Resursi i korisni linkovi

Published

January 6, 2026

Pregled

Ovdje smo pripremili kuriranu listu resursa koja će vam pomoći da dublje zaronite u svijet računalnih društvenih znanosti, analize podataka i alata koje koristimo na ovom projektu.

Uvod u alate i programske jezike

Ovi resursi idealni su za sve koji žele naučiti ili usavršiti svoje vještine u programskim jezicima R i Python, koji su temelj našeg analitičkog rada.

Za korisnike R

  • RStudio Finding Your Way To R Službeni vodič za početnike koji pokriva osnove rada u RStudio okruženju. Link
  • R for Data Science Biblija za svakoga tko se bavi analizom podataka u R u. Autori su Hadley Wickham i Garrett Grolemund. Link
  • Text Mining with R Odlična knjiga za uvod u analizu teksta, s naglaskom na tidy principe. Autorice su Julia Silge i David Robinson. Link
  • CRAN Task View Social Sciences Kurirana lista R paketa specifično namijenjenih za primjenu u društvenim znanostima. Link
  • R bloggers Agregator najboljih blogova o R u, svakodnevno donosi nove tutorijale i studije slučaja. Link

Za korisnike Pythona

  • The Python Tutorial Službena dokumentacija i najbolja polazna točka za učenje osnova Pythona. Link
  • spaCy 101 Moderna i brza biblioteka za obradu prirodnog jezika (NLP). Njihov tečaj je odličan za početnike. Link
  • Real Python Visokokvalitetni tutorijali za sve razine znanja, od osnova do naprednih tema. Link

Temeljna literatura i koncepti

Knjige i znanstveni radovi koji oblikuju područje kojim se bavimo.

Računalne društvene znanosti

  • Bit by Bit Social Research in the Digital Age Ključna knjiga Matthewa Salganika koja objašnjava kako digitalno doba transformira društvena istraživanja. Link
  • Computational Social Science A Manifesto Seminalni rad (Lazer i sur.) koji je definirao polje i njegove glavne izazove i prilike. Link

Analiza teksta kao podatka

  • Text as Data A New Framework Sveobuhvatan pregled metoda za analizu teksta u društvenim znanostima. Autori su Grimmer, Roberts i Stewart. Link

Statistika i razumijevanje podataka

  • How to Lie with Statistics Klasična i zabavna knjiga Darrella Huffa o tome kako prepoznati manipulaciju statistikom. Link
  • The Art of Statistics Learning from Data David Spiegelhalter na pristupačan način objašnjava kako statističari razmišljaju i kako učiti iz podataka. Link

Podaci i resursi za tematska istraživanja

Linkovi na relevantne izvore podataka, časopise i organizacije koje se bave sličnim temama.

  • Pew Research Center Religion & Public Life Jedan od najvažnijih izvora podataka i analiza o ulozi religije u društvu. Link
  • Journal of Media and Religion Vodeći znanstveni časopis koji objavljuje istraživanja na sjecištu medija i religije. Link
  • Alliance of Digital Humanities Organizations (ADHO) Globalna organizacija koja promiče primjenu digitalnih tehnologija u humanističkim znanostima. Link

Blogovi, zajednice i platforme

Mjesta za učenje, postavljanje pitanja i praćenje najnovijih trendova.

  • Towards Data Science Jedna od najvećih online publikacija o podatkovnoj znanosti, s tisućama korisnih članaka i tutorijala. Link
  • Stack Overflow Najvažnija zajednica za programere. Ako imate tehnički problem, ovdje ćete najvjerojatnije pronaći odgovor. Link
  • GitHub Platforma na kojoj se nalazi ovaj projekt. Ključan alat za otvorenu znanost, suradnju i dijeljenje koda. Link
  • Zenodo Otvoreni repozitorij za pohranu znanstvenih podataka, softvera i publikacija, u skladu s FAIR principima. Link

Akademska literatura po temama

Kurirana lista ključnih knjiga i radova organiziranih po metodološkim područjima.

Kvantitativna analiza teksta

  • Grimmer, Justin, Margaret E. Roberts, and Brandon M. Stewart (2022). Text as Data A New Framework for Machine Learning and the Social Sciences. Princeton University Press.
  • Grimmer, Justin and Brandon M. Stewart (2013). Text as Data The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts. Political Analysis 21(3) 267–297.
  • Benoit, Kenneth (2020). Text as Data An Overview. In Curini, Luigi and Robert Franzese, eds. Handbook of Research Methods in Political Science and International Relations. Sage Publications.
  • Jurafsky, Daniel and James H. Martin (2024). Speech and Language Processing. (3rd edition).
  • Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to Information Retrieval. Cambridge University Press.

Analiza društvenih mreža

  • Newman, M.E.J. (2010). Networks An Introduction. Oxford University Press.
  • Scott, J. (2017). Social Network Analysis. SAGE (4th edition).
  • Easley, D., & Kleinberg, J. (2010). Networks, Crowds, and Markets Reasoning About a Highly Connected World. Cambridge University Press.
  • Robins, G. (2015). Doing Social Network Research Network based Research Design for Social Scientists. SAGE.
  • Borgatti, S. P., Everett, M. G., & Johnson, J. C. (2018). Analyzing Social Networks. SAGE.

Programiranje i računalno razmišljanje

  • Guttag, John V. (2016). Introduction to Computation and Programming Using Python With Application to Understanding Data. MIT Press.
  • Miller, Bradley N. and David L. Ranum. Problem Solving with Algorithms and Data Structures Using Python.
  • Grolemund, Garrett and Hadley Wickham (2016). R for Data Science. O’Reilly.
  • Wing, Jeannette M. (2006). Computational thinking. Communications of the ACM, 49(3), 33–35.

Podaci i vizualizacija

  • Beaulieu, Alan (2020). Learning SQL Generate, Manipulate, and Retrieve Data. 3rd Ed. O’Reilly.
  • Healy, Kieran (2019). Data Visualization A Practical Introduction. Princeton University Press.
  • Munzert, Simon, et al. (2015). Automated Data Collection with R A Practical Guide to Web Scraping and Text Mining. Wiley.
  • Wickham, Hadley, Mine Çetinkaya Rundel and Garett Grolemund (2023). R for Data Science Import, Tidy, Transform, Visualize, and Model Data. 2nd Ed. O’Reilly.
  • Lazer, David and Jason Radford (2017). Data ex Machina Introduction to Big Data. Annual Review of Sociology.

Strojno učenje

  • Géron, A. (2017). Hands on Machine Learning with Scikit Learn and TensorFlow Concepts, Tools, and Techniques to Build Intelligent Systems. O’Reilly Media.
  • James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning. Springer.
  • Müller, A. C., & Guido, S. (2016). Introduction to Machine Learning with Python A Guide for Data Scientists. O’Reilly Media.
  • Conway, D., & White, J. (2012). Machine Learning for Hackers. O’Reilly Media.

Duboko učenje

  • Goodfellow, Ian, Yoshua Bengio, and Aaron Courville (2016). Deep Learning. MIT Press.
  • Raff, E. (2022). Inside Deep Learning Math, Algorithms, Models. Simon and Schuster.
  • Argyle, L. P., et al. (2023). Out of one, many Using language models to simulate human samples. Political Analysis.
  • Rodriguez, P. L., & Spirling, A. (2022). Word embeddings What works, what doesn’t, and how to tell the difference for applied research. The Journal of Politics.
  • Torres, M., & Cantú, F. (2022). Learning to See Convolutional Neural Networks for the Analysis of Social Science Data. Political Analysis.