Skip to main content

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
DAKV23SV
Data 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
Changes to reservations may be possible.

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.

Go back to top of page