Datavetenskap GR (B), Dataanalys, 7,5 hp

Syfte

Kursen behandlar hur du analyserar data från databaser, enkäter, experiment och liknande källor gällande användning av datorsystem. Data kan samlas manuellt eller genom något automatiskt system och vilka datatyper som finns eller väljs är avgörande för val av analysmetod. Hur datainsamling, datatyper och analysmetoder påverkar möjligheterna och begränsningarna i slutsatser är centralt i kursen.

Lärandemål

Efter kursen ska deltagaren med hjälp av dator med lämplig programvara och litteratur kunna
- beskriva och analysera data i en och två dimensioner, med hänsyn taget till datatyp,
- beräkna och tolka statistiska felmarginaler i dataanalys,
- beskriva och värdera samband mellan variabler i data med hänsyn till datatyperna,
- ge exempel på hur kontroll av en ytterligare variabel kan ge en förändrad beskrivning av ett variabelsamband,
- redogöra för vilken roll variation och slumpmässighet har vid tolkningen av resultat från dataanalys,
- redogöra för begreppen teoretiskt, empiriskt, deduktivt, induktivt, deterministiskt och probabilistiskt i ett datavetenskapligt sammanhang, och
- sammanställa/rapportera resultat av dataanalyser och kritiskt granska sådana sammanställningar/rapporter.

Innehåll

Undersökningsenheter och deras attribut, domäner, mätskalor, mått på läge och spridning i datamaterial.
Beskrivning i en och två dimensioner med diagram, tabeller och sambandsmått. Datatypens roll i val av beskrivningstekniker.
Korrelation och regression, jämförelse i kvantitativ variabel mellan kategorier, korstabeller.
Tidsdata, upprepade mätningar och matchning.
Konfidens och signifikans i dataanalys.
Konkretion av dualiteterna teoretiskt-empiriskt, deduktivt-induktivt och deterministiskt-probabilistiskt.

Behörighet

Datavetenskap GR (A), 22,5 hp, inkluderande kurserna Datorer och data från grunden, 7,5 hp, Programmeringsmetodik I med Java, 7,5 hp, Modeller och databaser, 7,5 hp eller motsvarande.

Kursbeskrivning

Kursen introducerar vetenskapliga metoder inom datavetenskap. Den behandlar också några vanliga begreppskonflikter mellan datavetenskap och statistik.

Urvalsregler

Urval sker i enlighet med Högskoleförordningen och den lokala antagningsordningen.

Undervisning

Kursen ges med cirka 20 timmar (10%) föreläsningar och cirka 20 timmar (10%) handledning vid laborativa moment. Cirka 160 timmar (80%) används till egna studier och egen övning i dataanalys. Vid förändrad resurstillgång kan fördelningen ändras.

Examination

L101: Laboration, 3 hp
Betygsskala: Underkänd (U) eller Godkänd (G)

T101: Tentamen, 4,5 hp
Betygsskala: På kursen ges något av betygen A, B, C, D, E, Fx och F. A - E är Godkänt, Fx och F är underkänt.

3 hp, L101: Laboration
Betyg: Underkänd (F) eller Godkänd (P)

4,5 hp, T101: Tentamen
Betyg: A, B, C, D, E, Fx och F. A - E är Godkänt, Fx och F är underkänt.

Betygskriterier för ämnet finns på www.miun.se/betygskriterier.

Betygsskala

På kursen ges något av betygen A, B, C, D, E, Fx och F. A - E är Godkänt, Fx och F är underkänt.