ASOB16014U Nyere statistiske analysestrategier

Årgang 2023/2024
Engelsk titel

New statistical analysis strategies

Uddannelse

Bemærk kurset undervises på engelsk i F24

 

Obligatorisk kursus på 4. semester BA på sociologiuddannelsen

 

Åbent for meritstuderende

 

 


 

 

Kursusindhold

Formålet med faget er at give den studerende en indføring i et bredt repertoire af kvantitative analysemetoder til klassifikation af og mønstersøgning i data anvendt i samfundsvidenskabelig udredning og forskning. Faget bygger i nogen grad videre på den viden og de færdigheder, som den studerende har tilegnet sig i fagene Grundlæggende statistik og Videregående kvantitative metoder.

 

Faget introducerer den studerende til videregående deskriptive kvantitative metoder. Deskriptive metoder dækker groft sagt over metoder til eksplorativ kortlægning af mønstre i data (data-mining). Disse metoder omfatter bl.a. metoder til gruppering af variable og klassifikation af individer i grundlæggende typer eller segmenter (faktoranalyse, klyngeanalyse, latent klasseanalyse). De omfatter også ”nyere” metoder som fx social netværksanalyse eller analyse af big data fra internettet.

 

Kurset er lagt sådan an, at det giver et overblik over disse metoder, herunder indbyrdes forskelle og ligheder samt deres brug i sociologisk forskning. Kurset vil endvidere dykke ned i enkelte af metoderne for, gennem øvelser, at give den studerende mulighed for at få praktisk erfaring med metoderne til senere brug på studiet.

Målbeskrivelser

Viden

 

Faget præsenterer den studerende for en række metoder til klassifikation og mønstersøgning i statistiske data, samt til teoretisk informerede analysestrategier i form af forlæns modelsøgning. Metoder til klassifikation og mønstersøgning i data dækker over deskriptive metoder, som klassificerer enten variabler eller individer. Eksempler på konkrete metoder er faktoranalyse, klyngeanalyse, multipel korrespondanceanalyse og social netværksanalyse, herunder via digitale metoder. Den studerende skal kunne

 

  • forstå disse metoder og deres anvendelse i sociologisk forskning
  • praktisk beherske et mindre udsnit af disse metoder

 

Færdigheder

 

Faget giver den studerende mulighed for, i standard-software som f.eks. Stata, praktisk at beherske én eller flere metoder til klassifikation og mønstersøgning i statistiske data, samt at anvende teoretisk informeret forlæns modelsøgning som analysestrategi. Den studerende bliver endvidere i stand til at redegøre for logikken i forskellige målemodeller, herunder forskellen mellem manifeste og latente variable. Mere konkret skal den studerende kunne:

 

  • anvende – herunder begrunde valg af, fortolke resultater produceret af samt præsentere og formidle resultater fra – én eller flere metoder til klassifikation og mønstersøgning i data, i relation til en given problemstilling
  • anvende forlæns modelsøgning på en teoretisk informeret måde, herunder argumentere for valg af variable og modelsøgningsstrategi, i relation til en given problemstilling
  • kritisk vurdere og reflektere over sin empiriske analyse i relation til en given problemstilling på en måde, der signalerer forståelse af muligheder og begrænsninger ved brugen af metoder til klassifikation af data i sociologisk forskning
  • kunne læse og kritisk forholde sig til sociologisk forskningslitteratur, der anvender metoder til klassifikation af og mønstersøgning i data.

 

Kompetencer

 

Efter endt undervisning skal den studerende kunne

 

  • omsætte sin viden og færdigheder i forsknings- og konsulentøjemed ved at kunne planlægge og gennemføre analyser, der involverer klassifikation af og mønstersøgning i data, f.eks. segmentanalyser, på teoretisk informeret vis
  • tilegne sig andre videregående kvantitative metoder på kandidatniveau, som f.eks. kvasieksperimentelle metoder, multilevel-modeller eller latent klasseanalyse
  • forstå og bedømme, samt selvstændigt engagere sig i sociologiske studier, der anvender disse metoder

 

 

Kombineret elektronisk og fysisk kompendium. Grundbøger vil være tilgængelige elektronisk.

Pensum ca. 650  sider.

Det forventes, at studerende har deres egen laptop med nyeste version af Stata installeret.
Det anbefales, at man har den viden, der svarer til, at man har gennemført de forudgående kvantitative metodekurser på bachelordelen på Sociologisk Institut, Københavns Universitet.
Kurset forudsætter elementær forståelse af krydstabeller og regressionsanalyse. Studerende vil opnå et særligt stort udbytte af kurset, hvis de inden kursusstart læser grundigt op på de metoder, som gennemgås på bachelordelens forudgående metodeundervisning.
Kombination af klassisk forelæsning og masser af praktiske øvelser i Stata
  • Kategori
  • Timer
  • Forelæsninger
  • 42
  • Forberedelse (anslået)
  • 134
  • Eksamen
  • 30
  • I alt
  • 206
Peerfeedback (studerende giver hinanden feedback)

Ved udvalgte øvelser organisere læringsaktiviteter, hvor de studerende giver feedback til hinanden på deres besvarelser af øvelserne. Derudover bedes de studerende om at forberede feedback på en anden studerendes besvarelse. Feedbacken sker i undervisningen i grupper af tre, hvor en studerende giver feedback, en anden modtager og en tredje noterer feedbackens indhold og modtagerens respons (feedback-triader).

Point
7,5 ECTS
Prøveform
Skriftlig prøve, -
Prøveformsdetaljer
Individuelt eller i gruppe (max 4 studerende).
Eksamen er en fri skriftlig hjemmeopgave.
Afleveringen må maximalt fylde 10 sider. Ved gruppebesvarelser tillægges 5 sider pr. ekstra studerende.
Se detaljer for prøveformen i studieordningen og i Den generelle eksamensvejledning på KUnet.
Krav til indstilling til eksamen

Du skal være tilmeldt kurset for at deltage i eksamen

Hjælpemidler
Alle hjælpemidler tilladt

Policy on the Use of Generative AI Software and Large Language Models in Exams

The Department of Sociology prohibits the use of generative AI software and large language models (AI/LLMs), such as ChatGPT, for generating novel and creative content in written exams. However, students may use AI/LLMs to enhance the presentation of their own original work, such as text editing, argument validation, or improving statistical programming code. Students must disclose if and how AI/LLMs have been used in an appendix, which will not count toward the page limit of the exam. This policy is in place to ensure that students’ written exams accurately reflect their own knowledge and understanding of the material.

Bedømmelsesform
7-trins skala
Censurform
Ekstern censur
Eksamensperiode

Find mere information på din studieinformationsside på KUnet.

For meritstuderende findes listen over afleveringsdatoer på Sociologisk Instituts hjemmeside:
www.soc.ku.dk under Uddannelser --> Eksamen

Reeksamen

- Hvis reeksamen tages i ordinær eksamensperiode: se ordinær eksamensform

 

- Hvis reeksamen tages i reeksamensperiode:  

Skriftlig opgave (integreret) med et eller flere NYE stillede spørgsmål. Individuelt eller gruppe.

 

Ovenstående gælder for kursustilmeldinger fra Forår 2023 og frem. 

Hvis du skal til reeksamen og har været tilmeldt kurset i Forår 2022 eller tidligere, bedes du kontakte studieadministration: soc-studieadm@soc.ku.dk

 

OBS! 

Kurset er obligatorisk og det er derfor kun muligt at gå til eksamen i foråret, da kurset ikke bliver udbudt i efteråret.

Kriterier for bedømmelse

Se målbeskrivelsen.