ASOK22001U Mixed Methods
Mixed Methods
Obligatorisk KA kursus 1. Semester
Kurset er lukket for merit-studerende
Nyere empirisk orienteret sociologi og samfundsvidenskab domineres af hhv. en kvalitativ- og en kvantitativ metodetradition, der udvikles og praktiseres relativt isoleret fra hinanden. Der findes imidlertid en tredje tradition, mixed methods, som ikke opererer ud fra dette skel og kombinerer metodiske greb af både kvalitativt og kvantitativt tilsnit. Kursets mål er, at den studerende får et blik for værdien og mulighederne i at kombinere både den kvalitative og kvantitative tradition og kan opstille analytiske design, der integrerer kvalitative og kvantitative metoder og data i besvarelsen af problemet. I forlængelse heraf er målet også, at den studerende bliver i stand til i praksis at gennemføre undersøgelser, der integrerer metoder fra begge traditioner, og gennemføres i et team af analytikere, der tilsammen besidder de relevante metodiske kompetencer.
Kurset bygges op omkring de studerendes egne mixed methods forskningsprojekter, hvor den studerende trækker på sine på forhånd, erhvervede metodiske kundskaber og også de metodekundskaber, de studerende sideløbende erhverver i henholdsvis avancerede kvalitative dataanalyse og avancerede kvantitative dataanalyser, hvis et af disse kurser følges sideløbende (disse indgår som obligatoriske kurser på første semester af kandidatuddannelsen i sociologi).
Efter endt kursus kan den studerende:
Viden
• Redegøre for inferenslogikker, forståelser af generaliserbarhed og kausalitet knyttet til forskellige metoder.
• Beskrive hvordan forskellige metoder kan komplimentere hinanden med henblik på at belyse et givent problem.
Færdigheder
• Identificere hvilke enkeltstående eller kombinationer af data og metoder, der skal anvendes i analysearbejdet med en given problemstilling.
• Formidle komplekse mixed methods undersøgelsers baggrund og resultater koncist og argumenterende.
Kompetencer
• Udføre en kompleks empirisk analyseproces med inddragelse af flere metoder i samarbejde med andre.
• Udvikle og anvende undersøgelsesdesigns med et problemorienteret udgangspunkt som trækker på et bredt metodisk repertoire.
Undervisningen organiseres omkring studenterdrevne projekter om en selvvalgt problemstilling egnet til en empirisk undersøgelse med udgangspunkt i et mixed methods design. Projekterne udføres løbende og med fordel i grupper, hvor de studerende trækker på deres allerede erhvervede metodekompetencer og de kompetencer der evt. arbejdes med i de to sideløbende avancerede metodekurser.
De studerendes projekter kan med fordel tage udgangspunkt i eksisterende tilgængelige datasæt, også data som den studerende har genereret eller arbejdet med tidligere på sit studie, men ofte vil det være nødvendigt at den studerende selv skal generere data egnet til deres specifikke problemstilling (studerende som samtidigt følger henholdsvis avancerede kvalitative dataanalyse eller avancerede kvantitative dataanalyser kan med fordel kombinere data og analyse på tværs af kurserne).
Den skemalagte undervisning i form af forelæsninger og øvelser har til formål at facilitere de studerendes empiriske projekter i deres forskellige faser der korresponderer til porteføljens forskellige dele (for mere, se beskrivelsen af porteføljeopgave).
- Kategori
- Timer
- Forelæsninger
- 28
- Forberedelse (anslået)
- 75
- Projektarbejde
- 65
- Eksamensforberedelse
- 38
- I alt
- 206
De studerende vil løbende give hinanden feedback på portfolioens forskellige dele.
Selvbetjeningen på KUnet
Tilmeldingsdeadline for kurser er:
1. Juni for efterårskurser
1. december for forårskurser
Når du tilmelder dig et kursus, bliver du også automatisk tilmeldt
eksamen.
Sociologistuderende:
Tilmeld dig via selvbetjeningen på KUnet
- Point
- 7,5 ECTS
- Prøveform
- Portfolio, -
- Prøveformsdetaljer
- Individuelt eller i en gruppe af max 4 studerende.
Ved porteføljeopgave forstås en opgave bestående af et antal mindre opgaver, der besvarer et eller flere stillede spørgsmål. Der eksamineres her på baggrund af fagets pensum. Opgaverne kan udarbejdes løbende, mens undervisningen i faget finder sted. Der vil være mulighed for af få feedback på opgaverne i løbet af undervisningsforløbet, hvis fristerne for feedbackindlevering overholdes. Opgaverne kan viderebearbejdes som følge af feedback. Samtlige porteføljeopgaver afleveres samlet til bedømmelse ved kursets afslutning.
De samlede porteføljeopgaver må fylde 10 sider. Ved gruppebesvarelser tillægges 5 sider pr. ekstra studerende. - 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 in an appendix if and how AI/LLMs were used; this appendix 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
- Ingen ekstern censur
- Eksamensperiode
Find mere information på din studieinformationsside på KUnet.
- Reeksamen
Reeksamen vil være en skriftlig hjemmeopgave med et eller flere stillede spørgsmål, individuelt eller i gruppe af max 4 studerende. Hjemmeopgaven må fylde 10 sider. Ved gruppebesvarelser tillægges 5 sider pr. ekstra studerende.
Kriterier for bedømmelse
Se målbeskrivelsen.
Kursusinformation
- Sprog
- Dansk
- Kursuskode
- ASOK22001U
- Point
- 7,5 ECTS
- Niveau
- Kandidat
- Varighed
- 1 semester
- Placering
- Efterår
- Skemagruppe
- Se skemalink.
- Kursuskapacitet
- Vejl. 90 personer
Studienævn
- Sociologisk studienævn
Udbydende institut
- Sociologisk Institut
Udbydende fakultet
- Det Samfundsvidenskabelige Fakultet
Kursusansvarlige
- Jonas Toubøl (2-78824e817d713c79833c7279)
Undervisere
Jonas Toubøl, e-mail: jt@soc.ku.dk