Lärandemål
Efter avslutad kurs ska studenten kunna
- Redogöra för och visa förståelse för vikten av olika typer av data och olika former av datainsamling
- Använda och utvärdera olika typer av data och olika former av datainsamling
- Identifiera viktiga faktorer som bidrar till datakvalitet och datainsamlingskvalitet
- Utveckla och utvärdera ett nytt datainsamlingssystem
- Säkerställa att datainsamlingen går att repetera i ett annat sammanhang
- Kritiskt bedöma vikten av metadata
- Redogöra för och visa förståelse för innebörden av lagar som reglerar lagring av data
Innehåll
Kursen behandlar olika typer av data samt olika former av datainsamling, som exempelvis insamling av data över tid, data som samlats in med hjälp av olika sensorer, urvalsundersökningar och experiment.
Under kursen behandlas lagar som styr datainsamling, strategier som kan användas för att kunna få en bättre datainsamling och datakvalitet samt hur insamling och lagring av data hänger ihop.
Examinationsformer
Individuellt projekt, genomförande och rapportering, 3 hp, laborationsrapporter, 2 hp samt individuella uppgifter, 2,5 hp.
En förutsättning för att examineras är att studenten deltagit aktivt vid minst
två tredjedelar av schemalagda laborationer.
Arbetsformer
Föreläsningar, laborationer, projekt och seminarier.
Betyg
Som betygsskala används U–VG.
Laborationsrapporter U-G.
Slutbetyget på kursen sätts efter en samlad bedömning av examinator.
Förkunskapskrav
- Kandidatexamen 180 hp i ämnet statistik, nationalekonomi, företagsekonomi, datavetenskap, informationssystem eller informationshantering samt Engelska 6
Övrigt
Ersätter ST3012.