Study Guide

Objective

The target of the study course is to familiarize student to use of statistical methods and their computer applications. When course is completed, student can produce statistical data required in his/her work, and analyze it.

Content

- assessment of sampling methods and sample size from the perspective of the result reliability
- presentation and interpretation of graphs
- measuring methods and scales
- descriptives
- normal distribution and related calculations
- correlation and regression
- performing a small-scale data analysis using the analysis methods mentioned above

Materials

Soveltuvat oppikirjat (ei pakollinen):
- Tilastollinen tutkimus, Heikkilä, 2014, Edita Publishing (Saatavilla myös e-kirjana https://turkuamk.finna.fi/Record/turkuamk_electronic.995460267205970)
TAI
- Tilastollisen aineiston käsittelyn ja tulkinnan perusteita; Tähtinen, Laakkonen & Broberg, 2020, Turun yliopiston kasvatustieteiden laitos (Saatavilla myös e-kirjana https://turkuamk.finna.fi/Record/turkuamk_electronic.995708089405970)
tai vastaava tilastollisen tutkimuksen perusteiden oppikirja
- Itslearning-oppimisympäristössä oleva ja sinne linkitetty sähköinen- ja verkkomateriaali, opetusvideot

Teaching methods

Tunteihin liittyvät tsenäiset ennakkotehtävät ja kertaustehtävät itsissä
Opetustapaaminen kerran viikossa, á 1t 45 min
Osaamista mittaava koe (automaattinen arviointi) ja harjoitustyö (itse-, vertais- ja opettajan arviointi)

Jokaiseen opetus/ohjauskertaan liittyy edellisen kerran aiheita kertaavia ja uuteen aiheeseen valmistelevia itsenäisiä kotitehtäviä. Näillä kotitehtävillä on mahdollista kerätä osa kurssipisteistä kompensoimaan kokeen tulosta (noin numeron korotus arvosanaan)

Exam schedules

Teoriakoe viikolla 46 (uusinnat EY-tekniikan yleisinä uusintatenttipäivinä joulukuussa 2024 ja tammikuussa 2025)
Harjoitustyön palautus viikon 44 loppuun mennessä

International connections

Learning-by-doing ja flipped learning

Oppiminen perustuu paljolti opiskelijan omaan aktiiviseen osallistumiseen ja suorittamiseen.
Opiskeltavista aiheista annetaan opiskelijalle sekä ennakkotehtäviä että kertaavia tehtäviä ja tehtävien suoritusta tukevaa materiaalia.

Opintojaksolla opittavat taidot ovat työelämässä tarvittavia perustaitoja.

Arviointi perustuu suoritettuihin tehtäviin ja osaamisen osoittamiseen kokeessa sekä harjoitustehtävässä.

Completion alternatives

Opintojakson itsenäinen suorittaminen: Hyväksytysti suoritettu teoriakoe ja harjoitustyö.

Huom! Opiskelija voi suorittaa opintojakson itsenäisesti jo kesän 2024 aikana (6.5.-15.9. välisenä aikana) opiskelemalla kurssin aiheet ja tekemällä harjoitustyön itsiin rakennetun itsenäisesti suoritettavan kurssin avulla. Kurssin teoriakoe suoritetaan tällöin EY-tekniikan yleisenä uusintapäivänä 4.6. tai 10.9. Jos olet kiinnostunut suorittamaan opintojakson tällä tavoin, ole sähköpostitse yhteydessä opettajaan (hannele.kuusisto@turkuamk.fi) lisätietojen saamiseksi.

Student workload

2 op = 54 t opiskelijan työtä jakautuen
- Opetukseen/ohjaukseen (17 t)
- Vapaaehtoiset ennakkotehtävät ja kertaustehtävät, joilla voi kerätä osan arviointipisteistä (noin numeron korotus tenttiarvosanaan) (16 t)
- Hyväksytysti suoritettava koe todennäköisyyslaskennasta ja tilastotieteen teoriasta (numeerinen arviointi 0-5) sekä kokeeseen opiskelu (8 t)
- Hyväksytysti suoritettava tilastollisen analyysin harjoitustyö paritehtävänä ja siihen liittyvä vertaisarviointi (HKS/mahdollinen korotus kurssiarvosanaan) (13 t)

Content scheduling

Opintojakso toteutetaan yhteisopetuksena (ryhmät A ja B).
Tunnit ovat koetta lukuunottamatta tiistaisin pidettäviä saman aikaisen hybridin tunteja, joihin voi osallistua joko kampuksella tai etänä Teamsissä. Tunnit ovat 1h ja 45 minuutin mittaisia sisältäen edellisen viikon harjoitusten purun ja uuden aiheen käsittelyn.

Kurssin aiheita käsitellään sekä teorian ja tulkinnan näkökulmasta että analyysivälineiden käytön harjoittelun (Excel ja/tai MATLAB) näkökulmasta.

Alustava aikataulu:
vk 36 aloitustapaaminen tiistaina 3.9. (HYB): Opintojakson aloitus. Tilastollisen tutkimuksen peruskäsitteet, otantamenetelmät, muuttujien mitta-asteikot.
vk 37 (HYB): Taulukot ja kaaviot aineiston kuvailussa. Histogrammijakauman yhteys normaalijakaumaan.
vk 38 (HYB): Tilastolliset tunnusluvut aineiston kuvailussa: tunnusluvut, virhe-%, variaatiokerroin ja luottamusväli tulosten luotettavuuden mittareina.
vk 39 (HYB): Kahden muuttujan yhteydet, kun vähintään toinen on sanallinen (kategorinen): ristiintaulukointi, ryhmittäiset tunnusluvut ja laatikkojanakaavio
vk 40 (HYB): Kahden muuttujan yhteydet, kun molemmat ovat numeerisia: sirontakuviot ja käyrien sovitus, regressiomallit ja korrelaatiokertoimet
vk 41-43 (ETÄ): Itsenäinen aineistoanalyysi (parityö) ja sen tekemiseen liittyvää vapaaehtoista Helpdesk-ohjausta
vk 44 (HYB): Klassinen ja tilastollinen todennäköisyys, normaalijakauma ja siihen liittyvät laskut
vk 45 tiistai (HYB): Keskiarvon keskivirhe ja luottamusväli, otoskoon laskenta ja otannan toteutus
vk 45 perjantai (ETÄ): Kurssin teoria-aiheiden kertaus koetta varten
vk 46 tiistai (LÄHI): Teoriakoe tilastollisen tutkimuksen vaiheista, käsitteistä ja tuloksiin liittyvästä tulkinnasta sekä todennäköisyyslaskennasta
vk 46 perjantai (ETÄ): Kokeen tulosten läpikäyntiä ja asiaa uusinnoista

Further information

Kurssin tärkeimmät ilmoitukset opettaja lähettää sähköpostitse. Yhteydenotot opettajaan sähköpostitse (hannele.kuusisto@turkuamk.fi).
Tunteihin liittyvä informaatio itslearningissä. Kurssiin liittyviä ilmoituksia itslearningissä kurssin Yleiskatsaus-sivulla.

Käytettävät ohjelmistot: MS Excel -työpöytäsovellus, GeoGebra, MATLAB.

Evaluation scale

H-5

Assessment methods and criteria

- Hyväksytysti suoritettava koe todennäköisyyslaskennasta ja tilastotieteen teoriasta (numeerinen arviointi 0-5, max 30 p)
- Hyväksytysti suoritettava tilastollisen analyysin harjoitustyö paritehtävänä ja siihen liittyvä vertaisarviointi (HKS/Yhden numeron korotus tentiarvosanaan)

Itsenäisillä viikkotehtävillä voi kerätä max 4p huomioitavaksi arvosanassa koepisteiden lisäksi. Tämä vastaa noin numeron korotusta arvosanaan.

Myös hyvin suoritetulla harjoitustyöllä voi saada max numeron korotuksen arvosanaan.

Assessment criteria, fail (0)

Opiskelija ei ole suorittanut hyväksytysti opintojakson koetta ja/tai harjoitustyötä.

Assessment criteria, satisfactory (1-2)

Suomeksi
Arvosanaan 1 vaaditaan 40 % koepisteistä = 12 p ja ja hyväksytysti suoritettu harjoitustyö.
Arvosanaan 2 vaaditaan 52 % = 15,5 p ja hyväksytysti suoritettu harjoitustyö.
Osan vaadittavista pisteistä voi kerätä viikkotehtävillä (max 4 p).
Itsenäisesti tehtävällä harjoitustyöllä voi myös ansaita numeron korotuksen tenttiarvosanaan.

Numeron 1-2 osaaminen vastaa tilastollisessa analyysissä kuvailevien analyysimenetelmien hallintaa.

Assessment criteria, good (3-4)

Arvosanaan 3 vaaditaan 64 % koepisteistä = 19 p ja hyväksytysti suoritettu harjoitustyö.
arvosanaan 4 vaaditaan 76 % = 23 p ja hyväksytysti suoritettu harjoitustyö.
Osan vaadittavista pisteistä voi kerätä viikkotehtävillä (max 4 p).
Itsenäisesti tehtävällä harjoitustyöllä voi myös ansaita numeron korotuksen tenttiarvosanaan.

Numeron 3-4 osaaminen vastaa tilastollisessa analyysissä kuvailevien analyysimenetelmien ja kahden muuttujan yhteyden tutkimiseen liittyvien analyysimenetelmien hallintaa.

Assessment criteria, excellent (5)

Arvosanaan 5 vaaditaan 88 % koepisteistä = 26,5 p ja hyväksytysti suoritettu harjoitustyö.
Osan vaadittavista pisteistä voi kerätä viikkotehtävillä (max 4 p).
Itsenäisesti tehtävällä harjoitustyöllä voi myös ansaita numeron korotuksen tenttiarvosanaan.

Numeron 5 osaaminen vastaa tilastolllisessa analyysissä tason 3-4 analyysimenetelmien hallinan lisäksi ymmärrystä tilastollisista testeistä, luottamusväleistä ja regressioanalyysistä.