Finner retningen …
Finner retningen …
Laster botkontroll.
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
KARAKTERFORDELING · H 2025
84 kandidater
Alle delene må normalt være bestått. Karakterfordelingen over gjelder emnet samlet.
Kilde: Data hentet fra Felles studentsystem ved NMBU, slik den var publisert for høsten 2026. NMBU har ikke kvalitetssikret og er ikke ansvarlig for innholdet på denne siden.
NMBU sin egen emnebeskrivelse — læringsutbytte, innhold og vurderingsform.
Emnet er et metodekurs rettet mot studenter som ønsker å samle inn/bruke kvantitative data i forbindelse med masteroppgave og videre analysearbeid. Et hovedfokus er grunnleggende kvantitativ analyse og anvendelser. Kurset anbefales som forberedende til masteroppgave-arbeid. Det er også høy etterspørsel i arbeidslivet etter ferdigheter innen dataanalyse. Sentrale tema er datainnsamling, datavask og deskriptiv analyse. Analyse av data, herunder regresjon og hypotesetesting utgjør en kjerne i kurset.
Kursdeltakerne vil lære framstilling av data samt kunne sette opp regresjonsmodeller og teste sensitivitet av modell og resultater. Det vil også bli lagt vekt på arbeidsgangen i en kvantitativ analyse, fra å formulere forskningsspørsmål til innsamling av data og til slutt vurdere validiteten av resultatene, med øye for å kunne gjennomføre egne analyser. Det gis både enkel opplæring i å bruke R og EXCEL. Kurset vektlegger arbeid med konkrete case og datasett.
Etter at studentene har fullført emnet, forventes det at de skal ha tilegnet seg følgende kunnskaper, ferdigheter og generell kompetanse:
Kunnskap:
Studenten skal
- ha avansert kunnskap om tilrettelegging og bruk av data
- ha inngående kunnskaper om utforming og gjennomføring av spørreundersøkelser og eksperimenter
- ha inngående kunnskap om deskriptiv analyse og samvariasjon
- ha inngående kunnskaper om hypotesetesting og regresjon
- ha inngående kunnskap om krav til kausalforklaringer i samfunnsvitenskap
- ha inngående kunnskap om modell-sensitivitet og validering
Ferdigheter:
Studenten skal
- kunne definere forskningsspørsmål og testbare hypoteser
- kunne samle inn og tilrettelegge egne data for analyser
- kunne presentere og visualisere data
- kunne estimere regresjonsmodeller og tolke resultater
- kunne analysere og gjennomføre robusthets-analyser på data
Generell kompetanse:
Studenten skal
- kunne oppnå relevante kvantitative svar på faglige problemstillinger, gjennom bruk av ulike kvantitative metoder
- kunne gjennomføre datainnsamling ved hjelp av spørreundersøkelser og/eller sekundære datakilder med tanke på en masteroppgave eller tilsvarende analyse med høy vitenskapelig standard
- kunne kritisk vurdere utførelse og resultater fra en kvantitativ undersøkelse
Emneansvarlig må melde inn sine behov til timeplan.
En flipped class forelesning svarende til en 2 timers forelesning per uke og øving/data-lab annenhver uke.
Mappevurdering
Karakterregel: Bestått/ Ikke bestått
Emnet har mappevurdering med 4 hjemmeoppgaver og en skriftlig prøve på campus 3 timer i undervisningsperioden uten tillatte hjelpemidler. Oppgavene og skriftlig prøve skal besvarer på engelsk.
Vurdering av mappen: Bestått/ Ikke bestått.
Vurdering: innleveringsoppgaver
K2 - Spesifisert bruk av KI i henhold til retningslinjene for bruk av kunstig intelligens (KI) ved NMBU. Det er tillatt å bruke KI til koding og språkvask i innleveringsoppgavene og i emnet. KI skal ikke brukes til analyse, da studenten skal trene seg på å gjøre egne analyser og analysevalg.
-"Research Methods for graduate business and social science students." John Adams (JA). 2007
- Utvalgte deler av: «Mattespett. Statistikk.» Dag Einar Sommervoll (DES). 2015
- Forelesningsnotater
- Tilleggspensum vil bli lagt ut på Canvas
Kilde: Data hentet fra Felles studentsystem ved NMBU, slik den var publisert for høsten 2026. NMBU har ikke kvalitetssikret og er ikke ansvarlig for innholdet på denne siden.
Hva burde andre vite før de tar dette? Anonymt, ingen innlogging.
Basert på hvor kandidatene til eksamen var registrert (DBH).
Emner som tas i de samme studieprogrammene som AOS341.
| Semester | Kandidater | Stryk |
|---|---|---|
| Høst 2025 | 84 | 15,5 % |
| Høst 2024 | 50 | 22 % |
| Høst 2023 | 85 | 0 % |
| Høst 2022 | 68 | 19,1 % |
| Høst 2021 | 60 | 10 % |
| Høst 2020 | 55 | 0 % |
| Høst 2019 | 31 | 0 % |