| School/Faculty/Institute | Faculty of Economics, Administrative and Social Sciences | ||||
| Course Code | ECON 337 | ||||
| Course Title in English | R Programming for Social Sciences | ||||
| Course Title in Turkish | Sosyal Bilimler için R programlama | ||||
| Language of Instruction | EN | ||||
| Type of Course | Laboratory Work | ||||
| Level of Course | Advanced | ||||
| Semester | Fall | ||||
| Contact Hours per Week |
|
||||
| Estimated Student Workload | 121 hours per semester | ||||
| Number of Credits | 5 ECTS | ||||
| Grading Mode | Standard Letter Grade | ||||
| Pre-requisites | None | ||||
| Co-requisites | None | ||||
| Expected Prior Knowledge | Basic knowledge of statistics | ||||
| Registration Restrictions | None | ||||
| Overall Educational Objective | To familiarize learners with the basics of R programming language and basic data-handling procedures. | ||||
| Course Description | The course covers practical issues in statistical analysis which includes programming in R, reading data into R, accessing R packages, writing R functions, debugging, and organizing and commenting R code. Topics in statistical data analysis will provide working examples. In addition, you will work with real data to investigate real policy questions such as inequality, financial instability, the future of work, environmental degradation, wealth creation and innovation. |
Course Learning Outcomes and CompetencesUpon successful completion of the course, the learner is expected to be able to:1) R programlama dilinde veri tipi ve indeksleme gibi temel kavramları anlama. 2) Farklı türdeki problemleri çözmek için döngüler tasarlama, oluşturma ve yorumlama 3) Kendi özelleştirilmiş fonksiyonlarını oluşturma 4) Tanımlayıcı istatistikler için tablolar ve şekiller oluşturma 5) Yeni veri setlerini ve fonksiyonları anlama ve analiz etmeyi öğrenme |
| Program Learning Outcomes/Course Learning Outcomes | 1 | 2 | 3 | 4 | 5 |
|---|---|---|---|---|---|
| 1) Ekonomi konusunda geniş bir anlayışa sahip olup, diğer sosyal bilimler ve matematikle derin bir etkileşime sahip olmak. | |||||
| 2) Farklı ekonomi alanlarının etkileşimlerini anlama konusunda bilgi ve beceriler sergilemek | |||||
| 3) Mikroekonomik ve makroekonomik teoriyi anlamak | |||||
| 4) Ekonomik kavramları karmaşık sorunları çözmek ve karar verme yeteneğini geliştirmek için uygulamak. | |||||
| 5) Farklı ekonomik sistemleri analiz etmek için nicel teknikler kullanmak. | |||||
| 6) Teorik bilgileri, Türk ve küresel ekonomilere ilişkin sorunları analiz etmek için uygulamak. | |||||
| 7) Ekonomik verileri işlemek ve değerlendirmek için istatistiksel araçlar ve yaygın yazılım programları konusunda yetkinlik göstermek. | |||||
| 8) Ekonomik analizin tüm aşamalarında - veri toplama, yorumlama ve bulguları yayma - bilimsel ve etik değerlere göre davranmak. | |||||
| 9) Bilimsel bilgileri alışverişinde yazılı ve sözlü İngilizceyi etkili bir şekilde kullanmak (en az CEFR B2 seviyesinde). | |||||
| 10) Bireysel ve profesyonel etik davranış sergiler ve sosyal sorumluluk taşımak. | |||||
| 11) Yüksek derecede özerklikle daha ileri çalışmalar için gerekli öğrenme becerilerini sergilemek. |
| N None | S Supportive | H Highly Related |
| Program Outcomes and Competences | Level | Assessed by | |
| 1) | Ekonomi konusunda geniş bir anlayışa sahip olup, diğer sosyal bilimler ve matematikle derin bir etkileşime sahip olmak. | S | Ödev |
| 2) | Farklı ekonomi alanlarının etkileşimlerini anlama konusunda bilgi ve beceriler sergilemek | N | |
| 3) | Mikroekonomik ve makroekonomik teoriyi anlamak | N | |
| 4) | Ekonomik kavramları karmaşık sorunları çözmek ve karar verme yeteneğini geliştirmek için uygulamak. | N | |
| 5) | Farklı ekonomik sistemleri analiz etmek için nicel teknikler kullanmak. | S | Proje |
| 6) | Teorik bilgileri, Türk ve küresel ekonomilere ilişkin sorunları analiz etmek için uygulamak. | N | |
| 7) | Ekonomik verileri işlemek ve değerlendirmek için istatistiksel araçlar ve yaygın yazılım programları konusunda yetkinlik göstermek. | H | Proje |
| 8) | Ekonomik analizin tüm aşamalarında - veri toplama, yorumlama ve bulguları yayma - bilimsel ve etik değerlere göre davranmak. | S | Lab |
| 9) | Bilimsel bilgileri alışverişinde yazılı ve sözlü İngilizceyi etkili bir şekilde kullanmak (en az CEFR B2 seviyesinde). | S | Derse Katılım |
| 10) | Bireysel ve profesyonel etik davranış sergiler ve sosyal sorumluluk taşımak. | S | Proje |
| 11) | Yüksek derecede özerklikle daha ileri çalışmalar için gerekli öğrenme becerilerini sergilemek. | S | Ödev |
| Prepared by and Date | NAROD ERKOL , December 2023 |
| Course Coordinator | MUHAMMED ABDULLAH ALTUNDAL |
| Semester | Fall |
| Name of Instructor | Dr. Öğr. Üyesi NAROD ERKOL |
| Hafta | Konu |
| 1) | İzlence, R ve R Studio yükleme, Datacamp platformu ve kayıt |
| 2) | Temel işlemler, vektör ve matrisler |
| 3) | Faktörler, veri bölmeleri, listeler |
| 4) | R programında veri yükleme |
| 5) | R programında veri yükleme |
| 6) | R programında veri yükleme |
| 7) | Döngüler |
| 8) | Fonksiyonlar |
| 9) | Apply fonksiyonları ve faydaları |
| 10) | Projeler |
| 11) | Projeler |
| 12) | Projeler |
| 13) | Projeler |
| 14) | Projeler |
| 15) | Final Sınavı Dönemi |
| 16) | Final Sınavı Dönemi |
| Required/Recommended Readings | Through out the course, we will use two online resources: Datacamp platform and “Doing economics” by CoreEcon project. Links are given below: Datacamp Courses: https://www.datacamp.com/courses/free-introduction-to-r https://www.datacamp.com/courses/importing-data-in-r-part-1 https://www.datacamp.com/courses/importing-data-in-r-part-2 https://www.datacamp.com/courses/intermediate-r https://www.datacamp.com/courses/intermediate-r https://www.datacamp.com/courses/intermediate-r-practice Doing Economics: https://www.core-econ.org/doing-economics/book/text/0-3-contents.html | |||||||||||||||
| Teaching Methods | Active learning Flipped learning | |||||||||||||||
| Homework and Projects | Pre-lecture and In-lecture assignments and two projects | |||||||||||||||
| Laboratory Work | The course is a lab-based. | |||||||||||||||
| Computer Use | Yes | |||||||||||||||
| Other Activities | None | |||||||||||||||
| Assessment Methods |
|
|||||||||||||||
| Course Administration |
erkoln@mef.edu.tr 02123953670 Course Instructor: Asst. Prof. Narod Erkol (erkoln@mef.edu.tr) Attendance/participation: Students are expected to prepare for the lecture via assigned Datacamp lectures and reading materials. Students are responsible to follow the announcements, course materials available on Blackboard system. Formal use of e-mails: Students are expected to use their @mef accounts for email traffic. The instructor is only responsible for the information sent/received through Blackboard system and emails using @mef account. The course instructor assumes that any information sent through email will be received in 24 hours, unless a system problem occurs. Grading and evaluation: Evaluation will be based on the student learning outcomes. It is strongly recommended to complete all the work in a timely fashion. Late submissions will not be accepted. Missing projects: No make up unless a legitimate proof of absence is presented. Missing final exam: Faculty regulations. Academic integrity: All students of MEF University are expected to be honest and comply with academic integrity. Students are expected to do their own work and neither give nor receive unauthorized assistance. Disciplinary action will be taken in case of suspicion. Improper behavior, academic dishonesty and plagiarism: Law on Higher Education Article 54. Important: If the learner cannot collect at least 30 points from the activities other than the final exam, they can not take the final exam and will get an FZ grade. |
|||||||||||||||
| Activity | No/Weeks | Hours | Calculation | ||||
| No/Weeks per Semester | Preparing for the Activity | Spent in the Activity Itself | Completing the Activity Requirements | ||||
| Laboratuvar | 14 | 3 | 2 | 70 | |||
| Proje | 1 | 0 | 0 | ||||
| Ödevler | 2 | 0 | 12 | 24 | |||
| Final | 1 | 25 | 2 | 27 | |||
| Total Workload | 121 | ||||||
| Total Workload/25 | 4.8 | ||||||
| ECTS | 5 | ||||||