SOS2900 – Anvendt maskinl?ring for avvikssosiologi
Beskrivelse av emnet
Kort om emnet
Kurset har to deler som gis omtrent lik vekt: 1) en praktisk introduksjon til maskinl?ring, og 2) avvikssosiologiske perspektiver.
Det tematiske fokuset er situasjoner der man gj?r risikovurderinger for fremtiden basert p? historiske data. Et eksempel er ?predictive policing? der m?let er ? forutse hvor og n?r det er st?rst risiko for at kriminalitet vil skje, og ta dette som utgangspunkt for hvor og n?r politiet skal patruljere. I andre sammenhenger gj?res vurderingene p? individniv?, som f.eks. ved pr?vel?slatelse fra fengsel og beslutning om varetektsfengsling. Slike risikovurderinger gj?res ofte basert p? erfaring, kliniske vurderingsverkt?y og skj?nn osv. Men med ?kt fokus p? digitalisering og utnytting av eksisterende databaser blir det stadig mer aktuelt ? ta i bruk maskinl?ring for disse form?lene. Denne typen anvendelser reiser en rekke sosiologiske problemstillinger knyttet til kriminalisering og konsekvenser av kontrolltiltak. Kurset vektlegger derfor noen grunnleggende avvikssosiologiske perspektiver, sosiale konsekvenser, samt problemstillinger knyttet til etikk og rettferdighet.
Kurset gir en praktisk innf?ring i maskinl?ring der man bruker data p? tidligere hendelser til ? gj?re klassifiseringer og prediksjoner for nye observasjoner der man enn? ikke vet utfallet. Prediksjoner vil aldri v?re perfekte, s? vurdering av presisjon og vekting av ulike typer feil st?r sentralt. Selv om maskinl?ring ofte omtales som ?black box? metoder, vil kurset gi en introduksjon til tolkbarhet og bias. Undervisningen tar utgangspunkt i at studentene er kjent med grunnleggende regresjonsanalyse og line?re modeller.
Selv om eksemplene i kurset er fra justisfeltet kan metodene anvendes p? andre felt, som f.eks. micro-targeting for reklame og politiske kampanjer, kundebehandling, sosiale medier, kredittvurderinger osv. Overf?ringsverdien til andre felt er derfor stor.
Undervisningen er praktisk rettet med bruk av softwaren R og RStudio.
Forutsetninger
Det forutsettes en grunnleggende kjennskap til kvantitative metode og statistikk. Studentene b?r ha grunnleggende beherskelse av line?r regresjon. Det anbefales sterkt ? ha fullf?rt SOSGEO1120 eller tilsvarende grunnkurs i kvantitative metoder.
Hva l?rer du?
L?ringsm?l
Etter endt kurs skal du:
- Kunne dr?fte anvendt maskinl?ring i lys av sosiologiske perspektiver p? kriminalitet og kriminalitetsforebygging. Herunder vurdere b?de intenderte og uintenderte konsekvenser.
- Kjenne grunnleggende prinsipper for maskinl?ring. Herunder forst? bias-variance trade-off, overfitting osv. og teknikker for ? h?ndtere disse.
- Kunne gjennomf?re egne klassifikasjons- og prediksjonsanalyser ved bruk av regresjon og tre-baserte metoder, inkludert ?tuning? av modellene, og presentere og tolke resultatene.
- Beherske grunnleggende teknikker for vurdering av hvor gode prediksjonene er, herunder vurdering feilrater og rettferdighetsvurderinger
- Kunne ta stilling til etiske- og rettferdighetsvurderinger i praktiske anvendelser av teknikkene
Opptak og adgangsregulering
Studenter m? hvert semester s?ke og f? plass p? undervisningen og melde seg til eksamen i Studentweb.
Dersom du ikke allerede har studieplass ved UiO, kan du s?ke opptak til v?re studieprogrammer, eller s?ke om ? bli enkeltemnestudent.
Forkunnskaper
Anbefalte forkunnskaper
Det anbefales at studentene er kjent med grunnleggende kvantitativ metode tilsvarende et metodeemne p? 10 studiepoeng, som f.eks. SOSGEO1120. Undervisningen vil forutsette kjennskap til grunnleggende statistikk og regresjonsanalyse.
Undervisning
- Videoer, forelesninger og seminarer
Obligatorisk aktivitet
- Obligatorisk oppm?te p? f?rste samling
- Gruppeoppgave med muntlig fremlegging. Oppgaven gis godkjent/ikke-godkjent. Hvis ikke godkjent m? det leveres inn revidert versjon innen en uke. (Instruksjoner gis p? forelesning)
- I forkant skal det gis skriftlige kommentarer p? andres oppgaver
Forelesninger
Forelesningene tar ikke sikte p? ? dekke hele pensum, men har som siktem?l ? sette noen rammer for ? forst? sentrale deler av pensum og knytte til de praktiske ?velsene i seminarene.
Frav?r fra obligatorisk aktivitet
Ved sykdom eller andre tungtveiende grunner kan du i noen tilfeller f? godkjent gyldig frav?r eller utsettelse av obligatorisk aktivitet.
Eksamen
- 4 timers skriftlig hjemmeeksamen
V?ren 2021 blir eksamen avviklet som en 4 timers hjemmeeksamen i Inspera. Alle hjelpemidler er tillatt.
Eksamen vil inkludere praktisk bruk av softwaren R og Rstudio.
Digital skoleeksamen
Skoleeksamen utf?res i det digitale eksamenssystemet Inspera. Du m? gj?re deg kjent med gjennomf?ringen av digital eksamen i Inspera.
Les mer om digital skoleeksamen.
Innlevering i Inspera
Du leverer din besvarelse i det digitale eksamenssystemet Inspera. Les informasjon om hvordan du skal levere.
Kildebruk og referanser
Ved oppgaveskriving m? du gj?re deg kjent med reglene for kildebruk og referanser. Ved brudd p? reglene kan du bli mistenkt for fusk/fors?k p? fusk.
Hjelpemidler
P? eksamen kan du ta med deg:
- Alle R-script som er blitt brukt i kurset
Eksamensspr?k
Du kan besvare eksamen p? norsk, svensk, dansk eller engelsk.
Karakterskala
Emnet bruker karakterskala fra A til F, der A er beste karakter og F er stryk. Les mer om karakterskalaen.
Begrunnelse og klage
Adgang til ny eller utsatt eksamen
Vi tilbyr utsatt eksamen samme semester hvis du blir syk eller har annet gyldig forfall p? ordin?r eksamen.
Se ogs? informasjon om ? ta eksamen p? nytt.
Trekk fra eksamen
Det er mulig ? ta eksamen i emnet inntil tre ganger. Dersom du trekker deg fra eksamen etter fristen eller under eksamen, bruker du et eksamensfors?k.
Tilrettelagt eksamen
S?knadskjema, krav og frist for tilrettelagt eksamen.
Evaluering av emnet
Vi gjennomf?rer fortl?pende evaluering av emnet, og med jevne mellomrom ber vi studentene delta i en mer omfattende evaluering.