Dataanalyse

Studienævn for efter- og videreuddannelse på samfundsvidenskab og sundhedsvidenskab

Undervisningssprog: Dansk
EKA: B850011X02, B850011302, B850011402, B850011502, B850011102, B850011202, B850011602
Censur: Intern prøve, to eller flere bedømmere
Bedømmelse: 7-trinsskala
Udbudssteder: Esbjerg, Sønderborg, Slagelse, Odense, Kolding, Vejle
Udbudsterminer: Efterår
Niveau: HD

Fagnummer: B850011X01, B850011301, B850011401, B850011501, B850011101, B850011201, B850011601
ECTS-point: 5

Godkendelsesdato: 15-04-2019


Varighed: 1 semester

Fagnummer

B850011X01
B850011301
B850011401
B850011501
B850011101
B850011201
B850011601

Fagtitel

Dataanalyse

Undervisningssprog

Dansk

ECTS-point

5

Ansvarligt studienævn

Studienævn for efter- og videreuddannelse på samfundsvidenskab og sundhedsvidenskab

Godkendelsesdato

15-04-2019

Fagansvarlig

Navn E-mail Institut
Andreas Kuchler aku@sam.sdu.dk

Udbudssteder

Esbjerg, Sønderborg, Slagelse, Odense, Kolding, Vejle

Niveau

HD

Udbudsterminer

Efterår

Varighed

1 semester

Obligatoriske forudsætninger

Ingen.

Anbefalede forudsætninger

Faget forudsætter aktiv deltagelse og en udstrakt anvendelse af SDU’s e-læringssystem. Deltagelse i faget forudsætter derfor at den studerende aktivt anvender disse funktioner med henblik på maksimalt udbytte af læringsaktiviteterne.

Formål og sigte

Faget har til formål at sætte studerende i stand til at foretage beskrivende og statistiske analyser af data indsamlet ved hjælp af en stikprøve. Faget giver viden om lovmæssigheder og tilfældigheder ved indsamling og anvendelse af data, færdigheder i behandling af indsamlet talmateriale, og kompetence i at læse og fortolke rapporter der indeholder empirisk datamateriale. Faget introducerer grundlæggende statistiske metoder, og giver et fagligt grundlag for fx et afsluttende projekt med elementer af dataanalyse, samt for senere valg af HD-fag med kvantitative aspekter, eksempelvis markedsanalyse.

Indhold

•    Deskriptiv statistik
•    Sandsynlighedsteori
•    Stokastiske variable og sandsynlighedsfordelinger
•    Stikprøveudvælgelse og stikprøvefordelinger
•    Punkt- og interval estimation
•    Hypotesetest
•    Antalstabeller, herunder chi-i-anden tests
•    Regressions- og korrelationsanalyse
•    Beregningsprogrammel

Målbeskrivelse

-

Målbeskrivelse - viden

Den studerende kan:
•    Redegøre for fagets modeller, begreber og metoder, samt de forudsætninger, der knytter sig til anvendelsen af disse.

Målbeskrivelse - færdigheder

Den studerende kan:
•    Vælge relevante modeller til analyse af et større kvantitativt datamateriale i forbindelse med en given erhvervsøkonomisk problemstilling.
•    Sammenfatte, og ved hjælp af de valgte modeller analysere datamaterialet med henblik på besvarelse af undersøgelsesspørgsmålene.
•    Undersøge hvorvidt de valgte modeller egner sig til besvarelse af undersøgelsesspørgsmålene, herunder særligt om de tilknyttede forudsætninger er opfyldt.
•    Kommunikere resultaterne til specialist såvel som ikke specialist.

Målbeskrivelse - kompetencer

Den studerende kan:
•    Vurdere styrker og svagheder ved forskellige dataindsamlings- og analysemetoder.
•    Kritisk vurdere en anvendt models forudsætninger og begrænsninger.
•    Tolke analyserne i relation til den problemstilling, der ligger til grund for de indsamlede data.
•    Vurdere hvilke konklusioner, der kan drages omkring den konkrete problemstilling.
•    Komme med begrundede indstillinger til beslutninger i en virksomhed på grundlag af dataanalysen.

Litteratur

Lind, Marchal & Wathen: Basic Statistics for Business & Economics. McGraw-Hill International (seneste udgave), ISBN 9781260287851.

Undervisningsform

For at sætte de studerende i stand til at nå fagets læringsmål tilrettelægges undervisningen som en kombination af undervisningslektioner med fokus på case- og opgavegennemgang og elementer af forelæsningsaktivitet samt en betydelig grad af aktivitet mellem undervisningslektionerne i form af forberedelse, opgaveløsning, gruppe-/afleveringsopgaver og e-læringsaktiviteter.

Arbejdsbelastning

Undervisningslektionerne er fordelt over 7 gange af 4 lektioner.

Den samlede arbejdsindsats i faget forventes at være ca. 135 arbejdstimer, inklusiv deltagelse i fagets eksamensaktiviteter. En vejledende fordeling af arbejdsindsatsen hos en gennemsnitsstuderende er:  

Aktivitet    Timer
Undervisningslektioner    28
Forberedelse og arbejde med cases/opgaver    67
Eksamen, inkl. forberedelse    40
Total    135

På fjernhold er det et særligt tilrettelagt forløb.

Eksamensbestemmelser

Eksamen

Navn

Eksamen

Tidsmæssig placering

Ordinær prøve:

Rapportskrivning umiddelbart efter undervisningens afslutning i efterårssemesteret 2019, med efterfølgende mundtlig eksamen i januar 2020.
De eksakte eksamensdatoer udmeldes af studieadministrationen.


Syge-/reeksamen:
Rapportskrivning i februar 2020 med efterfølgende mundtlig eksamen i marts 2020.

Udprøvninger

Eksamen

Navn

Eksamen

Prøveform

Hjemmeopgave med mundtligt forsvar

Censur

Intern prøve, to eller flere bedømmere

Bedømmelse

7-trinsskala

Identifikation

Studiekort - Fødselsdato

Sprog

Dansk

Varighed

Hjemmeopgave:
Varighed: 10 dage


Mundtlig eksamen:
Varighed: 20 minutter inklusive votering og karaktergivning

Omfang

Omfang: Max. 20 normalsider (af 2400 anslag) ekskl. bilag

Udlevering af opgave

Offentliggøres på Blackboard

Indlevering af besvarelse

Via SDU-assignment i kursets side i Blackboard

ECTS-point

5

Uddybende information

Opgaven må løses individuelt eller i grupper på op til 4 studerende.


Deltagelse i reeksamen forudsætter deltagelse i ordinær eksamen i samme eksamenstermin, dvs. udeblevet fra ordinær eksamen giver ikke adgang til re-eksamen.

EKA

B850011X02
B850011302
B850011402
B850011502
B850011102
B850011202
B850011602

Ekstern kommentar

Bemærk - Faget er identisk med det tidligere fag 8002801 - Dataanalyse.
Forbrugte prøveforsøg i tidligere identiske fag overføres.
Fag der er identiske med fag, der tidligere er bestået i hh. til gældende bestemmelser kan ikke tages om.

Fagudbud

Periode Udbudstype Profil Program Semester

URL til MitSkema