NATA6110 Natural Sciences 1 for Lower Secondary School, Subject 1 Course description

Over de siste tiårene har en kausal revolusjon på tvers av disipliner sammenfalt med stadig bedre tilgang til store datasett, økt beregningskraft i datamaskiner og utvikling av nye statistiske metoder. ‘Statistiske metoder og analysedesign’ gir deltakerne en bred oversikt over ulike statistiske metoder, samt muligheten til å gå i dybden på en eller flere av disse metodene. Emnet legger vekt på styrker og svakheter ved metodene og hvilke metoder som passer best til forskjellige typer datamaterialer og forskningsspørsmål.

x

Etter fullført emne har kandidaten følgende læringsutbytte, definert som kunnskap, ferdigheter og generell kompetanse:

Kunnskap

• Har god kjennskap til ulike typer kvantitative datamaterialer (panel, tverrsnitt, tidsserier, etc.), og styrker og svakheter ved disse.
• Har inngående kunnskap over hvilke statistiske analyseteknikker som egner seg best til spesifikke datamaterialer og forskningsspørsmål.
• Vet forskjellen mellom statistiske sammenhenger og kausale sammenhenger.

Ferdigheter

• Kan analysere kvantitative datasett ved hjelp av lineær regresjonsmodell.
• Kan tolke resultatene fra en lineær regresjonsmodell på en overbevisende måte.
• Kan bruke ulike typer kausale analyseteknikker (f.eks. individnivå fasteffekt og «regression discontinuity»).
• Kan presentere statistiske resultater i forskningsartikler.

Generell kompetanse

• Være bevisst rundt forskningsetiske prinsipper om åpenhet, etterprøvbarhet og etterrettelighet.
• Har kompetanse til å diskutere på hvilken måte statistiske analyser bidrar med noe nytt til forskningslitteraturen.
• Kan kritisk vurdere styrker og svakheter ved ulike statistiske analyseteknikker.

Emnet gjennomføres som en kombinasjon av (i) forelesninger m/diskusjon og gruppearbeid, og (ii) arbeid i laben.

Forelesningene vil både dekke generelle temaer innen anvendt statistikk, samt gå mer i dybden på enkelte statistiske metoder. Det er bakt inn en del fleksibilitet i undervisningsplanen, slik at vi har mulighet til å dekke andre potensielle statistiske metoder etter ønske fra deltakerne. Fokuset er gjennomgående på styrker og svakheter ved de ulike analyseteknikkene.

Undervisningen i lab foregår i statistikkprogrammet Stata. Deltakerne kan benytte seg av andre programmer (f.eks. R, SAS eller SPSS), men undervisningen vil ikke bli tilrettelagt for noe annet program enn Stata. Det anbefales derfor å gjøre seg kjent med Stata i forkant av kurset. Søkere som har lite eller ingen erfaring med Stata, bør ta forkurset «Statistikk med Stata – forkurs til PHDPR9800».

Vi kommer til å benytte oss av åpent tilgjengelige datasett, og deltakerne trenger ikke tilgang til sitt eget datamateriale. Men det vil selvsagt være en fordel å kunne teste ut noen av analyseteknikkene på sitt eget datamateriale, og da særlig mot slutten av undervisningen når deltakerne skal starte med oppgaven/ paperskissen.

Emnet går over 6 dager fordelt på tre uker, med undervisning/lab ca. kl. 10—16.

Aktiv deltakelse både i undervisning og i laben er en forutsetning for å få fullt utbytte av emnet. Etter første uke med undervisning, skal deltakerne levere inn en besvarelse (på omtrent 2-4 sider) på en lab-oppgave. Arbeidskravet vurderes til godkjent/ikke godkjent. I etterkant av undervisning skal deltakerne levere en oppgave/ paperskisse. Dette arbeidskravet vurderes også til godkjent/ikke godkjent. Se under for mer informasjon.

Det er satt et krav om obligatorisk tilstedeværelse på 80 prosent, dvs. at man kan maksimalt gå glipp av én undervisningsdag. Ved helt spesielle omstendigheter kan deltakere få innvilget søknad om fritak fra tilstedeværelseskravet. I slike tilfeller må deltaker kompensere for fravær ved hjelp av flere innleveringer og skriftlige oppsummeringer av utvalgte pensumtekster.

Arbeidskrav vurderes til godkjent eller ikke godkjent.

Godkjent deltakelse på emnet, bestått lab-besvarelse og bestått oppgave gir 10 studiepoeng. Deltakerne skal skrive og levere inn en oppgave/ paperskisse på ca. 15 sider, med skriftstørrelse 12 og dobbel linjeavstand. Temaet er valgfritt, men bør aller helst være nært forbundet med ph.d.- (eller mastergrads-) prosjektet som deltakeren er i gang med. Oppgaven/ paperskissen leveres senest to måneder etter siste undervisningsdag. Oppgaven vurderes til bestått/ikke bestått. En presis problemstilling, overbevisende bruk av pensumlitteratur, samt metodisk kompetanse vektlegges i vurderingen. Innleverte oppgaver som vurderes til ‘ikke bestått’ kan leveres inn på nytt i en revidert form/versjon, én gang innen en nærmere angitt frist.

Bestått oppgave er en forutsetning for å oppnå 10 studiepoeng.

Vurderingen av innlevert oppgave gjøres på grunnlag av læringsutbyttebeskrivelser for emnet. Deltakerne får skriftlige kommentarer og tilbakemeldinger på oppgaven/ paperskissen, i en stil som minner om fagfellevurdering.

Det gis ikke anledning til forlengelse av innleveringsfristen. Unntak er sykdom som dokumenteres med sykemelding. Etter søknad kan det gis utsettelse tilsvarende den dokumenterte sykdomsperioden.

Hjelpemidler til vurdering/eksamen

Alle

Klageadgang

Bestemmelser om eksamen og fusk i forskrift om studier og eksamen ved OsloMet gjelder for arbeider som inngår i ph.d.-programmets opplæringsdel.

Det er en forutsetning med forkunnskaper innen statistiske metoder, f.eks. å ha gjennomført mastergradsemner i statistikk, evt. jobberfaring der statistiske analyser var en del av stillingen.

For søkere som har lite erfaring med statistiske metoder og statistikkprogrammet Stata, anbefales forkurset «Statistikk med Stata – forkurs til PHDPR9800» som går over to dager.

Emnet er primært for stipendiater som er tatt opp i et ph.d.-program ved OsloMet - storbyuniversitetet. Ved ledige plasser er emnet åpent for andre interesserte med mastergrad eller tilsvarende utdanning. OsloMet-ansatte og -studenter prioriteres ved opptak.

Opptakskrav

• Bestått mastergrad (120 studiepoeng) eller tilsvarende utdanning.
• Søkere må sende inn et sammendrag på om lag én A4-side med informasjon om eget ph.d.-prosjekt. Sammendraget sendes inn innen søknadsfristens utløp.

Dersom det er ledige plasser, vil det åpnes for at (i) stipendiater ved andre ph.d.-programmer, (ii) mastergradsstudenter ved OsloMet, (iii) ansatte ved OsloMet, og (iv) mastergradsstudenter ved andre læresteder kan delta, i prioritert rekkefølge.

‘Statistiske metoder og analysedesign’ starter med generell informasjon og en kort repetisjon av nøkkelbegreper innen anvendt statistikk (f.eks. gjennomsnitt, median, standardavvik, signifikanstesting, etc.). Forskjeller mellom statistiske sammenhenger og kausale sammenhenger vil bli diskutert med utgangspunkt i Directed Acyclic Graphs (DAGs), etterfulgt av en relativt grundig gjennomgang av lineær- og logistisk regresjonsanalyse, siden disse teknikkene er sentrale byggeklosser for flere av de mer ‘avanserte’ statistiske metodene. Ulike typer kausale metoder vil bli dekket, inkludert forskjellige fasteffektmodeller Difference-in-Difference, propensity score matching og regression discontinuity. Vi kommer også til å kort gå gjennom flernivåanalyse. Det veksles mellom klasseromsundervisning (inkl. diskusjon og gruppearbeid) og arbeid i laben.

Eksamen vurderes av to interne sensorer. Eksamensordningen blir vurdert av tilsynssensor.

x