EPN

SFF4110 Knowledge production in social sciences - quantitative methods Course description

Course name in Norwegian
Kunnskapsproduksjon i sosialfag - kvantitativ metode
Study programme
Masterstudium i sosialfag - studieretning barnevern, deltid / Masterstudium i sosialfag - studieretning barnevern / Masterstudium i sosialfag - studieretning familiebehandling, deltid / Masterstudium i sosialfag - studieretning sosialt arbeid, deltid / Masterstudium i sosialfag - studieretning sosialt arbeid
Weight
10.0 ECTS
Year of study
2021/2022
Curriculum
SPRING 2022
Schedule
Course history

Introduction

Emnet gir inngående kjennskap til kvantitative design og statistisk analyse for bruk i egen masteroppgave, muligheter og begrensninger ved ulike kvantitative design, kjennskap til ulike datakilder og kvalitetskrav til studier basert på statistisk analyse innen en samfunnsvitenskapelig forskningstradisjon. 

Emnet omfatter inngående kjennskap til tverrsnittsdesign, tidsdesign, eksperiment og surveymetoden. Studentene vil også få inngående kunnskap om forhold som kan påvirke validiteten og reliabiliteten i en undersøkelse, samt ferdigheter til å vurdere slike forhold. Videre vil studentene både lære og ikke minst praktisere univariate, bivariate og multivariate analyser.

Det vil være et særlig fokus på regresjonsanalyse, og gjennom forelesninger, e-ressurser og seminarer vil studentene få inngående kunnskap om og ferdigheter i bruken av regresjonsbasert analyse, med siktemål om å kunne benytte regresjonsanalyse i egen masteroppgave for de som velger et kvantitativ design.  

Required preliminary courses

Ingen forkunnskapskrav.

Learning outcomes

Etter å ha fullført emnet har kandidatene følgende kunnskaper og ferdigheter:

Kunnskap

Studentene har

  • inngående kunnskap om kvantitative design og hvilken type kunnskap disse kan bidra med
  • avansert kunnskap om ulike metoder for å skape/framskaffe et empirisk materiale, som survey og registerdata
  • inngående kunnskap om kvalitetsvurdering innenfor en kvantitativ tradisjon
  • innsikt i generaliseringsmuligheter av resultater fra kvantitative studier
  • avansert kunnskap om formidling av resultater
  • inngående kunnskap om regresjonsbasert analyse/statistisk analyse

Ferdigheter

Studentene kan

  • reflektere metodologisk rundt sammenhengen mellom forskningsspørsmål og design
  • utvikle forskningsdesign for sin masteroppgave med hensyn til eget forskningsspørsmål
  • anvende statistiske analyseteknikker og tolke resultater fra disse
  • utvikle statistiske analysemodeller med utgangspunkt i teori og empiri
  • reflektere metodologisk rundt sammenhengen mellom forskningsdesign og kunnskapspåstander
  • tilegne seg fordypet kunnskap om valgt metodologisk tilnærming i eget masterprosjekt
  • reflektere metodologisk og kritisk over annen forskningslitteratur
  • vurdere forskningsetiske spørsmål i forbindelse med eget masterprosjekt
  • vurdere hvilke spørsmål som kan undersøkes empirisk

Generell kompetanse

Studentene

  • er kjent med og kan reflektere kritisk over ulike konsekvenser av forskning
  • kan bruke etisk skjønn med hensyn til egen posisjon som forsker og hvordan deltakelse i forskning kan virke intervenerende i menneskers liv
  • kjenner til og kan forholde seg til etiske forskrifter som; korrekt og fullstendig kildeinformasjon, informantanonymisering, konfidensialitet, forskeransvar

Teaching and learning methods

Undervisningen foregår både i form av forelesninger, øvelser med statistikkprogram, e-forelesninger og oppgaver som studentene jobber med på egenhånd og får veiledning i via e-baserte ressurser.   

Course requirements

Ingen arbeidskrav

Assessment

Semesteroppgave med et omfang på maks 10 sider (+/- 10 prosent) inkludert mellomrom. Skrifttype og skriftstørrelse: Calibri 12 pkt. Linjeavstand: 1,5.

Permitted exam materials and equipment

Alle hjelpemidler er tillatt så lenge regler for kildehenvisning følges. 

Grading scale

Gradert skala A - F

Examiners

Det benyttes intern og ekstern sensor til sensurering av besvarelsene. Et uttrekk på minst 25 % av besvarelsene sensureres av to sensorer. Karakterene på disse samsensurerte besvarelsene skal danne grunnlag for å fastsette nivå på resten av besvarelsene.

Course contact person

Åsmund Hermansen