Jegyzet

1. Kezdés egy kutatási témával és egy specifikus kutatási kérdéssel
2. adatgyűjtés: alajpa minden empirikus kutatásnak
3. adatok tisztítása és redszerezése
4. feltáró elemzés segí az előkészítésben
5. analitikai elemzés
6. eredmények közlése
7. válasz

---

Miért van egy vállalatnak jobb menedzsmentje? => Jobb menedzsmentet eredményez-e az, hogy az alapító tulajdonosok maradnak?

• y- menedzsment minősége
• x- a tulajdon (bináris változó)
• z- (zavaró vált) intézméyrendszer

színskála: viridis

Hasznos linkek:

• worldmanagementsurvey.org
• claude.ai
• site.ai
• consensus.app

---

Workshop

előadó Csóka Imola - MicoData handbook

Paper structure, code structure

Data And Code Availability Standard

1. Consider the audience

• legyen olyan számítási empátiánk miszerint egy diák vagy bárki aki nem érti mélyen is tudja reprodukálni; pl: kezdő diák, alap számítógéppel, semmi nincs telepítve
• nem ugyanazzal az operációs rendszerrel
• reprodukálható legyen a kód futtatás és a modellezés is

2. Data and code

• hol találtuk a nyers adatot

  • Data Availability and provenance statement: Hol és hogyan érheti el bárki az adatot, akár konkrént személy megjelölésével, weboldallal

    Data source:

    • https://ejd.econ.mathematik.uni-ulm.de/
    • https://i4replication.org/?trk=public_post-text
• tegyük közzé a nyers adatot
  • Data Citation
  • metaadatokat is jelenítsük meg valamilyen formában: az adatok leírása, mit jelent az adott érték, mi a mértékegysége, stb
• az adat tisztító kódot is tegyük közzé
• a tisztított adatot is tegyük közzé
• a kész programot is
  • reprodukálhatóságért README fájl, DAS, data citation, software and hardware elvárások, version, packages, OS, memory, runtime, folder structure, "how to run the code", plusz kivételek (pl nem elérhető adat, ilyesmi)

    • a readmeben írjuk le hogyan épül fel, melyik fájl mit csinál, melyik hogyn telepíthető?

    • a readme végén idézzük az adatokat

      Templatek:

      • https://restud.dataeditor.group/
      • https://social-science-data-editors.github.io/template_README/
  • a saját adatgyűjtéshez a támogató anyagokat, pl kérdőív is tegyük be!
  • teszteljük le, hogy ez így működik-e? (adjuk át másnak, és bizonyosodjunk meg róla, hogy sikerül, és ugyanazok az eredmények)
  • adjunk hozzá licenszt!
  • tültsük fel online data tárhelyre, pl zenodo
• az output kerül publikálásra

Git & GitHub

• Technical Foundations of Informatics
• Version Control with Git

Reproducible Research from Day One

2024.10.11. Csóka Imola Based on Miklós Koren, Lars Vilhuber, EEA-ESEM 2023-08-28

Data Sources

• Distances: CEPII GeoDist https://www.cepii.fr/cepii/en/bdd_modele/bdd_modele_item.asp?id=6
• Values: Tenders Electronic Daily (TED) csv https://data.europa.eu/data/datasets/ted-csv?locale=en, shorter dataset description: https://github.com/codedthinking/tender-home-bias
• data: https://github.com/codedthinking/tender-home-bias/releases/download/v2.0/ted-sample.csv
• Country codes: https://datahub.io/core/country-codes

Additional materials

• Template README by the Social Science Data Editors
• Data and Code Availability Standard by the Social Science Data Editors