1. محتويات المادة

 محتوى المادة (Syllabus)

🔹 المحور الأول: مبادئ البرمجة وأساسياتها

  • مدخل الى الاعلام الالي: فهم ابجديات الاعلام الالي و المعارف الرقمية

  • المدخل إلى البرمجة: فهم أهمية التفكير الحاسوبي في العلوم الاجتماعية، والتعرف على بيئة العمل (Jupyter Notebooks).

  • اللبنات الأساسية للغة Python: دراسة المتغيرات، أنواع البيانات (الأرقام، النصوص، القيم المنطقية)، والعمليات الحسابية والمنطقية.

  • هياكل التحكم: توجيه سير البرنامج باستخدام العبارات الشرطية (if/elif/else) والحلقات التكرارية (for/while).

  • هياكل البيانات: التعرف على القوائم (Lists)، القواميس (Dictionaries)، والمجموعات (Sets).

🔹 المحور الثاني: تحليل البيانات باستخدام بايثون

  • مكتبة Pandas: استخدامها كأداة رئيسية لمعالجة وتحليل البيانات الجدولية وقراءة ملفات (Excel و CSV).

  • تنظيف ومعالجة البيانات: تقنيات معالجة البيانات غير المكتملة لجعلها جاهزة للتحليل.

  • التحليل الوصفي: حساب المتوسط والوسيط والانحراف المعياري للبيانات السياسية.

  • تصور البيانات: استخدام مكتبتي Matplotlib و Seaborn لإنشاء رسوم بيانية (شريطية، خطية، ودائرية).

🔹 المحور الثالث: الذكاء الاصطناعي وتطبيقات عملية في العلوم السياسية

  •  vibe coding مدخل الى البرمجة بالذكاء الاصطناعي

  •  تطبيقات عملية على تحليل استطلاعات الرأي والانتخابات: فهم أنماط التصويت وآراء الجمهور برمجياً.

  • تحليل النصوص السياسية: استخدام أدوات برمجية لاستخراج الرؤى من الخطابات السياسية.

 

Module I: Principles of Programming and Foundations

  • Introduction to Computer Science: Basics of IT and digital literacy.

  • Introduction to Programming: Computational thinking in social sciences and the Jupyter Notebooks environment.

  • Python Building Blocks: Variables, data types (Integers, Strings, Booleans), and arithmetic/logical operations.

  • Control Structures: Program flow using conditional statements (if/elif/else) and loops (for/while).

  • Data Structures: Lists, Dictionaries, and Sets.

Module II: Data Analysis with Python

  • The Pandas Library: Tabular data manipulation and reading (Excel/CSV) files.

  • Data Cleaning and Pre-processing: Techniques for handling incomplete data.

  • Descriptive Analysis: Calculating statistics (Mean, Median, Standard Deviation) for political data.

  • Data Visualization: Creating charts (Bar, Line, Pie) using Matplotlib and Seaborn.

Module III: AI & Practical Applications in Political Science

  • AI-Powered Programming: Introduction to AI coding and "Vibe Coding" (coding through natural language/AI interaction).

  • Polls and Elections Analysis: Programming for voting patterns and public opinion analysis.

  • Political Text Analysis: Extracting insights and sentiment from political speeches.