1. SylabUZ
2. Wydział Nauk Społecznych
3. semestr zimowy 2023/2024
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

Znajomość podstawowych miar statystycznych.

Zakres tematyczny

Wykłady

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

 

Laboratorium:

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

 

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

Wykład

Kolokwium: kolokwium w formie pytań otwartych i zamkniętych, zakres materiału: zgodnie z sylabusem przedstawionym podczas zajęć na początku semestru.

Zasady uzyskania pozytywnej oceny z kolokwium: uzyskanie co najmniej 50% punktów z kolokwium

Zasady uzyskania oceny z wykładu: ocena z wykładu jest oceną z kolokwium.

Laboratorium

Zadania: Studenci podczas zajęć realizują zadania, za które otrzymują punkty punkty. 

Zasady uzyskania oceny z laboratorium: ocena z laboratorium oparta jest o łączną liczbę zdobytych punktów ze wszystkich zadań.

Punkty zdobyte przez studenta ze wszystkich zadań są sumowane, a ocena końcowa oparta jest o to jaki procent łącznej liczby punktów za wszystkie zadania student zdobył. Obowiązują następujące progi:

• bdb - 91-100% łącznej liczby punktów za wszystkie zadania
• db – 76 – 90% łącznej liczby punktów za wszystkie zadania
• dst - 50-75% łącznej liczby punktów za wszystkie zadania
• ndst - poniżej 50% łącznej liczby punktów za wszystkie zadania

Zasady uzyskania oceny końcowej: ocena końcowa jest średnią ocen z wykładów i laboratorium.

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. Toward Successful Esports Team: How Does National Diversity Affect Multiplayer Online Battle Arena Video Games, 2023, Justyna Nyćkowiak , Tomasz Kołodziej , Michał Jasny , Piotr Siuda , W: Proceedings of the 56th Annual Hawaii International Conference on System Sciences (HICSS), January 3-6, 2023- HICSS (#), Honolulu, USA, Honolulu: University of Hawaii at Manoa, 2023, s. 3902--3911, ISBN: 9780998133164, https://hdl.handle.net/10125/103108
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: 28-04-2023 23:39)