Forudsætninger/Anbefalede forudsætninger for at deltage i modulet

Kurset ”Nyere digitale metoder i samfundsvidenskaben I+II” forudsætter grundlæggende forståelse for kvantitative metoder og erfaring med databehandling på et niveau svarende til beståelse af kurset ”introduktion til kvantitative metoder.
Der kræves ikke forhåndskendskab til computationelle metoder eller Python.

Modulets indhold, forløb og pædagogik

Mål
Formålet for modulet er, at den studerende tilegner sig en anvendelsesorienteret og uddybende forståelse for computationelle og dataintensive metoder med fokus på analyseteknikker, datahåndtering, datavisualisering, dataudforskning samt prædiktive metoder, der kan anvendes på strukturerede og ustrukturerede digitale data, der er relevante i undersøgelser af sociale fænomener og problemstillinger. Målet er, at de studerende tilegner sig de nødvendige computationelle kompetencer og opnår indsigt i arbejdet med forskellige datastrukturer og -typer, der sætter dem i stand til at vælge, analysere og præsentere relevante datasæt samt opbygge en forståelse for, hvordan databehandling og -analyse fungerer i praksis – her særligt med fokus på dataudforskningsteknikker og brug af prædiktive modeller.

Indhold
Kurset giver en uddybende indføring i computationel tænkning med særlig fokus på dataintensive metoder, digitale data og prædiktive modeller. Datahåndtering af forskellige datatyper introduceres i programmeringssproget Python, hvorefter en række udvalgte metoder gennemgås; herunder tekstanalysemetoder, klyngeanalyseteknikker, random forests og simple neurale netværk. Fokus er på sammenhængen mellem valg af relevante datasæt, dataanalyse, datavisualisering og metoder til identifikation af relevante samfundsvidenskabelige problemstillinger.

Læringsmål

Viden

• Opnår viden om metoder og teknikker til at analysere og visualisere strukturerede og ustrukturerede datatyper med henblik på samfundsvidenskabelige analyser
• Opnår viden om strukturerede og ustrukturerede datatyper
• Opnår viden om relevante computervidenskabelige koncepter inden for dataintensive teknikker og metoder
• Opnår viden om centrale forskelle mellem computationelle metoder og økonometriske metoder
• Opnår uddybende indsigt i nyere digitale metoder, deres grundbegreber, teoretiske ophav og deres praktiske anvendelse
• Opnår viden om metodernes samspil med sociale data og sociale fænomener

Færdigheder

• Kan gengive og redegøre for grundbegreber og centrale forståelser inden for nyere digitale metoder
• Kan anvende nyere digitale metoder til dataudforskning og prædiktion
• Kan reflektere over og analysere en aktuel sociologisk problemstilling eller tematik ved hjælp af nyere digitale metoder
• Kan relatere, sammenligne og diskutere styrker og svagheder ved nyere digitale metoder og deres forskellige analysestrategier
• Kan kritisk vurdere og vælge den passende analyseteknik til både strukturerede og ustrukturerede datasæt

Kompetencer

• Har evnen til at udvælge, belyse, diskutere og analysere problemstillinger med inddragelse af relevante metodiske tilgange og digitale metoder
• Har evnen til at kombinere brug af digitale metoder i arbejde med konkret problemstilling
• Har evnen til at identificere og diskutere udfordringer og løsninger i arbejdet med dataudforskningsteknikker og prædiktive modeller på forskellige datatyper

Undervisningsform

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.

Omfang og forventet arbejdsindsats

Aflevering af skriftlig portfolio

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 studerende både inkorporerer strukturerede og ustrukturerede data i deres portfolio.

Den endelige portfoliorapport skal indeholde beskrivelser og overvejelser om følgende:

• Hvilken problemstilling belyses?
• Hvilken data er indsamlet og hvordan?
• Hvordan er data relevant for problemstillingen?
• Hvad karakteriserer typen af data anvendt og hvilke analysemuligheder findes med disse data?
• Hvordan er data behandlet og håndteret?
• Hvilke metoder og analyser er anvendt og hvorfor?
• Visualiseringer af data
• Umiddelbare fortolkninger af data relateret til problemstillingen
• Overvejelser om resultaters gyldighed og brugbarhed

  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:4

  Antal delafleveringer:2

  Maks. omfang: 36.000 anslag (svarende til 15 normalsider)

Eksamen

Forudsætning for indstilling til prøven

• Aflevering af skrift portfolio

Prøver

Prøvens navn	Nyere digitale metoder i samfundsvidenskaben I+II: Digitale data og metoder samt moderne prædiktion af det sociale
Prøveform	Skriftlig Modulet evalueres ved aflevering af en skriftlig portfolio.
ECTS	10
Bedømmelsesform	7-trins-skala
Censur	Intern prøve
Vurderingskriterier	Vurderingskriterierne er angivet i Universitetets eksamensordning