Finner retningen …
Finner retningen …
KRS4105
Laster botkontroll.
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
KARAKTERFORDELING · H 2025
27 kandidater
Kilde: Felles studentsystem (FS) via Universitetet i Oslo, slik den var publisert for høsten 2026. Universitetet i Oslo er ikke ansvarlig for innholdet på denne siden.
UiO sin egen emnebeskrivelse — læringsutbytte, innhold og vurderingsform.
Dette er et videregående kurs i kvantitative metoder rettet mot samfunnsvitenskap. Emnet gir en innføring av ulike aspekter ved forskningsprosessen, med særlig vekt på anvendelse av lineære regresjonsmodeller. Emnet er delt i tre hovedbolker. Den første er en introduksjonsdel, som gir en kort innføring i kvantitativ analyse, praktiske øvelser i R/RStudio, samt en introduksjon til norsk kriminalstistikk og innsikt i hvordan denne kan (og ikke kan) benyttes i kvantitativ kriminologisk forskning. I den andre, og mest omfattende, bolken lærer studentene kjerneprinsippene i lineær regresjonsanalyse. De får også en kort innføring i generaliserte lineære modeller (GLM) og i hvordan usikkerhet i estimater kan kvanifiseres og kommuniseres. Den siste bolken introduserer den kontrafaktiske kausalitetsmodellen og vi diskuterer hvordan kausalitet og korrelasjon kan skilles statistisk i ulike eksperimentelle og kvasieksperimentelle design. Det vil gjennomgående legges vekt på empiriske eksempler både fra kriminologi og ulike samfunnsvitenskapelige fag.
Emnet skal gi studentene en grundig forståelse av begreper, problemstillinger og arbeidsmetoder innen kvantitativ samfunnsvitenskapelig analyse, med fokus på lineær og logistisk regresjon. Emnet skal også gi studentene en grunnleggende forståelse av den norske kriminalstatistikkens innhold, anvendelsesområde og begrensninger. Etter gjennomføring av emnet skal studentene være i stand til å vurdere hvilke statistiske metoder som er egnet for å belyse ulike problemstillinger, kunne bygge opp, gjennomføre og anvende resultatene fra en lineær regresjonsanalyse, og kritisk kunne lese og vurdere resultater ved ulike forskningsdesign og fra ulike typer statistiske analyser. Studentene skal også kunne beskrive viktige egenskaper ved norsk kriminalstatistikk og vurdere hvilke spørsmål denne er mer og mindre egnet til å belyse.
Kunnskap, du skal ha kjennskap til:
Ferdigheter, du skal vise at du kan:
Generell kompetanse, du forbedrer din evne til å:
Emnet inngår i studieprogrammet JFM2-KRIM og JFM2-RSOS
Studenter må hvert semester søke og få plass på undervisningen og melde seg til eksamen i Studentweb.
Dersom du ikke allerede har studieplass ved UiO, kan du søke opptak til våre studieprogrammer.
Forelesninger (12x2 timer) med obligatorisk oppmøte på 8 av 12 forelesninger. Forelesningene gjennomføres i PC-lab og tiden fordeles mellom tavleundervisning og praktisk gjennomføring av analyser i R/RStudio.
Dette emnet har obligatoriske arbeidskrav:
Emnet har 3 dager hjemmeeksamen og muntlig eksamen.
Obligatoriske arbeidskrav må være godkjent før man kan fremstille seg til eksamen. Godkjenning av obligatoriske arbeidskrav foreldes ikke.
Ordgrensen for denne eksamenen er 4000 ord. Forside, innholdsfortegnelse, kode, tabeller, figurer og litteraturliste kommer i tillegg.
Besvarelser på over 4000 ord kan bli avvist.
Det kreves korrekte henvisninger til alle kilder. Gjør deg kjent med reglene for kildebruk og referanser. Bruk av andres materiale på eksamen uten å henvise på en riktig og tydelig måte kan bli ansett som fusk eller forsøk på fusk. Du må henvise til alle kilder du bruker. Se eksempel på hvordan du refererer riktig.
Muntlig eksamen holdes i etterkant av hjemmeeksamen og vil være en diskusjon av oppgaven og høring av studenten i pensum. Muntlig eksamen (ca 20 min pr kandidat) skal også kontrollere at studenten har skrevet oppgaven. Studenten får en gradert karakter etter skriftlig eksamen som kan justeres etter muntlig eksamen. Foreløpig sensur og tid og sted for muntlig eksamen publiseres i Canvas dagen før.
Særlig om bruk av kunstig intelligens på eksamen:
Kilde: Felles studentsystem (FS) via Universitetet i Oslo, slik den var publisert for høsten 2026. Universitetet i Oslo 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 KRS4105.
| Semester | Kandidater | Snitt | Stryk |
|---|---|---|---|
| Høst 2025 | 27 | B (4.11) | 0 % |
| Høst 2024 | 21 | B (3.76) | 0 % |
| Høst 2023 | 28 | C (3.46) | 0 % |
| Høst 2022 | 24 | C (3.33) | 0 % |
| Høst 2021 | 33 | C (2.76) | 12,1 % |
| Høst 2020 | 24 | D (1.88) | 16,7 % |
| Høst 2019 | 21 | B (3.57) | 0 % |
| Høst 2018 | 22 | B (3.55) | 0 % |