KRS4105 – Kvantitativ metode
Beskrivelse av emnet
Kort om emnet
Dette er et videregående kurs i kvantitative metoder rettet mot samfunnsvitenskap. Emnet gir en innføring av ulike aspekter ved forskningsprosessen, med særlig vekt på anvendelse av lineære regresjonsmodeller. Emnet er delt i tre hovedbolker. Den første er en introduksjonsdel, som gir en kort innføring i kvantitativ analyse, praktiske øvelser i R/RStudio, samt en introduksjon til norsk kriminalstistikk og innsikt i hvordan denne kan (og ikke kan) benyttes i kvantitativ kriminologisk forskning. I den andre, og mest omfattende, bolken lærer studentene kjerneprinsippene i lineær regresjonsanalyse. De får også en kort innføring i generaliserte lineære modeller (GLM) og i hvordan usikkerhet i estimater kan kvanifiseres og kommuniseres. Den siste bolken introduserer den kontrafaktiske kausalitetsmodellen og vi diskuterer hvordan kausalitet og korrelasjon kan skilles statistisk i ulike eksperimentelle og kvasieksperimentelle design. Det vil gjennomgående legges vekt på empiriske eksempler både fra kriminologi og ulike samfunnsvitenskapelige fag.
Emnet skal gi studentene en grundig forståelse av begreper, problemstillinger og arbeidsmetoder innen kvantitativ samfunnsvitenskapelig analyse, med fokus på lineær og logistisk regresjon. Emnet skal også gi studentene en grunnleggende forståelse av den norske kriminalstatistikkens innhold, anvendelsesområde og begrensninger. Etter gjennomføring av emnet skal studentene være i stand til å vurdere hvilke statistiske metoder som er egnet for å belyse ulike problemstillinger, kunne bygge opp, gjennomføre og anvende resultatene fra en lineær regresjonsanalyse, og kritisk kunne lese og vurdere resultater ved ulike forskningsdesign og fra ulike typer statistiske analyser. Studentene skal også kunne beskrive viktige egenskaper ved norsk kriminalstatistikk og vurdere hvilke spørsmål denne er mer og mindre egnet til å belyse.
Hva lærer du?
Kunnskap, du skal ha kjennskap til:
- Bruk av regresjonsanalyse for å analysere samfunnsvitenskapelige problemstillinger
- Mulighetene og begrensningene i ulike regresjonsbaserte tilnærminger
- Grunnbegreper i kausal analyse
- Hvordan du kan lese empiriske studier kritisk og diskutere og vurdere metoden som er brukt
- Innhold, muligheter og begrensninger ved norsk kriminalstatistikk
Ferdigheter, du skal vise at du kan:
- Å bruke samfunnsvitenskapelig metode og statistisk analyse til å belyse en problemstilling
- Å videreutvikle evnen til å vurdere hvilken statistisk metode som passer for å belyse en problemstilling
- Å vurdere fordeler og ulemper ved ulike metodiske tilnærminger
- Å sette opp, gjennomføre, tolke og anvende resultatene av en regresjonsanalyse
- Å bruke statistikkverktøyet R/RStudio til forskningsformål
Generell kompetanse, du forbedrer din evne til å:
- Kritisk vurdere resultater ved ulike forskningsdesign og fra ulike typer statistiske analyser
- Orientere deg blant ulike metoder, og velge den metoden som står til problemstillingen
- Sette opp og gjennomføre kvantitative forskningsdesign med fokus på lineær regresjonsanalyse
- Være bevisst forskjellen på dokumenterbar kunnskap og meningsytringer
Opptak til emnet
Emnet inngår i studieprogrammet Kriminologi (master) og Rettssosiologi (master)
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.
Anbefalte forkunnskaper
Overlappende emner
- 5 studiepoeng overlapp med KRIM4103 – Metode (nedlagt).
- 5 studiepoeng overlapp med RSOS4103 – Metode (nedlagt).
Undervisning
Forelesninger (12x2 timer) med obligatorisk oppmøte på 8 av 12 forelesninger. Forelesningene gjennomføres i PC-lab og tiden fordeles mellom tavleundervisning og praktisk gjennomføring av analyser i R/RStudio.
Dette emnet har obligatoriske arbeidskrav:
- obligatorisk oppmøte på 8 av 12 forelesninger
- gruppearbeidet skal presenteres skriftlig i en rapport på inntil 15 sider. I en av de siste møtene skal gruppene legge frem prosjektene sine og vi diskuterer prosess og resultat.
Eksamen
Emnet har 3 dager hjemmeeksamen og muntlig eksamen.
Obligatoriske arbeidskrav må være godkjent før man kan fremstille seg til eksamen. Godkjenning av obligatoriske arbeidskrav foreldes ikke.
Ordgrensen for denne eksamenen er 4000 ord. Forside, innholdsfortegnelse, kode, tabeller, figurer og litteraturliste kommer i tillegg.
Besvarelser på over 4000 ord kan bli avvist.
Det kreves korrekte henvisninger til alle kilder. Gjør deg kjent med reglene for kildebruk og referanser. Bruk av andres materiale på eksamen uten å henvise på en riktig og tydelig måte kan bli ansett som fusk eller forsøk på fusk. Du må henvise til alle kilder du bruker. Se eksempel på hvordan du refererer riktig.
Muntlig eksamen holdes i etterkant av hjemmeeksamen og vil være en diskusjon av oppgaven og høring av studenten i pensum. Muntlig eksamen (ca 20 min pr kandidat) skal også kontrollere at studenten har skrevet oppgaven. Studenten får en gradert karakter etter skriftlig eksamen som kan justeres etter muntlig eksamen. Foreløpig sensur og tid og sted for muntlig eksamen publiseres i Canvas dagen før.
Hjelpemidler til eksamen
Særlig om bruk av kunstig intelligens på eksamen:
- Bruk av kunstig intelligens som hjelpemiddel når du skriver oppgaven må overholde UiOs grunnregler for bruk av KI, og etiske spørsmål ved bruk av KIskal vurderes.
- KI-bruk skal forklares og/eller dokumenteres. Jo mer KI er brukt i utvikling av teksten, jo større forventninger er det til dokumentasjon og refleksjon rundt bruken. Tekst generert av KI-verktøy regnes ikke som en kilde i akademisk sammenheng.
- Fusk: KI-bruk kan innebære fusk dersom du for eksempel gir et uriktig inntrykk av selvstendighet, utelater kilder eller oppgir fiktive kilder. For KRS4105, innebærer dette i tillegg at du skal skrive koden selv og kunne forklare hva kommandoene gjør og hvorfor de er egnet for oppgaven du skal løse. Kode som er helt eller delvis generert av KI-verktøy kan ikke regnes som eget arbeid.
Eksamensspråk
Karakterskala
Mer om eksamen ved UiO
- Kildebruk og referanser
- Hvordan bruke KI som student
- Tilrettelegging på eksamen
- Trekk fra eksamen
- Syk på eksamen / utsatt eksamen
- Begrunnelse og klage
- Ta eksamen på nytt
- Fusk/forsøk på fusk
Andre veiledninger og ressurser finner du på fellessiden om eksamen ved UiO.