Social Data Science II: Machine Learning i samfundsvidenskaben

2022/2023

Forudsætninger/Anbefalede forudsætninger for at deltage i modulet

Modulet ”Social Data Science II” forudsætter, at modulet ”Social Data Science I” er bestået.

Modulets indhold, forløb og pædagogik

Mål
Formålet for modulet er, at den studerende tilegner sig en anvendelsesorienteret forståelse for computationelle og dataintensive metoder med fokus på prædiktive algoritmer og machine learning. Metoderne kan anvendes på strukturerede og ustrukturerede data i form af numerisk data, tekstdata og billeddata, der er relevante i undersøgelser af samfundsvidenskabeligesociale fænomener og problemstillinger. Målet er, at de studerende tilegner sig den nødvendige viden om computationelle metoder, der sætter dem i stand til at vælge, analysere og præsentere samfundsvidenskabelige problemstillinger med prædiktive metoder samtidig med, at de vil være i stand til at forstå forskellen mellem modellernes output og mulighederne for explainability.

Indhold
Kurset giver en videregående indsigt i computationel tænkning med særlig fokus på dataintensive metoder og machine learning. Ved brug af Python introduceres til en række udvalgte metoder; herunder NLP, random forests, anomalidetektion og neurale netværk. Fokus er på sammenhængen mellem samfundsvidenskabelige problemstillinger og mulighederne/begrænsningerne i machine learning modeller.

Læringsmål

Viden

  • Opnår viden om metoder og teknikker til at lave prædiktioner i samfundsvidenskaben
  • Opnår viden om specifikke analysemodeller til prædiktioner på strukturerede og ustrukturerede datatyper
  • Opnår viden om relevante machine learning modeller 
  • Opnår indsigt i model explainability og de potentielle begrænsninger der kan forekomme ved brug af machine learning
  • Opnår viden om metodernes samspil med sociale data og sociale fænomener
     

Færdigheder

  • Kan gengive og redegøre for grundbegreber og centrale forståelser i prædiktive modeller
  • Kan anvende nyere digitale metoder til dataudforskning og prædiktion
  • Kan reflektere over og analysere en aktuel samfundsvidenskabelig 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 strukturerede datasæt
  • Kan nedbryde de kritiske elementer i modellerne og implementere model explainability
     

Kompetencer

  • Har evnen til at udvælge, belyse, diskutere og analysere problemstillinger med inddragelse af relevante metodiske tilgange og digitale metoder
  • Har evnen til at identificere og diskutere udfordringer og løsninger i arbejdet med dataudforskningsteknikker
     

Undervisningsform

Kurset afvikles som en kombination af forelæsninger, øvelser og e-læring.

Eksamen

Prøver

Prøvens navnSocial Data Science II: Machine Learning i samfundsvidenskaben
Prøveform
Skriftlig
ECTS10
Bedømmelsesform7-trins-skala
CensurEkstern prøve
VurderingskriterierVurderingskriterierne er angivet i Universitetets eksamensordning

Fakta om modulet

Engelsk titelSocial Data Science II: Machine Learning in Social Science
ModulkodeKASOC2022D10
ModultypeKursus
Varighed1 semester
SemesterForår
ECTS10
UndervisningssprogDansk
UndervisningsstedCampus Aalborg
Modulansvarlig

Organisation

StudienævnStudienævn for Sociologi
InstitutInstitut for Sociologi og Socialt Arbejde
FakultetDet Humanistiske og Samfundsvidenskabelige Fakultet