02467 Social informatik

2024/2025

Kurset er en del af bacheloruddannelsen Kunstig Intelligens og Data og er forbeholdt studerende fra denne uddannelse.
Kursusinformation
Computational Social Science
Engelsk
5
Bachelor
Retningsspecifikt kursus (BSc), Kunstig Intelligens og data
Teknologiske linjefag, Kunstig Intelligens og Data
F5A (ons 8-12)
Kurset udbydes første gang i foråret 2021
Campus Lyngby
Forelæsninger samt gruppearbejde med projekter.
13-uger
Ingen eksamen
Bedømmelse af opgave(r)/rapport(er)
Én samlet karakter gives på basis af en helhedsvurdering af øvelser (50%) og afsluttende projektrapport (50%). Specifikt baseres karakteren på bedømmelse af individualiserede grupperapporter.
Alle hjælpemidler - med adgang til internettet
7-trins skala , intern bedømmelse
0280502806
02450
Maksimum: 70
Laura Maria Alessandretti , Tlf. (+45) 4525 3472 , lauale@dtu.dk
01 Institut for Matematik og Computer Science
I studieplanlæggeren
Kontakt underviseren for information om hvorvidt dette kursus giver den studerende mulighed for at lave eller forberede et projekt som kan deltage i DTUs studenterkonference om bæredygtighed, klimateknologi og miljø (GRØN DYST). Se mere på http://www.groendyst.dtu.dk
Overordnede kursusmål
Studerende i dette kursus vil kunne anvende netværksmodellering på lokal, community og global skala. Kan anvende basal tekst-analyse af fx sociale medier. Har viden om privatliv/etik- muligheder/udfordringer ved anvendelse af AI i sociale medier, undervisningssektoren, sundhedssektoren etc.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Forstå historien, metoderne og de grundlæggende principper for computerteknikker i samfundsvidenskabelig forskning.
  • Anvend teknikker til indsamling af store datamængder fra nettet gennem webskrabning og API'er, og fortolk udfordringerne og implikationerne forbundet med forskellige datakilder.
  • Brug state-of-the-art metoder til filtrering, rensning og forberedelse af komplekse og store datasæt til analyse i Python, hvilket sikrer robusthed og pålidelighed i analysen.
  • Forstå karakteristika ved heavy-tailed fordelinger i samfundsvidenskabelige data og udvikle passende metoder til håndtering af sådanne data for at sikre en nøjagtig fortolkning af forskningsresultaterne.
  • Brug netværksanalyse til at modellere sociale relationer, opdage fællesskaber og anvende metrikker til at forstå netværksstrukturer inden for samfundsvidenskabelige data.
  • Anvend teknikker til at analysere tekstdata, herunder brug af NLTK til virkelige applikationer og udforskning af metoder som TF-IDF til at forstå karakteristika ved tekstdata.
  • Anvend tilfældige nulmodeller til kritisk at vurdere den statistiske signifikans af empiriske observationer i netværks- og tekstdataanalyser, hvilket sikrer en grundig evaluering af resultater fra forskning i samfundsvidenskabelig computerteknik.
  • Udvikle og anvende overbevisende visualiseringer for både enkelt- og flervariable datasæt, hvilket forbedrer udforskningen og præsentationen af samfundsvidenskabelige data.
  • Identificer og adresser bekymringer relateret til databeskyttelse, bias og ansvarlig brug af computerteknikker i samfundsvidenskabelig forskning.
Kursusindhold
Kurset giver mulighed for at analysere data baseret på online sociale netværk som fx Twitter, Wikipedia, og Reddit, samt arbejde med kvantitativ tekstanalyse og data visualisering. Kurset er struktureret omkring korte forelæsninger kombineret med praktiske øvelser, samt en høj grad af selvstændigt projektarbejde.
Sidst opdateret
02. maj, 2024