Mål
Formålet for modulet er, at den studerende tilegner sig en
anvendelsesorienteret forståelse for computationelle og
dataintensive metoder med fokus på analyseteknikker,
datahåndtering, datavisualisering og dataudforskning, der kan
anvendes på strukturerede data, der er relevante i undersøgelser af
sociale fænomener og problemstillinger. Målet er, at de studerende
tilegner sig de nødvendige computationelle kompetencer, der sætter
dem i stand til at vælge, analysere og præsentere relevant datasæt
samt opbygge en forståelse for, hvordan databehandling og -analyse
fungerer i praksis – her særligt med fokus på
dataudforskningsteknikker og visualisering.
Indhold
Kurset giver en indføring i computationel tænkning med særlig fokus
på dataintensive metoder og digitale data. Datahåndtering
introduceres i programmeringssproget Python, hvorefter en række
udvalgte metoder gennemgås; herunder klyngeanalyseteknikker,
mapping-metoder samt simple tekstanalyseteknikker og
maskinlæringsmodeller. Fokus er på sammenhængen mellem valg af
relevant datasæt, dataanalyse, datavisualisering 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 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 inkorporerer strukturerede 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 I: Digitale data og metoder |
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 I |
Modulkode | BASOC202020A |
Modultype | Kursus |
Varighed | 1 semester |
Semester | Forår
|
ECTS | 5 |
Undervisningssprog | Dansk |
Undervisningssted | Campus Aalborg |
Modulansvarlig |
Studienævn | Studienævn for Sociologi og Kriminologi, Studienævn for Politik og Samfund |
Institut | Institut for Sociologi og Socialt Arbejde |
Fakultet | Det Humanistiske og Samfundsvidenskabelige Fakultet |