Avanceret kvalitativ dataanalyse

Kursusindhold

Her vil der være fokus på de specifikke aspekter af analysen. Dette knytter an til de designmæssige overvejelser i Mixed Methods kurset. Kvalitative data af alle typer er rige data. Derfor kan man som sociolog analysere de samme kvalitative data fra flere forskellige teoretiske perspektiver og ved hjælp af flere forskellige specifikke metoder og analytiske tiltag. Det er forskerens vidensinteresse, teoretiske perspektiv og de forskellige typer af kvalitative datas analytiske status, der bør afgøre valg af og argumenter omkring metoder for dataanalyse. Ofte kan det dog være svært at træffe valide valg af metoder til databearbejdning af kvalitative data i et sociologisk projekt, hvis man ikke i praksis prøvet en række forskellige metoder at fortolke, analysere og drage slutninger. På dette kursus bliver deltagerne præsenteret for en række videregående metodiske problemstillinger (så som validitet i forhold til datamaterialets karakter, og flerstrenget analytisk generalisering), og deltagerne kommer til at gå i dybden med at sætte sig ind i og anvende i praksis en række metoder til fortolkning, forklaring, analyse og slutnings-dragning på basis af kvalitative data. Den studerende forventes at indsamle begrænsede mængder kvalitative data til brug for metodeøvelserne i faget såvel som med en mulighed for anvendelse i Mixed Methods i fagpakkefaget. Kurset er opbygget som en vekselvirkning mellem underviser-oplæg, diskussioner af litteratur og erfaringer, og praktiske øvelser i de forskellige metoder på deltagernes egne medbragte data-uddrag. De praktiske øvelser bidrager til produktionen af porteføljen.

Engelsk titel

Advanced Qualitative Data Analysis

Uddannelse

Obligatorisk KA kursus 1. Semester

Målbeskrivelse

Efter endt kursus kan den studerende:

Viden:

  • Redegøre for og reflektere over komplicerede metodiske problemstillinger inden for kvalitativ dataanalyse, f.eks. at producere analytisk generalisering, fortolkning og forklaring.
  • Redegøre for og reflektere over de faglige processer i en række specifikke metode/analyseværktøjer for kvalitative data.
  • Redegøre for og reflektere over muligheder og begrænsninger ved de gennemgåede og afprøvede metoder til kvalitativ analyse.

 

Færdigheder:

  • Reflektere over anvendeligheden af de forskellige metodiske greb på kurset i forhold til forskellige typer kvalitative datamaterialer.
  • Argumentere selvstændigt for relevans og anvendelighed af de forskellige metodiske greb på kurset i relation til eget empiriske projekt.
  • Give metodisk feedback til andre studerendes kvalitative datafortolkninger.

 

Kompetencer:

  • Omsætte kursets metodiske værktøjer i kvalitativ dataanalyse til eget efterfølgende empiriske arbejde, som f.eks. kan knyttes til mixed methods kurset eller i specialet.

Kurset undervises af en kombination af forelæsninger og øvelser. Der vil være fokus på træning i at anvende og arbejde med de specifikke redskaber på datasæt. Disse datasæt vil være en kombination af egne data samt eksisterende datasæt som udleveres til de studerende på kurset.

Der bliver angivet links på Absaon til de artikler og arbejder der kan downloades. Pensum er i alt 700 sider

At have færdiggjort alle fag om kvalitative metoder på bachelor i sociologi.

Peerfeedback (studerende giver hinanden feedback)

 

Peer-feedback integreres særligt som respons på de tre porteføljeopgaver på kurset, men også via de praktiske øvelser.

ECTS
7,5 ECTS
Prøveform
Hjemmeopgave
Prøveformsdetaljer
Studerende skal formulere deres egne eksamensspørgsmål baseret på foruddefinerede retningslinjer givet af læreren. Studerende vil modtage eksamensretningslinjerne til formulering af eksamensspørgsmål i løbet af det igangværende semester. Underviser skal give mindst to eksemplariske eksamensspørgsmål, der overholder retningslinjerne.

Eksamensopgaven kan skrives individuelt eller i grupper på maksimalt 4 studerende. Længden af eksamensopgaven er 10 sider + 5 sider pr. ekstra gruppemedlem.
Hjælpemidler
Alle hjælpemidler tilladt

På Sociologisk Institut er det ikke tilladt at bruge generativt AI software (AI/LLMs), såsom ChatGPT, til at generere nyt og originalt indhold i skriftlige eksamener. Det er dog tilladt for studerende at anvende generativt AI software til at forbedre præsentationen af eget originalt indhold; såsom tekstredigering, argumentvalidering eller forbedring af statistisk programkode. Denne politik er til for at sikre, at de studerendes skriftlige eksamener afspejler deres egen viden og forståelse af materialet. Den studerende skal tilkendegive om, og hvordan, denne har anvendt generativt AI software i sin besvarelse.

Det gøres ved at inkludere en AI-erklæring. Studerende skal inkludere en AI-erklæring, uanset om de har anvendt generativt AI software eller ej. Erklæringen inkluderes i praksis som sidste side i afleveringsdokumentet. AI-erklæringen tæller ikke med i prøvens omfang. Der kan findes en skabelon for en AI-erklæring i Digital Eksamen samt på studieinformationssiderne på KUnet under fanen Skriftlig hjemmeopgave. Lever den studerendes eksamensopgave ikke op til formkravet, afvises opgaven administrativt.

Bedømmelsesform
7-trins skala
Censurform
Ingen ekstern censur
Eksamensperiode

Eksamensoplysninger:

Eksamensdatoen kan ses i eksamensplanen, som ligger her: Eksamensplaner – Københavns Universitet

Flere informationer oplyses i Digital Eksamen midt i semesteret. 

Find mere information på din studieinformationsside på KUnet.

Reeksamen

Reeksamensoplysninger:

Reeksamensdatoen/perioden kan ses i eksamensplanen, som ligger her: Eksamensplaner – Københavns Universitet

 

Samme som ordinær eksamen.

Kriterier for bedømmelse

Se målbeskrivelsen.

  • Kategori
  • Timer
  • Forelæsninger
  • 28
  • Forberedelse (anslået)
  • 112
  • Projektarbejde
  • 30
  • Eksamensforberedelse
  • 36
  • Total
  • 206

Kursusinformation

Undervisningssprog
Dansk
Kursusnummer
ASOK22002U
ECTS
7,5 ECTS
Niveau
Kandidat
Varighed

1 semester

Placering
Efterår
Kapacitet
Vejl. 60 personer
Studienævn
Sociologisk studienævn
Udbydende institut
  • Sociologisk Institut
Udbydende fakultet
  • Det Samfundsvidenskabelige Fakultet
Kursusansvarlig
  • Bente Halkier   (3-676a6d4578746833707a336970)
Gemt den 09-05-2025

Are you BA- or KA-student?

Are you bachelor- or kandidat-student, then find the course in the course catalog for students:

Courseinformation of students