Social Network Analysis Visualization by MartinGrandjean CC BY-SA 3.0

Enrol
13.12.2018 at 09:00 - 15.1.2019 at 23:59
Moodle
Log in to view the registration key for Moodle.

Timetable

Here is the course’s teaching schedule. Check the description for possible other schedules.

DateTimeLocation
Wed 16.1.2019
14:15 - 15:45
Wed 23.1.2019
14:15 - 15:45
Wed 30.1.2019
14:15 - 15:45
Wed 6.2.2019
14:15 - 15:45
Wed 13.2.2019
14:15 - 15:45
Wed 20.2.2019
14:15 - 15:45
Wed 27.2.2019
14:15 - 15:45

Other teaching

15.01. - 26.02.2019 Tue 12.15-13.45
Arho Toikka
Teaching language: Finnish
15.01. - 26.02.2019 Tue 10.15-11.45
Arho Toikka
Teaching language: Finnish
17.01. - 28.02.2019 Thu 10.15-11.45
Mia Silfver-Kuhalampi
Teaching language: Finnish
17.01. - 28.02.2019 Thu 12.15-13.45
Niina Metsä-Simola
Teaching language: Finnish
16.01. - 27.02.2019 Wed 12.15-13.45
Mia Silfver-Kuhalampi
Teaching language: Finnish
16.01. - 27.02.2019 Wed 12.15-13.45
Arho Toikka
Teaching language: Finnish

Description

Sosiaalitieteen kandiohjelman opiskelijat sekä yhteiskuntapolitiikan, sosiologian, sosiaalipsykologian sekä sosiaalityön vanhoilla opintovaatimuksilla opiskelevat. Tilan salliessa tilastotieteen pääaineopiskelijat.

Johdatus yhteiskuntatilastotieteeseen, osa 1 (5 op, VALT-103)

Johdatus yhteiskuntatilastotieteeseen, osa 2 (5 op, VALT-104)

Suositeltavat edeltävät opinnot:

DIGI-000A Opiskelijan digitaidot: orientaatio (2 op, yliopisto)

DIGI-000B Opiskelijan digitaidot: syventävät taidot (1 op, yliopisto)

Opintojakson suoritettuaan opiskelija ymmärtää tilastollisten tiedonkeruu-, analyysi- ja mallintamismenetelmien merkityksen sosiaalitutkimuksen näkökulmasta. Hän ymmärtää myös erilaisten tutkimusasetelmien mahdollisuudet sosiaalitutkimuksessa sekä hallitsee opintojakson sisältöön kuuluvat peruskäsitteet. Opiskelija osaa tehdä ristiintaulukointia sekä regressio-, varianssija faktorianalyysia sosiaalitutkimuksen alaan liittyvistä kvantitatiivisista aineistoista sekä lukea ja tulkita oman alansa tieteellisiä artikkeleita, joissa on sovellettu tilastollisia menetelmiä. Opintojakson asiat ovat monelta osin työelämätaitoja.

2. opintovuosi, 3. periodi

Opintojakso koostuu teemoista, joilla syvennetään edeltävien menetelmäopintojen perustietoja ja -taitoja. Teemat ja näitä tukevat tietokoneharjoitukset liittyvät läheisesti tilastollisen sosiaalitutkimuksen keskeisiin aihepiireihin kuten erilaisiin tutkimusasetelmiin, näissä ilmeneviin tiedon keruun ja mittauksen haasteisiin, tilastolliseen aineistoon tutustumisen menetelmiin, tiedon puuttuvuusongelmien havaitsemiseen sekä erilaisiin tyypillisiin näillä aloilla sovellettuihin tilastollisiin menetelmiin kuten esimerkiksi ristiintaulukointiin, regressio-, varianssi- ja faktorianalyysiin.

Opettajien laatimat kurssimateriaalit, saatavilla kurssin verkkoalustalta.

Asteikolla 0-5 (0 = hylätty, 1 = välttävä, 2 = tyydyttävä, 3 = hyvä, 4 = kiitettävä, 5 = erinomainen)

Harjoitukset ovat avoimia ja pakollisia sosiaalitieteen kandiohjelman opiskelijoille ja vanhoilla tutkimusvaatimuksilla tutkintoa suorittaville sosiaalipsykologian, sosiaalityön, sosiologian sekä yhteiskuntapolitiikan opiskelijoille. Kurssilla on mahdollista suorittaa vanhojen tutkintovaatimusten korvaavat harjoitus- ja luento-osat tai molemmat kurssin alussa opastettavalla tavalla.

Osa ryhmistä opetetaan R-tilastokielellä, osa SPSS-ohjelmistolla.

R-tilastokieli on ohjelmointipohjainen ja siten ehkä alkuunpääsyn osalta hieman vaativampi, mutta menetelmävalikoimaltaan rikkaampi - R mahdollistaa mm. tekstiaineistojen laadullisen analyysin, monipuolisen heterogeenisen aineiston käsittelyn ja uusimmat tilastolliset menetelmät. SPSS on valikkopohjainen ja jossain mielessä siksi yksinkertaisempi, ja tekee vain ne asiat ja menetelmät, jotka IBM on ohjelmistoon koodannut - mutta tekee toki ne hyvin. Ennakko-osaamista ohjelmistoista ei kummassakaan vaadita ja harjoitukset ovat suunniteltu siten, että ne pystyy aloittelijatasolta tekemään.

Jokainen suorittaa siis kokonaisuuden, joka koostuu luennoista, ja yhdessä ryhmässä tehtävistä harjoituksista. Ilmottaudu siis sekä luennoille että yhteen harjoitusryhmään.

Kurssi koostuu lähiopetuksesta luentosalissa ja tietokoneluokassa sekä toiminnasta verkkoympäristössä. Tiivis lähiopetusjakso toteutetaan yhteistyössä kandiohjelman menetelmäopettajien ja tiedekunnan menetelmäkeskuksen tilastotieteen opettajien kanssa.