Päämäärä

Kurssin päätyttyä osaat toteuttaa yksinkertaisia ohjelmia aineiston keräämiseen tai käsittelemiseen Python-ohjelmointikielellä. Tarkemmin oppimistavoitteita on kolme:

  1. laskennallinen ajattelu, eli kyky kuvitella ongelma sellaiseen muotoon että tietokone sen osaa ratkaista
  2. Python-kielen alkeet, eli osaaminen muodostaa pieniä ohjelmia ongelmien ratkaisemiseksi laskennallista ajattelua hyödyntäen
  3. ohjelmoinnin käyttö yhteiskuntatieteessä, eli käsitys siitä millaisiin tarkoituksiin laskennallisia menetelmiä on yhteiskuntatieteissä käytetty

Työskentelytavat

Kurssilla on neljä erimuotoista tehtävää:

Käännetyn luokkahuoneen (flipped classroom) tavoite on opiskella ohjelmoinnin perusteita itsenäisesti omassa tahdissa. Käytössä on kolme materiaalia itsenäiseen opiskeluun: suomenkielinen opas (alla siitä sivunumeroita), videomateriaalit ja interaktiivinen ohjelmointiympäristö. Pyrkikää harjoittelemaan kunkin kerran keskeiset käsitteet aina ennen tapaamista.

Tapausesimerkit ovat viimeaikaista tutkimusta, missä sovelletaan laskennallisia menetelmiä. Aiheet käsitellään ryhmittäin, niin että jokainen opiskelija tutustuu yhteen paperiin ja vastaa seuraaviin kysymyksiin: 1) mikä on tutkimuskysymys ja 2) miten laskennallisia menetelmiä (=ohjelmointia) on käytetty tutkimuskysymykseen vastaamiseen.

Artikkelit esittelevät laajemmin laskennallisten menetelmien käyttöä laajemmassa mittakaavassa. Valitut artikkelit edustavat laskennallisen yhteiskuntatieteen historiaa, kriittisiä näkökulmia laskennallisuuteen sekä menetelmäkuvauksia. Jokainen opiskelija lukee nämä artikkelit jokaiselle kerralle.

Laskuharjoitustehtävät keskittyvät tarkemmin ohjelmointitaitojen kehittämiseen aitojen tehtävien ympärillä. Tehtävät sisältävät niin oman ohjelmakoodin tuottamista kuin olemassa olevan ohjelmakoodin muokkaamista. Laskuharjoituksissa on apua näiden tehtävien tekemiseen.

Työvälineet

Kurssin suoritus

Kurssi arvostellaan hyväksytty-hylätty -arvioinnilla. Kurssin suorittaminen hyväksytysti vaatii 60 % laskuharjoitustehtävien tekoa sekä artikkeleihin tutustumista.

Kurssin ohjelma

Aika Teema Flipped classroom Artikkelit
1 Tutustuminen laskennalliseen ajatteluun Scratch-ympäristössä
Tehtävät
Itsenäistä opiskelua varten: Scratch-opas
2 Muuttuja, ehto- ja toistolause

Tehtävät
Ryhmä A
Ryhmä B

muuttuja, operaattori
s. 5-7
s. 10-12
Muuttuja
Laskeminen muuttujalla

ehtolause (if-lause)
s. 26-29
Ehtolause

toistolause, toistorakenne (for-lause)
s. 37
s. 39-40
Toistolause

sanojen käsittely (merkkijonot, string)
s. 16-20
Merkkijono

jaollisuus
s. 10-12

Kaikille: Cioffi-Revilla, Claudio. 2010. “Computational Social Science.” Wiley Interdisciplinary Reviews: Computational Statistics 2 (3): 259–271.
  • Mitkä ovat Cioffi-Revillan mukaan välieitä laskennallista yhteiskuntatiedettä varten?
  • Mikä Cioffi-Revillan väline on sinusta mielenkiintoisin tutkimuksessasi?
Tapaus: Shor, Eran, Arnout van De Rijt, Charles Ward, Soussan Askar, and Steven Skiena. 2014. “Is There a Political Bias? A Computational Analysis of Female Subjects’ Coverage in Liberal and Conservative Newspapers.” Social Science Quarterly 95 (5).
  • Mikä on tutkimuskysymys?
  • Miten tähän tutkimuskysymykseen vastataan laskennallisesti?
3 Ehto- ja toistolause ja funktio

yllä olevan lisäksi ...

funktio
s. 43-45
s. 46-48
Funktio

syventävää materiaalia
Ehtolause toistolauseessa
Esimerkki: Jokerikone
Tyyppimuunnokset

Kaikille: Lazer et al. (2009): Life in the network: the coming age of computational social science
  • Mikä on Lazer ja kolleegoiden mukaan keskeinen syy laskennallisen yhteiskuntatieteen syntyyn?
  • Miten Lazer ja kolleegat eroavat Cioffi-Revillan ajatuksista? Mitä samankaltaisuuksia löytyy?
  • Kumpi työ oli mielestäsi parempi kuvaus laskennallisesta yhteiskuntatieteestä?
Tapaus: Adamic, Lada A, and Natalie Glance. 2005. “The Political Blogosphere and the 2004 U.S. Election: Divided They Blog.” In Proceedings of the 3rd International Workshop on Link Discovery, 36–43.
4 Ehto- ja toistolause, funktio ja tietorakenne

yllä olevan lisäksi ...

lista (list, array)
s. 65-69
Lista

sanakirja (dictonary)
s. 77-78
Sanakirja

Kaikille: boyd, danah, and Kate Crawford. 2012. “Critical Questions for Big Data.” Information, Communication & Society 15 (5): 662–679.
  • Mitä tarkoittaa big data? Anna esimerkki omasta tieteenalastasi!
  • Mikä boydin & Crawfordin mainitsemista keskeisistä haasteista on mielestäsi tärkein?
  • Mikä boydin & Crawfordin mainitsemista keskeisistä haasteista on omalle tieteenalallesi merkittävin?
Tapaus: Tumasjan, a., T. O. Sprenger, P. G. Sandner, and I. M. Welpe. 2011. “Election Forecasts With Twitter: How 140 Characters Reflect the Political Landscape.” Social Science Computer Review 29: 402–418.
Mahdollisesti jotain kiinnostavaa:
Raento, Mika, Antti Oulasvirta, and Nathan Eagle. 2009. “Smartphones. An Emerging Tool for Social Scientists.” Sociological Methods & Research 37 (3): 426–454.
Eagle, N., & Pentland, A. 2006. Reality mining: sensing complex social systems. Personal and ubiquitous computing, 10(4), 255-268.
5 Funktio ja tietorakenteet Kaikille: Saunders-Newton, D., and H. Scott. 2001. “‘But the Computer Said!’: Credible Uses of Computational Modeling in Public Sector Decision Making.” Social Science Computer Review 19: 47–65.
  • Mikä on kirjoittajien keskeinen väite?
  • Oletko samaa mieltä kirjoittajien väitteestä?
  • Pohtikaa tapausartikkelia tämän artikkelin pohjalta.
Tapaus: Woolf, BP, TJ Murray, Xiaoxi Xu, LJ Osterweil, Lori Clarke, Leah Wing, and Ethan Katsh. 2012. “Computational Predictors in Online Social Deliberations.” In Fifth International AAAI Conference on Weblogs and Social Media, 603–606.
Mahdollisesti kiinnostavaa:
Jansson, Gabriella, and Gissur Ó Erlingsson. 2014. “More E-Government, Less Street-Level Bureaucracy? On Legitimacy and the Human Side of Public Administration.” Journal of Information Technology & Politics 11 (3) (August 3): 291–308.
6 Tiedostojen käsittely ja määrällinen tutkimus
tehtäviä

tiedoston lukeminen
s. 52-53
s. 56
Tiedostot

sanojen käsittely (merkkijonot, string)
s. 58-61

Nettisivujen lukeminen
Requests ja BeautifulSoup

Kaikille: Ukkonen, Antti. 2013. “‘Big Data’ Ja Laskennalliset Menetelmät.” In Otteita Verkosta: Verkon Ja Sosiaalisen Median Tutkimusmenetelmät, edited by Salla-Maaria Laaksonen,, Janne Matikainen, and Minna Tikka. Tampere: Vastapaino.
  • Mitä on big data Ukkosen mukaan?
  • Mitä tulisi huomioida datan käsittelyssä?
Tapaus: Jurek, Steven J., and Anthony Scime. 2013. “Achieving Democratic Leadership: A Data-Mined Prescription.” Social Science Quarterly
7 Tiedostojen käsittely ja laadullinen tutkimus
tehtäviä
Kaikille: Grimmer, Justin, and Brandon M. Stewart. 2013. “Text as Data: The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts.” Political Analysis 21: 267–297.
  • Mitä mahdollisuuksia Text as Data-ajattelu luo?
  • Mitä tulisi huomioida datan käsittelyssä?
Tapaus: Levy, K. E. C., and M. Franklin. 2013. “Driving Regulation: Using Topic Models to Examine Political Contention in the U.S. Trucking Industry.” Social Science Computer Review.

Ohjausajat

Kaikkia opiskelijoita ohjataan yhdessä luentokerroilla. Sovi sähköpostitse (matti.nelimarkka@helsinki.fi) henkilökohtaisesta ohjauksesta (="vastaanottoaika"), myös mahdollista viikonloppuisin.