Научно-исследовательский вычислительный центр

1. Московский государственный университет имени М.В. Ломоносова Научно-исследовательский вычислительный центр Экономический факультет УИС РОССИЯ: информационная инфраструктура для поддержки инновационных учебных курсов по статистике и методам анализа Юдина Т.Н., НИВЦ МГУ имени М.В. Ломоносова, ведущий научный сотрудник, руководитель проекта УИС РОССИЯ Богомолова А.В., Экономический факультет МГУ имени М.В. Ломоносова, доцент Дышкант Н.Ф., НИВЦ МГУ имени М.В. Ломоносова, старший научный сотрудник Конференция «Ломоносовские чтения-2014», Москва, НИВЦ МГУ имени М.В. Ломоносова, апрель 2014 года

2. Новые федеральные образовательные стандарты (экономика, менеджмент, социология, история) • Бакалавриат • навыки работы со статистическими данными (в программе - лабораторные практикумы; практические занятия по эконометрике и статистике); • Магистратура • поиск, анализ и оценка информации для подготовки и принятия управленческих решений; моделирование процессов управления Программа обучения должна включать доступ к информационным системам и базам данных

5. Базы данных УИС РОССИЯ: статистика Росстата и других ведомств Регионы и муниципальные образования, включая города Федеральная служба государственной статистики Федеральное казначейство Федеральная налоговая служба Годовые и помесячные данные

6. Базы данных: построение сводной таблицы показателей

7. Базы данных: типы показателей

8. Базы данных: единицы измерения показателей и изменение масштаба единицы измерения

9. Базы данных: аналитические сервисы • Сервисы для анализа показателей в таблице определены программой учебных курсов по статистике • Аналитический отбор данных (отбор по критерию, сортировка); • Расчетные функции (вычисление вторичных переменных вариационных рядов и рядов динамики, показателей корреляции, расчет стоимостных показателей в ценах базисного года); • Средства анализа данных (построение прогнозов, выявление сезонных колебаний в рядах с ежемесячными или квартальными данными); • Средства визуализации данных (построение графиков и гистограмм, построение картограмм); • Средства работы со сводной таблицей (экспорт таблицы в стандартные форматы, конструктор таблиц, построение отчетов, получение публикаций). • Все вычисляемые значения снабжены справкой (определение, формула вычисления, области, особенности и примеры применения)

10. Базы данных: аналитические сервисы

11. Базы данных: отбор по критерию

12. Базы данных: расчет вторичных показателей

13. Базы данных: расчет корреляций

14. Базы данных: выявление сезонных колебаний

15. Базы данных: построение индексов

16. Базы данных. Построение прогнозов Регрессионная модель с настраиваемыми коэффициентами. Прогнозные значения вычисляются автоматически, без использования экспертных оценок

17. Базы данных: визуализация

18. Базы данных: картограммыРегиональная типология

19. Базы данных: картограммыРегиональная типология

21. ИС «Дети России»: половозрастные пирамиды

23. ИС «Дети России»: интеграция показателей и аналитических публикаций

24. УИС РОССИЯ: электронные уроки

25. УИС РОССИЯ: электронные уроки

26. Зарубежные ресурсы • США – Мичиганский университет http://icpsr.umich.edu/, • совместный ресурс Гарвардского университета и Массачусетского технологического института http://hmdc.harvard.edu/, • Калифорнийский университет в Лос Анжелесе https://ccle.ucla.edu/, • Великобритания – Королевский институт статистики http://www.rsscse.org.uk/ и Эссекский университет ecsr.essex.ac.uk, • Финляндия - Университет в Тампере http://www.fsd.uta.fi/english/

27. Требования к качеству статистических ресурсов Понятие «Доверенный электронный ресурс /Trusted Digital Resource» Процедуры специального тестирования научных электронных ресурсов. • Data Seal of Approval, UK Data Archive and Dutch Data Archive, http://datasealofapproval.org/ • SafeArchive Audit System: A Tool for Policy-Based Auditing, Documentation, and Replication Harvard University and University of North Carolina http://SafeArchive.org)

29. http://datasealofapproval.org/ Базовые принципы: • доступность ресурса по Интернет; • лицензионная чистота источников; • представление данных в форматах, удобных для анализа; • методологическое сопровождение данных; • ссылки на источники.

30. 16 требований протоколаData Seal of Approval • к организации-владельцу и системе управления ресурсом; • к поставщикам данных; • к пользователям. Техническое требование - соблюдение ключевого стандарта электронной архивации OAIS /Open Archival Information System, утвержденного в 2003 году Международной организацией стандартов (в 2012 году утверждена новая редакция OAIS).

31. Среди ресурсов, получивших статус DSA в 2010-2013 годах: • Archeology DataService, University of York, UK • DANS: ElectronicArchivingSYstem (EASY), Netherland • GermanNationalLibrary/ DeutscheNationalbibliothek (DNB), Germany • Inter-universityConsortiumforPoliticalandSocialResearch (ICPSR), USA • PacificandRegionalArchiveforDigitalSourcesinEndangeredCultures (PARADISEC), Australia • PlatformforArchiving CINES (PAC), France • TheLanguageArchive - MaxPlanckInstituteforPsycholinguistics, Germany • UK DataArchive, Essex University, UK

33. Перспективы

34. Программа развития МГУ до2020 годаЦЕЛЕВЫЕ ИНДИКАТОРЫ IV. Системное развитие инфраструктурного комплекса22. Количество обращений юридических и физических лиц по вопросам предоставления научно-образовательных услуг. 27. Численность пользователей системы научно-образовательных интернет - ресурсовМосковского университета. УИС РОССИЯ: 320+ коллективных пользователей, 3000+ индивидуальных пользователей; 1000+ запросов в день

35. Университетская информационная система РОССИЯhttp://uisrussia.msu.ru Спасибо! Подготовили: Юдина Татьяна Николаевна, руководитель проекта УИС РОССИЯ, в.н.с. НИВЦ МГУ имени М.В.Ломоносова, yudina@srcc.msu.ru Богомолова Анна Викторовна, доцент Экономического факультета МГУ имени М.В.Ломоносова, anna.bogo@gmail.com Дышкант Наталья Федоровна, старший научный сотрудник НИВЦ МГУ имени М.В.Ломоносова