Mål
Efter avslutad kurs ska studenten kunna
- Redogöra för och förstå 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
- Kritisk bedöma vikten av metadata
- Redogöra för och förstå 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, demografiska 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 (U-G), laborationsrapporter, 2 hp (U-G) samt individuella uppgifter, 2,5 hp (U-VG). En förutsättning för examination är att studenten aktivt deltar vid åtminstone två tredjedelar av schemalagda föreläsningar, övningar och möten.
Arbetsformer
Föreläsningar, laborationer, projekt och seminarier.
Betyg
Som betygsskala används U–VG.
Slutbetyget på kursen sätts efter en samlad bedömning av examinator.
Förkunskapskrav
- Kandidatexamen (Statistik, Informatik, Datateknik eller motsvarnde) inkl kurserna
- Databassystem 7,5 hp, grundnivå 1
- Data Analys och Statistik I 7,5 hp eller motsvarande kunskaper
- Objektorienterad programmering, 7,5 hp, grundnivå
Övrigt
Maximalt fem examinationstillfällen.
Litteratur
- Aktuella forsknings- och nyhetsartiklar inom området.
Övrigt: 200 sidor - Sapsford, R., Jupp, V.. (2006) Data collection and analysis. 2 uppl. London : SAGE Publications in association with the Open University. (332 s). ISBN 978-0-7619-4362-4