Datainsamling och datahantering, 7,5 hp

Innehåll

Kursen handlar om hur data samlas in och hanteras samt vilka konsekvenser det för med sig för analysen. Fokus ligger på hur val av datakällor, urval och hantering av saknade värden påverkar datakvalitet och vilka slutsatser man kan dra. Kursen tar upp grundläggande metoder för skattning, viktning och imputering, men betonar också att dåliga data inte alltid kan räddas med mer avancerad analys. Genom exempel och eget arbete med data får studenten en bättre förståelse för hur data ser ut i praktiken, hur man upptäcker vanliga problem i data och varför dessa är viktiga för analys och tolkning. Programvaran R används för datahantering och analys av data.

Kursen inleds med en genomgång av olika typer av undersökningar, datakällor och urvalsmetoder, samt grundläggande etiska och juridiska överväganden vid arbete med data. Därefter behandlas hur data struktureras och granskas, med fokus på datakvalitet och vanliga problem såsom saknade värden. Kursen avslutas med en översikt av hur skattningar påverkas av urvalsdesign och bortfall, inklusive grundläggande principer för viktning och imputering, och hur dessa val påverkar slutsatser.

Förväntade studieresultat

Kunskap och förståelse:
Studenten ska kunna

1. redogöra för grundläggande principer och metoder inom datainsamling och datahantering.
2. redogöra för vanliga felkällor i datainsamling och deras påverkan på datakvaliteten.

Färdigheter och förmåga:
Studenten ska kunna

3. tillämpa grundläggande metoder för att läsa in, strukturera och bearbeta data.
4. identifiera vanliga dataproblem såsom saknade eller orimliga värden.
5. analysera data från olika urvalsdesigner och studietyper.
6. tillämpa metoder för bortfallshantering.

Värderingsförmåga och förhållningssätt:
Studenten ska kunna

7. kritiskt granska och utvärdera datahanteringens konsekvenser för efterföljande analyser.
8. reflektera över och diskutera etiska aspekter av datainsamling och datahantering.

Behörighetskrav

Univ: Kursen Introduktion till statistik och data science 15 hp eller motsvarande. Samt Matematik 3b eller 3c eller Matematik fortsättning nivå 1b eller 1c eller Matematik C från gymnasiet eller kursen Matematiska grunder för data science 7.5 hp.

Undervisningens upplägg

Lärandet stöds genom föreläsningar, lektioner, workshops och seminarier. Workshops och seminarier med obligatorisk närvaro förekommer.

Examination

Examinationen består av en muntlig presentation och diskussion som förbereds i grupp, individuella quiz, samt en avslutande individuell skriftlig salstentamen.

Den muntliga presentationen och diskussionen samt quiz betygsätts Godkänd (G) eller Underkänd (U). Den individuella skriftliga salstentamen betygsätts Väl Godkänd (VG), Godkänd (G) eller Underkänd (U). För betyget Godkänd (G) krävs minst betyget Godkänd (G) på alla examinationer. För betyget Väl godkänd (VG) behöver studenten dessutom betyget Väl godkänd (VG) på den skriftliga salstentamen.

Studenter som godkänts på ett prov får inte undergå förnyat prov för att uppnå ett högre betyg. För studenter som ej blivit godkänd erbjuds ytterligare provtillfällen enligt ett fastställt schema.

En student som utan godkänt resultat har genomgått ordinarie prov samt ett omprov för en kurs eller en del av en kurs, har vid nästa omprovstillfälle rätt att få en annan examinator eller rättande lärare utsedd, om inte särskilda skäl talar emot det. Studenten ska vända sig till studierektor med en sådan begäran senast två veckor innan nästa provtillfälle.

Anpassningar
För student som har beslut om rekommenderat stöd på grund av funktionsnedsättning kan Examinator besluta om avsteg från kursplanens examinationsform. Individuell anpassning av examinationsformen ska övervägas utifrån studentens behov och kursens förväntade studieresultat. För mer information se Handläggningsordning för stöd till studenter med funktionsnedsättning samt Regel för betyg och examination.

Tillgodoräknande
Tillgodoräknande sker enligt Umeå universitets tillgodoräknandeordning.