ump.edu.pl

Cel

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

Napisz, czym się zajmujesz oraz dlaczego chcesz dołączyć (pisz na adres: justyna@ump.edu.pl).

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

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

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.

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.

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: klasyczne zbiory 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).

Osoby zainteresowane nawiązaniem współpracy proszone są o kontakt z przewodniczącą sekcji (justyna@ump.edu.pl).