ASTK18235U Political Data Science

Det moderne menneske efterlader i hidtil uhørt grad spor efter sin færden. Adfærd – både online og offline – bliver i stigende grad registreret og kan f.eks. anvendes til at måle politiske standpunkter og forudsige politisk adfærd blandt individer og grupper, som det førhen var utænkeligt at komme i kontakt med. Samtidig er offentlige myndigheder begyndt i stigende grad at registrere og indsamle data på egne indsatser med henblik på at evaluere og optimere dem. Hvad der er tale om, er intet mindre end en revolution i tilgængeligheden af politisk data – data, der både kan bruges til at finde løsninger på konkrete samfundsmæssige problemstillinger samt bringe politologiske teorier længere frem, end man hidtil har troet muligt.

Kurset Political Data Science har til formål at give de studerende redskaberne til at indsamle og behandle denne slags nye og ofte ustrukturerede data. Desuden skal vi arbejde med metoder, der anvender disse data til at forudsige adfærd og måle komplekse koncepter. Formålet med kurset er at klæde de studerende på til selv at give sig i kast med nogle af de metoder og værktøjer, som er nybrud i politologien. Det kan både klæde de studerende på til at anvende metoderne i et speciale såvel som i et dataorienteret job efter studierne.

De følgende vil være de centrale emner i kurset:

• Data: Tænke over politisk data i bred forstand (f.eks. tekst-som-data). Konceptualisere fejlkilder og overveje etiske udfordringer.
• Datamanipulation: Anskaffe, rengøre og forberede data til analyse.
• Visualisering: Præsentere data og modeller på en intuitiv og appetitvækkende facon, der effektivt kommunikerer ens centrale pointer.
• Klassifikation og forudsigelse: Anvende superviseret maskinlæring til at træne modeller, der kan forudsige virkelig adfærd.
• Måling: Konceptualisere komplekse fænomener samt måle dem vha. usuperviseret maskinlæring.
• Data Science & Political Science: Brug af Political Data Science til teoribygning og -vurdering samt til løsning af samfundsrelevante problemer.

Kurset vil indeholde en blanding af teori og redskaber, og den anvendte del af kurset vil foregå i R. Teorien vil blandt andet omfatte forskelle mellem kausalestimation og forudsigelse, centrale koncepter i maskinlæring og moderne målingsteori. Kurset kan både stå alene og supplere kurset Videregående kvantitative metoder i studiet af politisk adfærd.

Neden for ses et foreløbigt udkast til en lektionsplan, hvori der formentlig vil forekomme ændringer.

1. Intro til Political Data Science og politisk data
2. R Workshop
3. Data- og modelvisualisering I
4. Data- og modelvisualisering II
5. Scraping af hjemmesider
6. Indsamling af data vha. API
7. Estimation vs. forudsigelse
8. Superviseret maskinlæring I
9. Superviseret maskinlæring II
10. Målemodeller I (usuperviseret maskinlæring)
11. Målemodeller II (usuperviseret maskinlæring)
12. Text-as-data I
13. Text-as-data II
14. Opsamling