Kursplan

Avancerad kvantitativ samhällsvetenskaplig metod

Advanced Quantitative Methods in the Social Sciences

Kurs
SK2301
Avancerad nivå
15 högskolepoäng (hp)
Utbildningsområde
SA Samhällsvetenskapliga området 100%

Om kursplanen

Diarienummer
GU 2026/369
Ikraftträdandedatum
2026-02-25
Beslutsdatum
2026-02-04
Gäller från termin
Höstterminen 2026
Beslutsfattare
Statsvetenskapliga institutionen

Betygsskala

Tregradig skala

Kursens moduler

Seminarium 1, 1 högskolepoäng
Seminarium 2, 1,5 högskolepoäng
Seminarium 3, 1,5 högskolepoäng
Seminarium 4, 1,5 högskolepoäng
Seminarium 5, 1,5 högskolepoäng
Seminarium 6, 1,5 högskolepoäng
Seminarium 7, 1,5 högskolepoäng
Tentamen, 5 högskolepoäng

Inplacering

Kursen är en metodkurs på avancerad nivå. Kursen ges inom masterprogrammen i Statsvetenskap, Internationell administration och global samhällsstyrning och Europakunskap. Kursen kan även ges som fristående kurs.

Huvudområde med fördjupning

SNSKA Statsvetenskap - A1F Avancerad nivå, har kurs/er på avancerad nivå som förkunskapskrav

Behörighetskrav

För tillträde till kursen krävs godkänt på minst 5 högskolepoäng i kvantitativ metod eller statistik från grundnivå, eller motsvarande, samt minst 7,5 högskolepoäng från en kärnkurs på avancerad nivå i ett samhällsvetenskapligt ämne, eller motsvarande kunskaper. Dessutom krävs språkkunskaper motsvarande Engelska 6 eller Engelska nivå 2.

Innehåll

Det här är en kurs i avancerad kvantitativ dataanalys för samhällsvetenskap. Kursen ger praktiska verktyg för dataanalys, statistik och programmering med fokus på verkliga data från samhällsvetenskaplig forskning.

Kursen behandlar begrepp som kausalitet, operationalisering och prediktion, liksom sannolikhetsteori och specifika statistiska metoder.

Mål

Efter godkänd kurs ska studenten kunna:

Kunskap och förståelse

  • Redogöra för centrala principer i kvantitativ samhällsvetenskaplig forskning, inklusive operationalisering, mätning, urval, kausalitet, sannolikhet och inferens, samt relatera dessa till konkreta forskningsfrågor.
  • Beskriva och jämföra grundläggande kvantitativa analysstrategier och ange rimliga antaganden för deras användning.
  • Förklara grundläggande principer för programmering och dataanalys, inklusive hur kod, datahantering och visualisering hänger ihop i ett reproducerbart analysflöde.

Färdigheter och förmåga

  • Genomföra kvantitativ dataanalys: importera, strukturera, städa och transformera data på ett transparent och effektivt sätt, samt dokumentera arbetsflödet.
  • Tolka och utvärdera output från vanliga statistiska analyser och dra korrekta slutsatser inom ramen för metodens antaganden.
  • Välja och skapa ändamålsenliga visualiseringar och sammanfattningar för att besvara givna frågor om data, samt identifiera missvisande eller olämpliga framställningar.

Värderingsförmåga och förhållningssätt

  • Kritiskt granska kvantitativa studier genom att bedöma forskningsdesign, datakvalitet, antaganden och tolkningar, samt identifiera rimliga alternativa förklaringar och begränsningar.
  • Identifiera och värdera vanliga risker för felaktiga slutsatser i kvantitativa analyser och föreslå relevanta åtgärder.
  • Tillämpa principer för transparent kvantitativ analys i givna scenarier.

Hållbarhetsmärkning

Ingen hållbarhetsmärkning.

Former för undervisning

Kursen är en campus-kurs och undervisningen sker genom föreläsningar, lärarledda övningar, labbtillfällen samt muntliga presentationer vid obligatoriska seminarier.

Undervisningsspråk: engelska

Examinationsformer

Kursen examineras genom medverkan vid de obligatoriska seminarierna samt genom en skriftlig salstentamen.

Introduktionsseminariet motsvarar 1 högskolepoäng, övriga sex seminarier motsvarar 1,5 högskolepoäng vardera och salstentamen motsvarar 5 högskolepoäng. Salstentamen betygssätts med Väl godkänt (VG), Godkänt (G) eller Underkänt (U) medan seminarierna betygssätts med Godkänt (G) eller Underkänt (U).

En student som inte deltar i obligatorisk del av kursen får göra en alternativ uppgift. Uppgiften beskrivs i kursguiden.


Restriktioner angående användandet av generativ AI anges i kursguiden. Studenter är skyldiga att informera sig om gällande regler för examinerande inslag som exempelvis inlämningsuppgifter, seminarieuppgifter och tentamina i den aktuella kursen.

Om en student som har underkänts två gånger på samma examinerande moment önskar byta examinator inför nästa examinationstillfälle ska en sådan begäran bifallas om det inte finns särskilda skäl däremot (6 kap. 22 § HF).

Om en student har fått besked om pedagogiskt stöd från Göteborgs universitet med rekommendation om anpassad examination och/eller anpassad examinationsform kan examinator, i det fall det är förenligt med kursens lärandemål och förutsatt att inte orimliga resurser krävs, besluta att bevilja studenten anpassad examination och/eller anpassad examinationsform.

Om en kurs har avvecklats eller genomgått en större förändring ska studenten erbjudas minst två examinationstillfällen, utöver ordinarie examinationstillfälle. Dessa tillfällen fördelas under en tid av minst ett år, dock som längst två år efter det att kursen avvecklats/förändrats.

Betyg

På kursen ges något av betygen Väl godkänd (VG), Godkänd (G) och Underkänd (U).

För att bedömas med betyget Godkänd (G) för hela kursen måste studenten erhålla betyget godkänt på alla examinationsmoment. För att erhålla betyget Väl godkänd (VG) ska studenten erhålla betyget Väl godkänd (VG) på tentamen och Godkänd (G) på övriga examinationsmoment.

Kursvärdering

Studenter som deltar i eller har avslutat en kurs ges möjlighet att framföra sina erfarenheter av synpunkter på kursen genom en kursvärdering. Resultatet och eventuella förändringar i kursens upplägg ska förmedlas både till de studenter som genomförde värderingen och till de studenter som ska påbörja kursen.