Qualitative data analysis (5 cr)
Code: DA00EW52-3002
General information
- Enrollment
-
04.11.2024 - 17.11.2024
Registration for the implementation has ended.
- Timing
-
13.01.2025 - 31.05.2025
Implementation is running.
- Number of ECTS credits allocated
- 5 cr
- Local portion
- 0 cr
- Virtual portion
- 5 cr
- Mode of delivery
- Distance learning
- Unit
- Department of Business
- Campus
- Ecampus
- Teaching languages
- Finnish
- Seats
- 20 - 60
- Degree programmes
- Degree Programme in Data Analytics
- Teachers
- Satu Peltola
- Teacher in charge
- Satu Peltola
- Groups
-
DAKV23SVData analytics, online studies
- Course
- DA00EW52
Realization has 2 reservations. Total duration of reservations is 2 h 0 min.
Time | Topic | Location |
---|---|---|
Fri 17.01.2025 time 10:40 - 12:10 (1 h 30 min) |
Laadullisen datan analyysi DA00EW52-3002 |
Etäopetus lukujärjestyksen mukaan
|
Fri 31.01.2025 time 12:50 - 13:20 (0 h 30 min) |
Laadullisen datan analyysi DA00EW52-3002 |
Etäopetus lukujärjestyksen mukaan
|
Objective
You know how to collect and analyze qualitative data.
You can use software and artificial intelligence to analyze qualitative data.
Content
How can qualitative data be collected in different ways?
How is qualitative data analyzed?
How can different programs be utilized in the collection and analysis of qualitative data?
How can artificial intelligence be utilized in the analysis of qualitative data?
Course material
Opiskelumateriaalia on käytettävissä Learn-opiskeluympäristössä.
Tehtävät edellyttävät myös itsenäistä tiedonhakua.
Study forms and methods
Opinnot toteutuvat verkko-opiskeluna Learn-verkkoympäristössa opiskelijan oman aikataulun mukaisesti, mutta huomioiden annetut aikarajat. Opintojaksoa ja siihen sisältyvää tehtävää voi soveltuvin osin hyödyntää omassa opinnäytetyössä esim. laadullisen aineiston keruuseen valmistautuessa tai aineiston analyysivaiheessa. Jos opinnäytetyö ei ole juuri nyt ajankohtainen, voit valita minkä tahansa työelämälähtöisen projektin tai kehittämistehtävän.
RDI and work-related cooperation
Opintojakson tehtäviin soveltuu työelämän kehittämiseen liittyvä yhteistyö (esim. opinnäytetyön suunnittelu tai työelämälähtöisen projektin toteuttaminen)
Timing of exams and assignments
Learn-alustalla on ilmoitettu tehtävien palautusten määräajat. Ei tenttiä.
International cooperation
Opintojaksolla on englanninkielistä kirjallisuutta ja opetusmateriaalia, kuten liiketalouden yksikön ohjeistus edellyttää.
Student workload
5 op = 135h itsenäistä työtä
Course part description
Opintojaksolla on yksi yksilötehtävä, joka palautetaan palautuskansioon ja vain opettaja näkee oppimistehtäväsi.
Opintojaksoa ja siihen sisältyvää tehtävää voi soveltuvin osin hyödyntää omassa opinnäytetyössä esim. laadullisen aineiston keruuseen valmistautuessa tai aineiston analyysivaiheessa. Jos olet tekemässä jotain työelämälähtöistä projektia tai kehittämistehtävää, voit hyödyntää sitä myös tähän opintojaksoon.
Tee oma aikataulusuunnitelmasi opintojakson toteutukselle, tehtävä vaatii melko paljon suunnittelua ja aikaa sen toteuttamiseen.
Further information
Siirryt Learniin Peppi- integraation kautta, joten opintojakso näkyy sinun työpöydälläsi aloituspäivänä. Sinun ei siis tarvitse tehdä muuta kuin odottaa tuota aloituspäivää. Katso opintojakson alkamispäivä Pepistä niin tiedät, milloin opintojakson tulisi olla työpöydälläsi. Jos opintojaksoa ei näy 2 päivän jälkeen opintojakson alkamisesta, ota yhteys vastuuopettajaan. Kun avaat opintojakson, perehdy huolellisesti ohjeisiin ja suunnittele ajankäyttösi. Oppimistehtävä vaatii aikaa ja paneutumista, joten kalenteroi siihen riittävästi aikaa.
Evaluation scale
1-5
Assessment methods and criteria
Arviointi perustuu Xamkin amk-arviointikehikkoon. Learnissä on esitelty arviointikriteerit ja arviointisuunnitelma.