MAMO3100 Statistical analysis Course description

The course will enable students to utilize central statistical methods og models in modern quantitative analysis and gives an introduction to statistical thinking. The students learn how different regression models are used to understand relationships in data and to perform such analyses in Python. Students will, in addition, gain insight into methods for analyzing and explaining black-box prediction models, refered to as explainable artificial intelligence (XAI).

Retten til å avlegge eksamen forutsetter godkjente arbeidskrav, deltakelse i obligatoriske aktiviteter og tilstedeværelse i undervisningen.

Arbeidskrav

• Skriftlig innlevering i gruppe omfang 1500 ord +/- ti prosent. Tema: pedagogisk ledelse og de yngste barnas utvikling, lek og læring. Formålet er utvidet kunnskap om pedagogisk ledelse av arbeidet med de yngste barnas utvikling, lek og læring.

Obligatoriske aktiviteter med krav til aktiv deltakelse og medstudentvurderinger

• Deltakelse i debattseminar. Formålet er at studenten kan anvende profesjonell dømmekraft, sin pedagogiske kunnskap, og reflektere faglig over praktiske og teoretiske problemstillinger samt argumentere og debattere muntlig.
• Deltakelse i praksisseminar i forkant og etterkant av praksisperiodene. Formålet er at studentene skal være godt forberedt før praksisperioden og at studentene skal reflektere og knytte erfaringer fra praksis til undervisning.

Krav om 80 prosent tilstedeværelse i undervisning

Utfyllende informasjon om arbeidskrav, obligatoriske aktiviteter og krav til tilstedeværelse i undervisningen finnes i programplanen for bachelorstudiet i barnehagelærerutdanning, deltid.

None

After completing the course, the student is expected to have achieved the following learning outcomes defined in terms of knowledge, skills and general competence.

Knowledge

The student can:

• explain fundamental concepts in regression analysis such as explanatory variables, response variable, explained variance, prediction intervals and the least squares method
• know of maximum likelihood estimation, likelihood ratio test, bootstrapping and generalized linear models
• explain how machine learning methods are trained, validated, and evaluated
• explain the difference between local and global explanations, and how the explainability methods partial dependence plot, accumulated local effects plot, Friedman's H-statistic, and surrogate models work.

Skills

The student can:

• use linear and logistic regression to study the relationship between one or more explanatory variables and a response variable
• fit an appropriate regression model by studying the model's residuals and, if necessary, attempt various variable transformations and variable selection
• formulate and perform hypotheses tests and calculate confidence intervals for parameters in a regression model
• identify the most important predictors in a model using explainable artificial intelligence (XAI)
• write source code to perform calculations for regression analyses and XAI in Python

General competence

The student can:

• apply statistical thinking to real-world problems and communicate these both in writing and orally
• solve real-world problems using regression analysis, machine learning and XAI
• identify the limitations of the methods and assess similarities and differences with methods from mathematical modeling, numerical analysis, and machine learning

Lectures and individual exercises. The exercise sessions will consist of both problem-solving and programming.

The following coursework is mandatory and must be approved to be eligible for the exam:

Three mandatory assignments, of which at least two must be approved. The work is done in groups of 1-4 members.

Individual written exam of 3 hours under supervision.

The exam result can be appealed.

In the event of resit or rescheduled exams, another exam form may also be used. If oral exams are used, the result cannot be appealed.

All written and printed aids are allowed. Handheld calculator that cannot be used for wireless communication or to perform symbolic calculations. If the calculator has the capability for internal memory storage, the memory must be cleared before the exam. Random checks may be carried out.

Kunnskapsområdet omfatter barnehagepedagogiske temaer som bidrar til å skape et inkluderende fellesskap preget av omsorg, trygghet, anerkjennelse, medvirkning og utforsking. Gjennom kunnskapsområdet skal studenten utvikle sine faglige kritiske refleksjoner. Kunnskapsområdet legger særlig vekt på de yngste barnas utvikling, lek og læring. Ved å gå i dybden av barnehagens komplekse sammensatte arbeidsområder, rettes det særlig oppmerksomhet mot profesjonsetiske dilemmaer.

Kunnskapsområdet tematiserer samspillet mellom mennesker og mellom mennesker og omgivelser, og bidrar til utvikling av kritisk og demokratisk tenkning. En mangfoldig og flerkulturell barnehage der kunnskap om etnisitet, urfolk, likeverd, inkludering, kjønn, likestilling og globalisering er en forutsetning for demokratisk forståelse. Gjennom kunnskapsområdet skal studenten utvikle faglige kvalifikasjoner til pedagogisk ledelse og ledelse i barnehagen, og vise at pedagogisk ledelse innebærer profesjonsetisk bevissthet, og bruk av dømmekraft og faglig skjønn.

Kunnskap

Studenten har kunnskap om

• barn i vanskelige livssituasjoner og barn med behov for særskilt støtte og omsorg
• tverrfaglig samarbeid og ulike samarbeidspartnere
• de yngste barna i barnehage
• en mangfoldig og flerkulturell barnehage i globale perspektiver som grunnlag for demokratisk forståelse
• pedagogisk ledelse, kritisk refleksjon og veiledning

Ferdigheter

Studenten kan

• utøve og vurdere egen profesjonalitet i sitt arbeid med barn ved å se, lytte, møte og støtte barns nysgjerrighet og skapende uttrykk i allsidige leke -og læringsopplevelser
• lede didaktiske refleksjonsprosesser i planlegging, gjennomføring og evaluering av eget og andres pedagogiske arbeid
• anvende ulike metodiske tilnærminger som observasjon, kritisk refleksjon, dialogisk kompetanse og pedagogisk dokumentasjon i sitt pedagogiske arbeid
• kan praktisere akademisk skriving i forhold til kritisk teori og refleksjon, og kan reflektere over sammenhenger mellom teori og praksis
• kan ta stilling til og vurdere barnehagens samarbeid med hjem og skole og interne overganger i barnehagen
• kan planlegge, begrunne, gjennomføre og vurdere pedagogisk ledelse og veiledning
• kan legge til rette for et miljø som fremmer og ivaretar lek

Generell kompetanse

Studenten kan

• anvende profesjonell dømmekraft, pedagogiske kunnskap, og reflektere faglig over praktiske og teoretiske problemstillinger
• analysere og reflektere kritisk over maktforhold som har innvirkning på pedagogisk virksomhet
• vise etisk og faglig innsikt gjennom refleksjon over barns integritet basert på forståelse av demokrati, likeverd og likestilling
• gjennom observasjon og pedagogisk dokumentasjon, planlegge og legge til rette for et leke- og læringsmiljø for alle barn i en mangfoldig barnehage

Arbeidsmåtene i studiet bygger på studentenes erfaringsbaserte og praksisnære kunnskap og skal bidra til å åpne for refleksjon og læreprosesser. Studiet inneholder en stor grad av selvstudier og det forutsettes at studenten møter forberedt til alle samlinger. Studenten veksler mellom ulike læringsarenaer, og studentaktiviteter foregår både på universitetet, på arbeidsplassen og ved bruk av digitale læringsplattformer (LMS).

Det legges opp til varierte undervisnings- og arbeidsformer i forpliktende samarbeid med arbeidsplassen, eksempelvis individuelt arbeid, gruppearbeid, seminar, praktiske øvelser, workshop, turer og ekskursjoner, forelesninger og veiledning.

Praksis

Praksisstudiet fordrer at studentene benytter arbeidsformer som understøtter læringsutbyttebeskrivelsene i og på tvers av kunnskapsområder. Praksisstudiet skal bidra til selvstendighet, trygghet og til å kunne ta ansvar i utøvelse av pedagogisk ledelse og faglig arbeid i barnehagen med en særlig vektlegging av profesjonsetiske problemstillinger.

Fordeling av praksisperiodene.

Femte semester: 15 dager på eget arbeidsted, veiledet og vurdert av faglærer i samarbeid med mentor. Dagene fordeles i utgangspunktet med 3 dager i fem uker og kombineres med ordinære samlinger og knyttes opp mot arbeidskravet.

Muntlig presentasjon i gruppe, 4-6 , varighet 30 minutter. Gruppen får utdelt ett case to uker før eksamen. Gruppene forbereder et rollespill hvor pedagogisk ledelse, kritisk refleksjon og veiledning står sentralt. Varighet rollespill ca. 20 minutter med påfølgende refleksjonssamtale knyttet til teori med sensor varighet ca. 10 minutter.

Ny/utsatt eksamen arrangeres som ordinær eksamen. Hvis det kun er en kandidat som skal ta ny/utsatt eksamen, arrangeres den som en individuell muntlig presentasjon. En muntlig presentasjon, varighet ca. 10 minutter med påfølgende refleksjonssamtale knyttet til teori med sensor, varighet ca. 5 minutter.

Studentens rettigheter og plikter ved ny/utsatt eksamen framgår av forskrift om studier og eksamen ved OsloMet. Studenter er selv ansvarlige for å melde seg opp.