SOS2900 – Algoritmer, store data og samfunnsendring

Timeplan, pensum og eksamensdato

Velg semester

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.

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 forståelse av lineær regresjon. Det anbefales sterkt å ha fullført SOS1120, SOSGEO1120 eller tilsvarende grunnkurs i kvantitative metoder.

Hva lærer du?

Kunnskap

Etter endt kurs skal du:

  • Kjenne noen avvikssosiologiske perspektiver
  • Kjenne noen viktige prinsipper for maskinlæring
  • Kjenne til sentrale utfordringer for vurdering av prediksjoner
  • Kunne anvende kunnskapen om data og algoritmer til å diskutere nye anvendelser

Ferdigheter

Etter endt kurs skal du:

  • Beherske grunnleggende teknikker for databearbeiding for analyse i R
  • Kunne gjennomføre egne klassifikasjons- og prediksjonsanalyser
  • Beherske grunnleggende teknikker for vurdering av hvor gode prediksjonene er

Generell kompetanse

Etter endt kurs skal du:

  • Ha en generell innsikt i grunnleggende maskinlæring
  • Ha innsikt i prinsipper for out-of-sample prediksjoner, herunder vurdering av feilrater og uintenderte konsekvenser, og hvordan man kan undersøke bias i prediksjoner
  • Utvikle selvstendig og kritisk tenkning om konsekvenser av anvendelser av maskinlæring for sosiale problemer
  • 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. SOS1120 eller SOSGEO1120. Undervisningen vil forutsette kjennskap til grunnleggende statistikk og regresjonsanalyse.

Undervisning

  • Forelesninger og hjemmeoppgaver

Obligatorisk aktivitet

  • Obligatorisk oppmøte på første forelesning
  • 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 (såkalt «hverandrevurdering»)

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 skoleeksamen

Eksamen vil inkludere bruk av statistikkpakken 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.

Hjelpemidler

Det er tillatt å bruke ordbok på eksamen. Ordboken skal kontrolleres av SV-info på forhånd. Se regler for bruk av ordbok.

På eksamen kan du ta med deg:

  • Alle R-script som er blitt brukt i seminarene
  • Boken « Machine Learning Risk Assessments in Criminal Justice Settings» (Berk 2019)

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

Du bør be om begrunnelse for karakteren før du bestemmer deg for å klage.

Klage

Begrunnelse

Fristen for å be om begrunnelse er en uke etter at karakteren er kunngjort. For muntlige og praktiske eksamener er fristen straks etter at du har fått vite karakteren din.

Du skal normalt få begrunnelsen innen to uker etter at du har bedt om den. Sensor avgjør om begrunnelsen blir gitt skriftlig eller muntlig.

Begrunnelsen sendes ut i Inspera.

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

Hver vår

Eksamen

Hver vår

Undervisningsspråk

Norsk

Kontakt

SV-info