Mål
Formålet for modulet er, at den studerende tilegner sig en
uddybende forståelse for og udvidet kendskab til computationelle og
dataintensive metoder med fokus på prædiktive metoder, der kan
anvendes på ustrukturerede digitale data, der er relevante i
undersøgelser af sociale fænomener og problemstillinger. Målet er,
at de studerende tilegner sig de nødvendige computationelle
kompetencer, der giver dem en forståelse for hvordan brug af
maskinlæringsmodeller til dataanalyse fungerer i praksis – her
særligt med fokus på brug af prædiktive modeller.
Indhold
Kurset giver en uddybende indføring i computationel tænkning med
særlig fokus på digitale data og prædiktive modeller.
Datahåndtering af ustrukturerede datatyper introduceres i
programmeringssproget Python, hvorefter en række udvalgte metoder
gennemgås; herunder tekstanalysemetoder, random forests og simple
neurale netværk. Fokus er på sammenhængen mellem valg af relevante
datasæt og metoder til identifikation af relevante
samfundsvidenskabelige problemstillinger.
Kurset afvikles som en kombination af forskningsbaserede forelæsninger, opgaveløsning, casearbejde, klyngeseminarer og live-coding sessioner. De studerende arbejder bl.a. med selvvalgte datasæt, der klargøres, analyseres, visualiseres og anvendes til at belyse en selvvalgt sociologisk problemstilling. De studerende arbejder i grupper og gruppens arbejde dokumenteres løbende i en portfolio.
Live-coding sessioner
Mange af kursets aktiviteter holdes som sessioner af varighed
svarende til en dobbelt forelæsning (4x45 minutter). Undervisningen
i disse sessioner foregår ved en løbende veksling mellem
forelæsning, demonstration og løbende evalueringer i form af
øvelser.
Brug af e-læring
Kurset gør i mindre grad brug af klassisk litteratur og tekstbøger,
men gør i stedet brug af e-kurser og andet digitalt
læringsmateriale, som er udarbejdet specifikt til valgfaget, som
studerende forventes at gennemgå som forberedelse til øvelser eller
live-coding sessioner.
Aflevering af skriftlig portfolie
Studerende udarbejder i løbet af kurset en skriftlig portfolio. Den skriftlige portfolio skal indeholde besvarelser på overordnede spørgsmål, som stilles i starten af kurset.
Det endelige produkt er en samlet skriftlig portfoliorapport omkring brug af data i relation til en bestemt problemstilling; herunder beskrivelser og overvejelser om indsamling, behandling, analyse og visualisering. Det forventes at den studerende inkorporerer ustrukturerede data i deres portfolio.
Den endelige portfoliorapport skal indeholde beskrivelser og overvejelser om følgende:
Portfoliorapporten udarbejdes individuelt, men der opfordres til, at studerende arbejder i grupper om den samme case for at sparre om tekniske løsninger og problemstillinger. Portfolio afleveres undervejs i kurset til peer-review samt kommentering og feedback fra underviser. Der afsættes heldagsseminarer specifikt til at få råd og vejledning i arbejdet med portfolio.
Antal heldagsseminarer:2
Antal delafleveringer:1
Maks. omfang: 24.000 anslag (svarende til 10 normalsider)
Prøvens navn | Nyere digitale metoder i samfundsvidenskaben II: Moderne prædiktion af det sociale |
Prøveform | Skriftlig
Modulet evalueres ved aflevering af en skriftlig
portfolio. |
ECTS | 5 |
Bedømmelsesform | 7-trins-skala |
Censur | Intern prøve |
Vurderingskriterier | Vurderingskriterierne er angivet i Universitetets eksamensordning |
Engelsk titel | New Digital Social Science Methods II |
Modulkode | BASOC202020B |
Modultype | Kursus |
Varighed | 1 semester |
Semester | Forår
|
ECTS | 5 |
Undervisningssprog | Dansk |
Undervisningssted | Campus Aalborg |
Modulansvarlig |
Studienævn | Studienævn for Sociologi, Studienævn for Politik & Administration og Samfundsfag |
Institut | Institut for Sociologi og Socialt Arbejde |
Fakultet | Det Humanistiske og Samfundsvidenskabelige Fakultet |