1. SylabUZ
2. Wydział Nauk Społecznych
3. semestr zimowy 2022/2023
4. Socjologia - pierwszego stopnia z tyt. licencjata
5. Analityka esportowa

Wygeneruj PDF dla tej strony

Analityka esportowa - opis przedmiotu

Cel przedmiotu

Celem przedmiotu jest zapoznanie studentów z zagadnieniem analityki w esporcie. Studenci zostaną zapoznani z problematyką wyszukiwania, analizy oraz interpretacji wyników analiz danych esportowych, a także znaczeniem wybranych czynników dla wyników zespołów esportowych.

Wymagania wstępne

Zapisz zmiany

Zakres tematyczny

Zakres tematyczny ćwiczeń:

1. Analityka predykcyjna w esporcie

2. Źródła danych dotyczących zespołów oraz zawodników esportu

• Przykłady źródeł danych
• Charakter dostępnych danych
• Warunki i zasady wykorzystania dostępnych danych
• Możliwości i ograniczenia w wykorzystaniu dostępnych danych

3. Tworzenie przykładowego modelu rankingu

4. Wizualizacja wyników analiz

5. Wnioskowanie na podstawie wyników analiz

 

Zakres tematyczny wykładów

1. Przykłady zastosowania metod analitycznych w świecie sportu

2. Lepszy pierwszy czy pierwszy lepszy – znaczenie wyboru postaci w rozgrywce

3. Razem czy osobno – czynniki sukcesu w grach jedno i wieloosobowych

4. Narodowość zawodników a efektywność zespołu na przykładzie gry DOTA 2

5. Co będziesz robił? Będę grał w gry – esport zawodem przyszłości

Metody kształcenia

 Praca z tekstem, praca z danymi, praca z komputerem, metody gamifikacyjne

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

FORMA ZALICZENIA	UWAGI
Zasady uzyskania oceny z ćwiczeń	Studenci podczas zajęć realizują zadania. Warunkiem zaliczenia zadania jest uzyskanie z niego minimum 50% punktów. Punkty zdobyte przez studenta ze wszystkich zadań są sumowane i ocena końcowa oparta jest o procent łącznej liczby punktów jaki student zdobył. bdb - 91-100 maksymalnej liczby punktów za wszystkie zadania db – 76 – 90 maksymalnej liczby punktów za wszystkie zadania dst - 51-75% maksymalnej liczby punktów za wszystkie zadania
Zasady uzyskania oceny z wykładu	Ocena z wykładu jest oceną z testu z progiem zaliczenia 50%

Ocena końcowa

Zasady uzyskania oceny końcowej

Ocena końcowa jest średnią ważoną, gdzie ocena z ćwiczeń stanowi 70% a ocena z wykładu 30% oceny końcowej

Literatura podstawowa

1. Gajda, D. (2015). Wykorzystanie analizy danych statystycznych w ocenie pracowników. Perspektywa Moneyball. Studia Ekonomiczne, 251, 148-161.
2. Hodge, V., Devlin, S., Sephton, N., Block, F., Cowling, P., & Drachen, A. (2019). Win prediction in multi-player esports: Live professional match prediction. IEEE Transactions on Games.
3. Kołodziej, T. (2019). The influence of players’ nationality on the effectiveness of eSports teams based on the example of The International DOTA 2 tournaments, Review of Nationalities, 9(1), 85-99. doi: https://doi.org/10.2478/pn-2019-0007
4. Miazek, A., & Podlesny, A. (2021). Metody tworzenia rankingów sportowych na wybranych przykładach. Sport i Turystyka. Środkowoeuropejskie Czasopismo Naukowe, 4(3).
5. Nyćkowiak J., Kołodziej T., (2018), Zróżnicowanie narodowościowe zespołów e-sportowych, [w:] Transgraniczność w perspektywie socjologicznej. Europa - podzielona wspólnota? (red.) Maria Zielińska, Dorota Szaban, Beata Trzop,. Seria Monograficzna Transgraniczność w perspektywie socjologicznej, s. 201-216.
6. Wybrane strony internetowe dotyczące danych o rozgrywkach esportowych

Literatura uzupełniająca

1. Maymin, P. (2021). Smart kills and worthless deaths: eSports analytics for League of Legends. Journal of Quantitative Analysis in Sports, 17(1), 11-27. https://doi.org/10.1515/jqas-2019-0096

Uwagi

Zmodyfikowane przez dr Tomasz Kołodziej (ostatnia modyfikacja: 29-04-2022 12:45)