Metodyki badań eksperymentalnych (Szkoła Doktorska) - Strony pracowników Wydziału Informatyki Politechniki Białostockiej

Semestr letni 2023-2024, czwartki, 17:40-19:10 (sala WA-29C)
Spotykamy sie co tydzien w pierwszej polowie semestru
Budynek Rektoratu Politechniki Bialostockiej, Wiejska 45-A, Bialystok
Wykladowca: Marek J. Druzdzel

„Science is not science fiction. It accepts the tests of observation and experiment, acknowledges the supremacy of fact over wish or hope. The smallest experiment can crash to earth the most attractive theory.” — Herbert A. Simon

Wyklad „Metodyki badan eksperymentalnych” wprowadza studentów doktoranckich do bogatej dziedziny badan empirycznych (czyli doswiadczalnych), prowadzac ich przez meandry problemów powiazanych z poznawaniem swiata.

Wyklad nie ma na celu nauczenia formalnych szczególów procedur statystycznych ani uczynienia sluchaczy doswiadczonymi praktykami w zakresie okreslonych narzedzi projektowych. To mozna i powinno sie zdobyc na innych specjalistycznych kursach. Celem tego wykladu jest rozwiniecie w sluchaczach szerokich zdolnosci krytycznych, a nacisk polozony bedzie na podstawowy proces dociekan naukowych. Wyklad ma na celu poprawe zdolnosci do myslenia o pytaniach badawczych i formalnego formulowania ich oraz do wyboru sposobów ich rozwiazywania poprzez ilosciowe badania empiryczne.

Podejscie przyjete na tym kursie jest nieco nieortodoksyjne w porównaniu z tym, co mozna znalezc w istniejacych podrecznikach i kursach na temat projektowania eksperymentów. Zaczniemy od koncepcji przyczynowosci i grafów przyczynowych oraz tego, jak reprezentuja one statystyczna niezaleznosc. Grafy przyczynowe sa bliskie ukierunkowanym modelom probabilistycznym, takim jak sieci bayesowskie, coraz czesciej stosowane w systemach wspomagania decyzji. Pomoze to w uzyskaniu wgladu w strukture eksperymentów naukowych i zrozumieniu, na czym polegaja eksperymenty. Jak kazdy wyklad na temat projektowania eksperymentów, ten równiez obejmie podstawy projektowania eksperymentów i tematy, które sa z nim bezposrednio zwiazane, takie jak identyfikacja i artykulowanie problemów badawczych, formulowanie testowalnych hipotez, pomiary i gromadzenie danych, artefakty zachodzace pomiedzy podmiotem i eksperymentatorem i ich kontrola, opisywanie i wyswietlanie danych, interpretacja i wyciaganie wniosków z analizy danych oraz raportowanie wyników badan i ich implikacji. Kurs obejmie równiez mniej ortodoksyjne tematy, a mianowicie odkrywanie struktur przyczynowo-skutkowych z danych i symulacja komputerowa.

Ci z Panstwa, którzy beda chcieli pobawic sie programem GeNIe, którego uzywac bede na zajeciach do demonstracji grafów przyczynowo-skutkowych oraz do odkrywania przyczynowosci z danych, moga zaladowac go pod nastepujacym adresem: https://www.bayesfusion.com/. Wersja akademicka jest darmowa dla celów dydaktycznych i badawczych.

Zaliczenie wykladu odbedzie sie na podstawie projektu, skladajacego sie z opisu problemu naukowego i propozycji eksperymentalnego rozwiazania go. Idealnie wybrany problem naukowy powinien byc czescia (przyszlego) doktoratu. Sprawozdanie z projektu o dlugosci co najwyzej pieciu stron nalezy zlozyc w ciagu tygodnia po zakonczeniu wykladów.

Zarys tresci wykladu i daty spotkan:

Znaczenie metod empirycznych (7 marca)

Niepewnosc, statystyka (14 marca)

Przyczynowosc i prawdopodobienstwo (21 marca)

Klasyczne projektowanie eksperymentow (28 marca i 4 kwietnia)

Problemy w laboratorium (11 kwietnia)

Odkrywanie przyczynowosci z danych (18 i 25 kwietnia)

Metody intensywne obliczeniowo (9 maja)

Symulacja, sztuczne spoleczenstwa (16 maja)