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. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Forstå historien, metoderne og de grundlæggende principper for computerteknikker i samfundsvidenskabelig forskning.
• Anvende teknikker til indsamling af store datamængder fra nettet gennem webskrabning og API'er, og fortolk udfordringerne og implikationerne forbundet med forskellige datakilder.
• Bruge 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.
• Bruge netværksanalyse til at modellere sociale relationer, opdage fællesskaber og anvende metrikker til at forstå netværksstrukturer inden for samfundsvidenskabelige data.
• Anvende 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.
• Anvende 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.
• Identificere og adressere bekymringer relateret til databeskyttelse, bias og ansvarlig brug af computerteknikker i samfundsvidenskabelig forskning.

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. 04. maj, 2026