Tentalabbet

771A23 · 7,5 hp · Avancerad nivå (A1N) · Computational Social Science

Social nätverksanalys

Ges · nästa start VT 2027

100 %

klarade senaste ordinarie tillfället

LSP1 · 20 mar 2026 · 21 studenter

100 %

klarade de ordinarie tillfällena, alla tillfällen de senaste 5 åren

LSP1 · 111 studenter

Modulen rapporterar bara godkända resultat, så andelen godkända visar inte hur många som inte klarade den.

Ingår i 1 program

Övrigt moment

LSP1 Litteraturseminarium och presentationer

  • P

Ordinarie tillfällen

100 % godkända · 111 studenter

  • 100 %21
  • 100 %48
  • 100 %22
  • 100 %20

Senare tillfällen

100 % godkända · 24 studenter

  • 100 %24
  • Klarar ett senare tillfälle: 100 % (24 studenter), jämfört med 100 % (111 studenter) på ordinarie

Övriga moment

Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.

Inlämning eller laboration

PRO2 Projekt

  • A
  • B
  • C
  • D
  • E
  • FX

Ordinarie tillfällen

99 % godkända · 123 studenter

  • 100 %21
  • 100 %48
  • 100 %19
  • 100 %20
  • 93 %15

Senare tillfällen

Inga tillfällen med minst 5 studenter.

  • Får B eller A: 71 % (123 studenter)
Visa små tillfällen (7)

Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.

  • 100 %1
  • 100 %2
  • 100 %1
  • 100 %2
  • 100 %1
  • 100 %2
  • 100 %1

Övrigt moment

ASS1 Uppgifter

  • A
  • B
  • C
  • D
  • FX

Ordinarie tillfällen

100 % godkända · 102 studenter

  • 100 %47
  • 100 %19
  • 100 %22
  • 100 %14

Senare tillfällen

90 % godkända · 21 studenter

  • 90 %21
  • Klarar ett senare tillfälle: 90 % (21 studenter), jämfört med 100 % (102 studenter) på ordinarie
  • Får B eller A: 59 % (123 studenter)
Visa små tillfällen (7)

Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.

  • 100 %2
  • 100 %1
  • 100 %1
  • 100 %1
  • 100 %1
  • 100 %1
  • 100 %1

Om kursen

Mål

Efter avslutad kurs ska den studerande på avancerad nivå kunna:

  • Förklara grundläggande begrepp och teorier inom samhällsvetenskaplig nätverksanalys, samt förstå hur dessa teorier och begrepp kan bidra till att förklara olika aktörers beteenden på mikronivå, samt olika makroutfall;
  • Kritiskt granska hur nätverk kan bidra till att förklara sociala, politiska, ekonomiska och kulturella fenomen;
  • Använda statistisk programvara för att visualisera nätverk och analysera deras egenskaper, samt kunna koppla dessa resultat till nätverksanalytiska begrepp och teorier;
  • Förklara principerna bakom olika statistiska modeller för sociala nätverk;
  • Använda programvara för att statistiskt modellera sociala nätverk, för att förstå deras uppkomst och utveckling;
  • Simulera nätverksdynamik utifrån olika nätverksmodeller.

Innehåll

Kursen går igenom de huvudsakliga begrepp, mått och statistiska metoder som används vid datorbaserad analys av samhällsvetenskaplig nätverksdata. Nätverkskoncept såsom centralitet och ”brokerage” diskuteras, och olika sätt att mäta dessa utvärderas. Kursen omfattar även hur datorer kan användas för att hantera, visualisera och analysera nätverksdata. Statistiska modeller för att analysera nätverk introduceras, och studenten får erfarenhet av att arbeta med relevanta programvaruverktyg. I interaktiva datorlaborationer presenteras och estimeras olika statistiska modeller för nätverksdata, inklusive metoder för att simulera dessa nätverksmodeller.

Examinator
Károly Takács
Huvudområde
Computational Social Science
Kursplanen på Studieinfo ↗