Ciência de Dados para Pesquisa

Edição especial: Ciências Humanas

Sobre o curso

Este curso é destinado a pesquisadores das Ciências Humanas que desejam aprender conceitos fundamentais de Ciência de Dados aplicados à pesquisa acadêmica. Utilizando uma abordagem prática e acessível, o curso trata das bases da ciência de dados, desde definições e conceitos teóricos até exercícios e implementações de código, através da linguagem de programação Python.

Objetivos

• Introduzir conceitos fundamentais de Ciência de Dados;
• Desenvolver habilidades práticas de organização, tabulação e limpeza de dados;
• Apresentar noções básicas de programação em Python focadas na solução de problemas reais de pesquisa;
• Explicar conceitos estatísticos comumente utilizados em pesquisa;
• Criar visualizações para comunicar resultados.

Estrutura do curso

O curso está organizado em três módulos principais:

Módulo 1: Introdução à ciência de dados e Python

• Conceitos fundamentais sobre dados e sua importância na pesquisa;
• O que é Ciência de Dados e como pode beneficiar pesquisas;
• Introdução à programação e conceitos básicos (variáveis, tipos de dados, estruturas);
• Programação interativa com Google Colab;
• Primeiros passos com Python.

Módulo 2: Organização e pré-processamento

• Princípios de organização de dados em planilhas;
• Importação e exportação de dados com pandas;
• Exploração inicial de conjuntos de dados;
• Limpeza e transformação de dados.

Módulo 3: Análise e visualização

• Análise exploratória de dados;
• Estatística descritiva;
• Medidas de correlação;
• Princípios de visualização de dados;
• Criação de gráficos básicos;
• União entre análise e visualização.

Ferramentas e recursos

Ambientes de trabalho

• Google Colab;
• Google Planilhas.

Bibliotecas Python

• pandas;
• matplotlib/seaborn;
• scipy.

Navegação pelo repositório

• Cada módulo está contido em uma pasta. Clique na pasta correspondente para acessar o material completo;
• Os materiais contidos em cada módulo estão em pastas com suas respectivas descrições: os Jupyter Notebooks na 📁notebooks de cada módulo, os conjuntos de dados na 📁 dados e as planilhas na 📁 planilhas;
• O arquivo README de cada pasta corresponde ao material escrito completo relacionado àquele módulo;
• As referências citadas ao longo do material escrito e nos notebooks podem ser encontradas no arquivo bibliography.bib.

Agradecimentos

Agradeço à Nayla Chagas (@nhawlao) por aceitar o convite para colaborar neste projeto e por contribuir de forma brilhante no Módulo de Organização e pré-processamento. Sua expertise em engenharia de dados foi essencial para a qualidade do material.

Este trabalho faz parte da minha atuação como Embaixador da Rede Brasileira de Reprodutibilidade (RBR) e só se tornou realidade graças ao apoio e à infraestrutura do Laboratório Multiusuário de Informática e Documentação Linguística (LAMID).

Atribuição e Citação

Se você utilizar este material, agradecemos a atribuição adequada. Você pode fazê-lo das seguintes maneiras, dependendo do contexto:

• Link para o repositório e menção aos autores

Material baseado no curso "Ciência de Dados para Pesquisa" por Túlio Sousa de Gois e Nayla Sahra Santos das Chagas
Disponível em: https://github.com/tuliosg/CDP

• Citação formal

@software{gois_2025_15384287,
  author       = {Gois, Túlio Sousa and
                  Chagas, Nayla Sahra Santos},
  title        = {Ciência de Dados para Pesquisa},
  month        = may,
  year         = 2025,
  publisher    = {Zenodo},
  version      = {v1.0},
  doi          = {10.5281/zenodo.15384287},
  url          = {https://doi.org/10.5281/zenodo.15384287},
  swhid        = {swh:1:dir:9aef7b4d4b890b410cc8e51b565bd15ea30e46c7
                   ;origin=https://doi.org/10.5281/zenodo.15384286;vi
                   sit=swh:1:snp:56371c28e746ab411ad408be706b32a0fae7
                   f449;anchor=swh:1:rel:981843493a81f2b30c524b963522
                   0754bbdf30d1;path=tuliosg-CDP-1e0d845
                  },
}

Licença

• Conteúdo textual (arquivos *.md) está licenciado sob Creative Commons Attribution 4.0 (CC BY 4.0).
• Código-fonte (Jupyter Notebooks) está licenciado sob a Licença MIT.