Johdatus yhteiskuntatilastotieteeseen, syksy 2015

• Etenkin sivuaineopiskelijoille suunnattu johdatus yhteiskuntatilastotieteen kiehtovaan maailmaan.
• Sopii kaikkiin opintojen vaiheisiin (perus-, aine-, maisteri-, tohtori-, post doc, erillis- ja täydentävät opinnot)
  
• Koostuu kahdesta osasta: osa 1 (78240, 5 op) ja osa 2 (78241, 5 op), jotka suoritetaan erikseen.

30.8.2015

Kurssista tulee Suomen ensimmäinen tilastotieteen MOOC: Massive Open Online Course , massiivinen avoin verkkokurssi.

Rekisteröityminen kurssialueelle mooc.helsinki.fi alkaa 2.9.2015.  Kaikille avoin kurssi käynnistyy 3.9.2015.

Kurssi jatkaa vakiintunutta tehtäväänsä valtiotieteellisen tiedekunnan yhteisenä menetelmäkurssina, mutta nyt kurssille voi osallistua kuka tahansa (yhteiskunta)tilastotieteestä kiinnostunut ja sitä työssään, opinnoissaan tai vapaa-ajallaan tarvitseva.

Kurssin toteuttavat yhteistyössä Helsingin yliopiston Valtiotieteellinen tiedekunta, Avoin yliopisto, Opettajien akatemia ja Opetusteknologiakeskus sekä VuoLearning.

Kurssin verkkoalusta on http://mooc.helsinki.fi . Katso sieltä ohjeet ja rekisteröidy. Ilmoittaudu kurssille myös Oodissa!

HUOM! Tätä wikisivua EI päivitetä syksyn 2015 aikana. Hyppää kyytiin MOOC-alueelle ja päivitä tietosi (yhteiskunta)tilastotieteestä!

https://www.helsinki.fi/fi/uutiset/hyppaa-mukaan-avoimelle-verkkokurssille

(Alla olevat tiedot ovat siis pääsääntöisesti oikein, mutta yksityiskohdissa voi tulla muutoksia, kun MOOC kehittyy kokoajan.)

*********************************************************************************************************************************************

*********************************************************************************************************************************************

*********************************************************************************************************************************************

*********************************************************************************************************************************************

*********************************************************************************************************************************************

Osaamistavoite:

Kurssin suoritettuaan opiskelija on (ehkä omaksi yllätyksekseen) innostunut yhteiskuntatilastotieteestä (Social Statistics) tai yleensä tilastotieteestä (Data Science) ja ymmärtää alan keskeisten käsitteiden (sellaisten kuten perusjoukko, satunnaisotos, mittausvirhe, vaihtelu, riippuvuus, todennäköisyys, epävarmuus, riski ja ennuste) merkityksen opintojensa, työelämänsä ja tulevaisuutensa kannalta.

Kurssin myötä opiskelija on asennoitunut positiivisesti tilastotiedettä kohtaan ja motivoitunut jatkamaan menetelmäopintojaan monipuolisesti, hahmottaen kiinnostavia mahdollisuuksia myös tilastollisten menetelmien soveltamiseen opinnäytetöissään ja muissa projekteissaan.

Keinot saavuttaa tavoite:

1) osallistumalla yhteisöllisesti ja menestymällä kurssikokeessa
2) työskentelemällä itsenäisesti ja menestymällä erilliskokeessa

Useimmiten parhaaseen tulokseen johtaa jokin sopiva yhdistelmä keinoista 1 ja 2.

Ilmoittaudu kurssille, osa 1

Osaan 1 ilmoittautuminen alkoi 14.8.2015. Osa 1 alkaa torstaina 3.9.2015 klo 8:15. Rekisteröityminen kurssialueelle mooc.helsinki.fi alkaa 2.9.2015.

Ilmoittaudu kurssille, osa 2

Osaan 2 ilmoittautuminen alkaa 8.10.2015 klo 9:00. Osa 2 alkaa torstaina 29.10.2015 klo 8:15.

Opettajat

Vastuuopettaja ("pääpajari")

Kimmo Vehkalahti, valtiot.toht., yliopistonlehtori
Soveltavan tilastotieteen dosentti, Opettajien akatemian jäsen

Pajaohjaajat

Paula Bergman, luonnont.kand.
Anna Eronen, valtiot.kand.
Emma Kämäräinen, valtiot.yo
Pihla Oksanen, valtiot.yo
Emma Peltomaa, psykol.kand.

Sähköpostia opettajalle??  Harkitse uudelleen... kurssilla on SATOJA opiskelijoita.

JOS et löydä kaipaamaasi tietoa TÄLTÄ SIVULTA, lähetä viesti:
tilasto-johdanto@helsinki.fi
Kurssin aikana saat vastauksia parhaiten pajoissa ja verkkoalueella.

Ennakkotietoja kurssista elokuussa 2015

Kohderyhmä, koodit, kurssivaihtoehdot ja kokonaisuudet

 Kurssi on suunnattu erityisesti valtiotieteellisen tiedekunnan sekä muiden keskustakampuksen tiedekuntien opiskelijoille, mutta se on avoin kaikille kiinnostuneille.

Muiden tiedekuntien opiskelijoille suositellaan (myös) heidän omien tiedekuntiensa järjestämiä tilastotieteen (biometrian, epidemiologian, psykometriikan jne.) kursseja.

• Esimerkiksi matemaattis-luonnontieteellisessä tiedekunnassa starttaa tänä syksynä uusi mielenkiintoinen kurssi Tilastotiede tutuksi.

Kurssi tunnettiin aikaisemmin (2008-2013) nimellä Tilastotieteen johdantokurssi (koodit 78200 ja 78201). Nykyinen kurssi korvaa sen (koodivastaavuudet: 78240 = 78200 ja 78241 = 78201). Osien opintopiste-eroilla (4 op/5 op tai 6 op/5 op) ei ole merkitystä. (Tiedekunnassa siirryttiin 2014 viidellä jaollisiin opintopistemääriin. Sitä ennen op:illä oli periaatteessa yhteys opiskelijan työmäärään.)

Kurssi on tarjolla myös Avoimessa yliopistossa (sekä keväällä että kesällä).

Tilastotieteen tutkintovaatimukset sivuaineopiskelijoille 2014-2016 kertoo muista kursseista ja kokonaisuuksista.

Social Statistik på svenska? Se: Soc&kom (svenska social- och kommunalhögskolan)

Social Statistics in English? In progress... please follow the teaching page of the Centre for Research Methods

Sisältö tiivistetysti

Tilastotiede on olennainen osa kaikkia aloja, joissa kerätään, mitataan ja analysoidaan tietoja. Tilastollisilla menetelmillä voidaan löytää vastauksia lukuisten eri alojen tutkimuskysymyksiin. Yhteiskuntatilastotiede tarkoittaa erityisesti yhteiskuntatieteissä (Social Sciences) sovellettavaa tilastotiedettä (Social Statistics).

Kurssilla perehdytään tilastollisen tutkimuksen perusteisiin käytännönläheisesti ja yhteiskuntatieteellisestä näkökulmasta. Tavoitteena on oppia tilastollisen tutkimuksen keskeiset käsitteet (kuten perusjoukko, satunnaisotos, mittausvirhe, vaihtelu, riippuvuus, todennäköisyys, epävarmuus, riski ja ennuste) ja niiden merkitys opintojen, työelämän ja tulevaisuuden kannalta.

• Osassa 1 tarkastellaan, miten yhteiskuntatieteellisiä aineistoja kerätään ja mitä kaikkea kyselylomakkeen laatimisessa kannattaa huomioida. Lisäksi tutkitaan, millä tavoin tietoja tiivistetään tilastollisiksi kuviksi ja tunnusluvuiksi sekä perehdytään erilaisiin vaihtelun ja riippuvuuden kuvaustapoihin.
  • Kokoavana teemana on (laajasti käsitettynä)  tilastollinen lukutaito , jota voi pitää jokseenkin välttämättömänä taitona nyky-yhteiskunnassa ja -maailmassa.
  • Käsitteet saattavat olla monelta osin entuudestaan tuttuja, mutta niihin perehdytään syvällisemmin kuin esimerkiksi lukiossa.

• Osassa 2 tutustutaan todennäköisyyslaskentaan ja tilastolliseen päättelyyn soveltaen niitä eräisiin yhteiskuntatieteissä keskeisiin ja "klassisiin" tilastollisiin menetelmiin kuten t-testiin ja regressioanalyysiin, jotka muodostavat perustan vaativammille menetelmille.
  
  • Kokoavana teemana on   (laajasti käsitettynä) tilastollinen päättely , jota yhä useampi eri alojen asiantuntija tarvitsee työssään.

• 
  
  • Käsitteet ovat vaativampia ja edellyttävät täsmällisempää työstämistä. Lyhyt matematiikka riittää, mutta tällöin opiskeluun on varattava enemmän aikaa.
    

Matematiikka ja laskeminen

• 
  
  • ====

Tilastotiede EI OLE ensisijaisesti matematiikkaa, vaikka sen teoreettinen perusta siihen nojaakin. Sen sijaan tilastotieteen juuret ovat syvällä eri alojen empiirisessä tutkimuksessa. Tilastollisen ajattelun omaksuminen vaatii kuitenkin jonkin verran matemaattisluontoista pähkäilyä, laskeskelua ja pohdiskelua, jota tällä kurssilla harjoitellaan.

Verrattuna tyypillisiin tilastotieteen peruskursseihin, joita opetetaan useimmissa yliopistoissa ympäri maailmaa, tällä kurssilla on huomattavasti vähemmän laskemista. Sen sijaan keskitytään miettimään ja nostamaan esiin niitä kysymyksiä, joita tilastollisessa tutkimuksessa, erityisesti yhteiskuntatieteiden yhteydessä, kohdataan:

• Mitä tietoja kerätään, keneltä tai mistä ja millä tavalla?
• Miten ilmiöitä ja niiden ulottuvuuksia mitataan?
• Miten kyselylomakkeiden validiteettia ja reliabiliteettia voidaan parantaa?
• Mitä tarkoitetaan esim. käsitteillä keskiarvo, vaihtelu ja riippuvuus?
• Mitä vaikutuksia tutkimukseen on sattumalla ja satunnaisuudella?
• Millaisia menetelmiä missäkin tilanteessa voi soveltaa?
• Mitä tietokone pitäisi laittaa laskemaan ja miten?
• Millä tavoin kuvia, taulukoita ja tulo(stu)ksia esitetään ja tulkitaan?
• Mitä johtopäätöksiä pitäisi tehdä ja mitä ei?

Monet kysymyksistä tulevat vastaan aivan välittömästi oman alan tutkimuskirjallisuutta lukiessa. Kurssin jälkeen tulisi osata vastata jo useimpiin kysymyksistä todellisissa tutkimusasetelmissa.

Oppimistilaisuudet ja itsenäinen työskentely

Kurssi rakentuu voimakkaasti yhteisöllisten oppimistilaisuuksien eli pajojen varaan. Niiden lisäksi on varattava aikaa itsenäiseen työskentelyyn, joka tarkoittaa pohtimista ja pähkäilyä yksin tai kaveri(e)n kanssa. Mikään kurssilla ei ole pakollista, mutta pajoihin osallistuminen on suositeltavaa.  Korvaavia tehtäviä ei teetetä, koska ne eivät oikeasti korvaa yhteisöllisiä oppimistilaisuuksia (eikä yksilölliseen ohjaukseen ole kurssin koon vuoksi mahdollisuuksia).

ISO PAJA

Kurssin teemoihin perehdytään viikoittain itsenäisesti . Isossa pajassa teemoja ja harjoitustehtäviä työstetään ryhmätyönä ohjaajien tuella sekä täydennetään esimerkeillä, ideoilla, keskustelulla, kahvilla ja kommenteilla.  

VIDEOPAJA

Teemoihin sisältyviä harjoitustehtäviä ratkotaan itsenäisesti tai ryhmätyönä pajoissa. Ratkaisuehdotuksia tarkastellaan videopajoissa, joiden tallenteita voi katsoa jälkeenpäin verkosta.

KERTAUSPAJA

Harjoitustehtävien tekeminen on oppimisen kannalta olennaista. Isojen pajojen ja videopajojen lisäksi molempien osien lopuksi järjestetään kertauspajat, joihin voi osallistua, jos tarvitsee lisäharjoittelua ennen kurssikoetta. Kertauspajoissa tehtäviä työstetään ohjaajien tuella pienryhmissä eri tavoin, osallistujien toiveita kuunnellen. Tehtäviin on tärkeää perehtyä itsenäisesti jo ennen kertauspajoja. Kertauspajat ovat vapaaehtoisia eivätkä vaadi erillistä ilmoittautumista.

Aikataulu

Osa 1

• viikko 36:
  • iso paja to 8-10 (Porthania, PI)
• viikot 37-41:
  • videopaja ke 8-10 (Metsätalo, sali 1)
  • iso paja to 8-10 (Porthania, PI)
• viikko 42:
  
  • kertauspaja ma 16-18 (päärakennus, sali 7) tai ti 10-12 (Porthania, sali P722)
  • kurssikoe to 15.10 klo 10:00-12:00 (Porthania, PI ja päärakennus, sali 1)

Tentti- ja lukuviikko

• viikko 43:
  • (kurssikokeen tarkastus - tulokset periodin II alussa)

Osa 2

• viikko 44:
  • iso paja to 8-10 (Porthania, PI)
• viikot 45-49:
  • videopaja ke 8-10 (Metsätalo, sali 1)
  • iso paja to 8-10 (Porthania, PI)
• viikko 50:
  • kertauspaja ma 16-18 (päärakennus, sali 6) tai ti 10-12 (päärakennus, sali 12)
  • kurssikoe to 10.12 klo 10:00-14:00   (Porthania, PI ja päärakennus, sali 1)

Tentti- ja lukuviikko

• viikko 51:
  • (kurssikokeen tarkastus - tulokset periodin III alussa)

Materiaali

Kurssin verkkoalueella (mooc.helsinki.fi) on (ja sinne tuotetaan kurssin aikana) oppimista tukevaa materiaalia, joka on kurssin osallistujien käytössä myös kurssin jälkeen.

Osa 1

Kyselytutkimus ja mittaus

• Teema 1: Tilastotiede ja kyselytutkimus  
   

• Teema 2: Mittaus yhteiskuntatieteissä  
   

Tiedonkeruu, tilastoaineiston kuvailu ja analysointi

• Teema 3: Tiedonkeruu, kuvat ja tunnusluvut  
   

• Teema 4: Vaihtelu ja riippuvuus  
   

• Teema 5: Ristiintaulukointi  
   

Osa 2

Todennäköisyyslaskennan perusteet

• Teema 6: Todennäköisyys ja satunnaisuus    
   

• Teema 7: Todennäköisyyksien laskentaa

Tilastollisen päättelyn perusteet

• Teema 8: Parametrien estimointi ja luottamusvälit     
   

• Teema 9: Tilastollinen hypoteesin testaus

• Teema 10: Regressio- ja varianssianalyysi    
   

Suoritustavat

Kurssin osat 1 ja 2 suoritetaan erikseen, joko kurssikokeilla tai erilliskokeilla .

Kurssikoe

Osan 1 kurssikoe järjestetään periodin I lopulla, osan 2 kurssikoe periodin II lopulla.

• Osan 1 koealue käsittää Teemat 1-5 harjoituksineen.
• Osan 2 koealue käsittää Teemat 6-10 harjoituksineen.

Kurssikokeiden ajat kannattaa merkitä heti muistiin!

Kurssikoe järjestetään kahdessa isoimmassa salissa:

• Osa 1: to 15.10 (2h) klo 10:00-12:00 (Porthania, PI ja päärakennus, sali 1)
• Osa 2: to 10.12 (4h) klo 10:00-14:00 (Porthania, PI ja päärakennus, sali 1)

Salijako sukunimen alkukirjaimen mukaan

• A - L: Päärakennus, sali 1 (Fabianinkatu 33)
• M - Ö: Porthania I (Yliopistonkatu 3)

Kokeeseen voivat osallistua kurssille ilmoittautuneet.

Uusintamahdollisuus on tarjolla erilliskokeissa.

Erilliskoe

Erilliskokeet järjestetään tiedekuntatenteissä 16 .1.2016, 13.2.2016 ja 16.4.2016 sekä kesätenteissä ??.6.2016 ja ??.8.2016.

• Osan 1 koealue käsittää Teemat 1-5 harjoituksineen.
• Osan 2 koealue käsittää Teemat 6-10 harjoituksineen.

Näiden kokeiden hallinnoinnista vastaa valtiotieteellisen tiedekunnan opintohallinto.  

• Ilmoittautuminen Oodissa viimeistään 10 pv ennen tenttiä.
  • Tiedekunta EI ota vastaan myöhästyneitä ilmoittautumisia.
  • Elokuun kesätentin viimeinen ilmoittautumispäivä on 31.7.
• Yhdessä tentissä voi suorittaa joko osan 1 tai osan 2 tai molemmat osat.
• Kuhunkin tentittävään osaan on ilmoittauduttava erikseen.
• "Tentittävä kirjallisuus" on kurssin perusmateriaali (teemat ja harjoitukset, jotka saa tältä sivulta).
• Tenttikysymykset ovat suomeksi, men du kan svara på svenska.
• Tiedekunta- ja kesätenttien kestoaika on 4h.

Pisteet ja arvosanat

Molemmista osista saa erillisen arvosanan joko kurssikokeen tai erilliskokeen perusteella. Arvosanat määräytyvät suoraan koepisteistä:

Aineistot

Kurssilla tarkastellaan lukuisia yhteiskuntatieteellisiä, enimmäkseen kysely- ja haastattelututkimusten aineistoja, pääasiassa kyselylomakkeiden, kuvien, tulosteiden ja tunnuslukujen avulla. Omin käsin ("hands-on") aineistoihin pääsee kunnolla kiinni (tämän kurssin käytyään) mm. kurssilla Data-analyysi Survo- ja SPSS-ohjelmistoilla.

Ohjelmistot

Tällä kurssilla ei varsinaisesti opeteta ohjelmistojen käyttöä, mutta oppiminen on täysin mahdollista.

Oman tietokoneen hankkiminen on erittäin suositeltavaa. Konetta kannattaa pitää mukana pajoissa!

Tilastollisista ohjelmistoista osan saa vapaasti verkosta, osan opiskelijalisenssillä yliopiston ohjelmistojakelusta.

• R on (ainakin) akateemisen maailman suosituin ja tärkein tilastollinen ohjelmisto.
  Kopiointi ja asennus (vapaasti verkosta)
• Survo R on kätevä ympäristö tilastollisiin yms. tehtäviin.
  Kopiointi ja asennus (vapaasti verkosta R-pakettina)
• SPSS ja SAS ovat perinteisiä, kaupallisia tilasto-ohjelmistoja.
  Kopiointi ja asennus (yliopiston ohjelmistojakelusta)

Kirjallisuutta

Alla luetellut teokset soveltuvat oheislukemistoiksi kurssin molempiin osiin. Useimmat menevät kurssin sisältöjä pidemmälle. Siitä ei kannata huolestua, pikemminkin innostua. Osasta on uudempiakin painoksia, tässä luetellut löytyvät omasta kirjahyllystäni.

• Alkula, Tapani & Pöntinen, Seppo & Ylöstalo, Pekka (1994). Sosiaalitutkimuksen kvantitatiiviset menetelmät. WSOY.
• Bram, Uri (2011). Thinking Statistically. CreateSpace.
• Cozby, Paul C. (2009). Methods in Behavioral Research, 10th ed., McGraw-Hill.
• Dalgaard, Peter (2002). Introductory Statistics with R. Springer.
• Field, Andy (2009). Discovering Statistics Using SPSS, Third Edition, Sage.
• Field, Andy; Miles, Jeremy & Field, Zoë (2012). Discovering Statistics Using R. Sage.
• Fowler, Jr., Floyd J. (1995). Improving Survey Questions: Design and Evaluation. Sage.
• Freedman, David A. (2009). Statistical Models: Theory and Practice, Revised Edition. Cambridge University Press.
• Freedman, David A. (2010). Statistical Models and Causal Inference: A Dialogue with the Social Sciences (Edited by David Collier, Jasjeet S. Sekhon and Philip B. Stark). Cambridge University Press.
• Gelman, Andrew & Cortina, Jeronimo, eds. (2009). A Quantitative Tour of the Social Sciences. Cambridge University Press.
• Hand, David J.; Mannila, Heikki & Smyth, Padhraic (2001). Principles of Data Mining (Adaptive Computation and Machine Learning). A Bradford Book.
• Heikkilä, Tarja (2004). Tilastollinen tutkimus, 5. painos. Edita.
• Holopainen, Martti & Pulkkinen, Pekka (2008). Tilastolliset menetelmät, 5.-7. painos. Sanoma Pro.
• Howell, David C. (2002). Statistical Methods for Psychology, 5th ed., Duxbury.
• Ketokivi, Mikko (2015).Tilastollinen päättely ja tieteellinen argumentointi, 2. painos. Gaudeamus.
• Kuusela, Vesa (2000). Tilastografiikan perusteet. Edita.
• Laakkonen, Pekka & Mäenpää, Merja & Kettunen, Ensio (2011). Numerotaito. Ammatillinen matematiikka. WSOYpro.
• Magnello, Eileen & Van Loon, Borin (2009). Introducing Statistics: a Graphic Guide. Icon Books.
• Nummenmaa, Lauri (2004). Käyttäytymistieteiden tilastolliset menetelmät. Tammi.
• Pahkinen, Erkki (2012). Kyselytutkimusten otantamenetelmät ja aineistoanalyysi. Jyväskylä University Library Publishing Unit.
• Paulos, J. A. (1991). Numerotaidottomuus: matemaattinen lukutaidottomuus ja sen seuraukset (suom. Klaus Vala), Art House.
• Payne, Stanley L. (1951). The Art of Asking Questions. Princeton University Press.
• Robbins, Naomi B. (2005). Creating More Effective Graphs. Wiley.
• Salkind, Neil J. (2011). Statistics for People Who (Think They) Hate Statistics. 4th ed., Sage.
• Salsburg, David (2001). The Lady Tasting Tea: How Statistics Revolutionized Science in the Twentieth Century. Holt Paperbacks.
• Sariola, Sakari (1956). Sosiaalitutkimuksen menetelmät. WSOY.
• Taleb, Nassim Nicholas (2010). The Black Swan, 2nd ed., Penguin Books.
• Taleb, Nassim Nicholas (2012). Antifragile: Things That Gain from Disorder. Random House.
• Tufte, Edward R. (2001). The Visual Display of Quantitative Information, Second Edition. Graphics Press.
• Vehkalahti, Kimmo (2014). Kyselytutkimuksen mittarit ja menetelmät. Finn Lectura.
• Vehkalahti, Kimmo (2008). Kyselytutkimuksen mittarit ja menetelmät. Tammi.
• Wild, Christopher J. & Seber, George A. F. (2000). Chance Encounters: a First Course in Data Analysis and Inference. Wiley.
• Woolfson, Michael M. (2012). Everyday Probability and Statistic s. Imperial College Press.
• Yau, Nathan (2013). Data Points: Visualization That Means Something. Wiley.
• Yau, Nathan (2011). Visualize This: The FlowingData Guide to Design, Visualization, and Statistics . Wiley.
• Ziliak, Stephen T. & McCloskey, Deirdre N. (2008). The Cult of Statistical Significance: How the Standard Error Costs Us Jobs, Justice, and Lives. University of Michigan Press.

Yhteiskuntatieteellisen tietoarkiston (FSD) kvantitatiivisten tutkimusmenetelmien oppimisympäristössä on esillä laaja valikoima oppikirjoja ja esimerkkejä erilaisin menetelmin tehdyistä tutkimuksista.