SOS2900 – Anvendt maskinlæring for avvikssosiologi

Timeplan, pensum og eksamensdato

Kort om emnet

Kurset har to deler som gis omtrent lik vekt: 1) en praktisk introduksjon til maskinlæring, og 2) avvikssosiologiske perspektiver.

Det tematiske fokuset er situasjoner der man gjør risikovurderinger for fremtiden basert på historiske data. Et eksempel er «predictive policing» der målet er å forutse hvor og når det er størst risiko for at kriminalitet vil skje, og ta dette som utgangspunkt for hvor og når politiet skal patruljere. I andre sammenhenger gjøres vurderingene på individnivå, som f.eks. ved prøveløslatelse fra fengsel og beslutning om varetektsfengsling. Slike risikovurderinger gjøres ofte basert på erfaring, kliniske vurderingsverktøy og skjønn osv. Men med økt fokus på digitalisering og utnytting av eksisterende databaser blir det stadig mer aktuelt å ta i bruk maskinlæring for disse formålene. Denne typen anvendelser reiser en rekke sosiologiske problemstillinger knyttet til kriminalisering og konsekvenser av kontrolltiltak. Kurset vektlegger derfor noen grunnleggende avvikssosiologiske perspektiver, sosiale konsekvenser, samt problemstillinger knyttet til etikk og rettferdighet.

Kurset gir en praktisk innføring i maskinlæring der man bruker data på tidligere hendelser til å gjøre klassifiseringer og prediksjoner for nye observasjoner der man ennå ikke vet utfallet. Prediksjoner vil aldri være perfekte, så vurdering av presisjon og vekting av ulike typer feil står sentralt. Selv om maskinlæring ofte omtales som «black box» metoder, vil kurset gi en introduksjon til tolkbarhet og bias. Undervisningen tar utgangspunkt i at studentene er kjent med grunnleggende regresjonsanalyse og lineære modeller.

Selv om eksemplene i kurset er fra justisfeltet kan metodene anvendes på andre felt, som f.eks. micro-targeting for reklame og politiske kampanjer, kundebehandling, sosiale medier, kredittvurderinger osv. Overføringsverdien til andre felt er derfor stor.

Undervisningen er praktisk rettet med bruk av softwaren R og RStudio.

 

Forutsetninger

Det forutsettes en grunnleggende kjennskap til kvantitative metode og statistikk. Studentene bør ha grunnleggende beherskelse av lineær regresjon. Det anbefales sterkt å ha fullført SOSGEO1120 eller tilsvarende grunnkurs i kvantitative metoder.

Hva lærer du?

Læringsmål

Etter endt kurs skal du:

  • Kunne drøfte anvendt maskinlæring i lys av sosiologiske perspektiver på kriminalitet og kriminalitetsforebygging. Herunder vurdere både intenderte og uintenderte konsekvenser.
  • Kjenne grunnleggende prinsipper for maskinlæring. Herunder forstå bias-variance trade-off, overfitting osv. og teknikker for å håndtere disse.
  • Kunne gjennomføre egne klassifikasjons- og prediksjonsanalyser ved bruk av regresjon og tre-baserte metoder, inkludert «tuning» av modellene, og presentere og tolke resultatene.
  • Beherske grunnleggende teknikker for vurdering av hvor gode prediksjonene er, herunder vurdering feilrater og rettferdighetsvurderinger
  • Kunne ta stilling til etiske- og rettferdighetsvurderinger i praktiske anvendelser av teknikkene

 

    Opptak og adgangsregulering

    Studenter må hvert semester søke og få plass på undervisningen og melde seg til eksamen i Studentweb.

    Dersom du ikke allerede har studieplass ved UiO, kan du søke opptak til våre studieprogrammer, eller søke om å bli enkeltemnestudent.

    Forkunnskaper

    Anbefalte forkunnskaper

    Det anbefales at studentene er kjent med grunnleggende kvantitativ metode tilsvarende et metodeemne på 10 studiepoeng, som f.eks. SOSGEO1120. Undervisningen vil forutsette kjennskap til grunnleggende statistikk og regresjonsanalyse.

    Undervisning

    • Videoer, forelesninger og seminarer

    Obligatorisk aktivitet

    • Obligatorisk oppmøte på første samling
    • Gruppeoppgave med muntlig fremlegging. Oppgaven gis godkjent/ikke-godkjent. Hvis ikke godkjent må det leveres inn revidert versjon innen en uke. (Instruksjoner gis på forelesning)
    • I forkant skal det gis skriftlige kommentarer på andres oppgaver

    Forelesninger

    Forelesningene tar ikke sikte på å dekke hele pensum, men har som siktemål å sette noen rammer for å forstå sentrale deler av pensum og knytte til de praktiske øvelsene i seminarene. 

    Fravær fra obligatorisk aktivitet

    Ved sykdom eller andre tungtveiende grunner kan du i noen tilfeller få godkjent gyldig fravær eller utsettelse av obligatorisk aktivitet.

    Eksamen

    • 4 timers skriftlig hjemmeeksamen

    Våren 2021 blir eksamen avviklet som en 4 timers hjemmeeksamen i Inspera. Alle hjelpemidler er tillatt.
     

    Eksamen vil inkludere praktisk bruk av softwaren R og Rstudio.

    Digital skoleeksamen

    Skoleeksamen utføres i det digitale eksamenssystemet Inspera. Du må gjøre deg kjent med gjennomføringen av digital eksamen i Inspera.

    Les mer om digital skoleeksamen.

    Innlevering i Inspera

    Du leverer din besvarelse i det digitale eksamenssystemet Inspera. Les informasjon om hvordan du skal levere.

    Kildebruk og referanser

    Ved oppgaveskriving må du gjøre deg kjent med reglene for kildebruk og referanser. Ved brudd på reglene kan du bli mistenkt for fusk/forsøk på fusk.

    Hjelpemidler

    På eksamen kan du ta med deg:

    • Alle R-script som er blitt brukt i kurset

    Eksamensspråk

    Du kan besvare eksamen på norsk, svensk, dansk eller engelsk.

    Karakterskala

    Emnet bruker karakterskala fra A til F, der A er beste karakter og F er stryk. Les mer om karakterskalaen.

    Begrunnelse og klage

    Adgang til ny eller utsatt eksamen

    Vi tilbyr utsatt eksamen samme semester hvis du blir syk eller har annet gyldig forfall på ordinær eksamen.

    Se også informasjon om å ta eksamen på nytt.

    Trekk fra eksamen

    Det er mulig å ta eksamen i emnet inntil tre ganger. Dersom du trekker deg fra eksamen etter fristen eller under eksamen, bruker du et eksamensforsøk.

    Tilrettelagt eksamen

    Søknadskjema, krav og frist for tilrettelagt eksamen.

    Evaluering av emnet

    Vi gjennomfører fortløpende evaluering av emnet, og med jevne mellomrom ber vi studentene delta i en mer omfattende evaluering.

    Fakta om emnet

    Studiepoeng
    10
    Nivå
    Bachelor
    Undervisning

    Emnet tilbys ikke våren 2022.

    Eksamen

    Emnet tilbys ikke våren 2022.

    Undervisningsspråk
    Norsk

    Kontakt

    SV-info