RABPRA2 Clinical placement - Radiation Therapy Course description

Kunnskap

Studenten har

• inngående kjennskap til relevante analysemetoder innen økonomi og samfunnsfag
• innsikt i bruken av kvantitative data i akademisk arbeid og i arbeidslivet
• forståelse av hvordan modeller brukes i samfunnsvitenskapene
• forståelse av betydningen av problemstilling, kontekst og data for metodevalg

Ferdigheter

Studenten kan

• analysere kvantitative data med relevante teknikker for å besvare forskningsspørsmål
• knytte problemstilling, kontekst og data til metodevalg
• planlegge egne kvantitative undersøkelser og vurdere andres resultater

Generell kompetanse

Studenten kan

• vurdere relevante problemstillinger knyttet til kvantitativ forskningsmetode
• anvende kunnskaper og ferdigheter i innhenting og analyse av aktuelle datakilder
• tolke og formidle resultater fra kvantitative empiriske undersøkelser
• kommunisere om kvantitative problemstillinger med spesialister og til allmennheten

Det vil bli brukt varierte undervisningsformer med en kombinasjon av forelesninger, gjesteforelesninger, diskusjoner i klassen og praktiske øvinger på PC.

Fem innleveringer i grupper med inntil fem deltakere. Det totale antall sider for alle innleveringene skal ikke overstige 20 sider. Alle innleveringer må være godkjent for å kunne ta eksamen i emnet. Dersom innleveringene ikke blir godkjent, gis det mulighet for å levere ny eller forbedret versjon én gang. Faglærer gir informasjon om frister for innlevering.

Skoleeksamen på fire timer holdes i slutten av semesteret.

Kalkulator (se eget reglement).

Gradert skala A-F.

Det benyttes en intern og en ekstern sensor til sensurering av besvarelsene.

Forskningsprosessen:

• ­ Bruk av modeller.
• ­ Validitetsformer, kausalitet.
• ­ Rapportering og presentasjon.

Om kvantitative data:

• ­ Ulike datakilder: eksperiment, survey, naturlige data og registerdata.
• ­ Multi-item mål (sammensatte mål): indekser og skalaer.

Analyse:

• ­ Multippel lineær regresjonsanalyse.
• ­ Logistisk regresjon.
• ­ Faktoranalyse.
• ­ Reliabilitetsanalyse.
• Bruk av statistikkprogrammer.

Lineær regresjonsanalyse:

• Utledning av estimatorer.
• Tolkning av estimater, statistisk usikkerhet.
• Forutsetninger.
  • Forventningsrette og effektive estimatorer.
  • Gauss-Markov-forusetningene.
  • Testing av forutsetninger.
  • Strategier for håndtering av brudd på forutsetninger.
• Modellbyggingsverktøy.
  • Transformasjoner av variabler, ikke-linearitet.
  • Dummyvariabler.
  • Interaksjonsanalyser.

The midway and final assessments are made by the practical training supervisor in cooperation with the contact lecturer. The final decision on whether to award a pass or fail grade is made by the university.