Statistics (2 cr)

Evaluation scale

H-5

Content scheduling

Opintojaksolla harjoitellaan numeerisen aineiston käsittelyyn liittyviä matemaattisia välineitä sekä teorian että käytännön tasolla. Opiskelija oppii suorittamaan numeerisen datan analyysiä Excelissä (ja valintansa mukaan myös MATLAB:ssa), sekä tulkitsemaan analyysin antamia tuloksia tutkimuskysymysten kannalta mielekkäällä tavalla.

Aiheita opiskellaan itsenäisesti suoritettavien tehtävien avulla. Itsenäisten tehtävien tukena on itsiin linkitetty opasmateriaal sekä opettajan videotallenteet.

Kurssiin liittyy pakollisena osana tilastollisen aineistoanalyysiosaamisen osoittaminen harjoitustyöllä. Harjoitustyön voi tehdä parin kanssa. Lisäksi kurssin teoria-aiheiden hallintaa testataan automaattisesti arvioitavalla kokeella, joka suoritetaan valvotusti.

Suoritusaikaa on 30.9.25 saakka. Jos suoritus jää kesken, tai opiskelija muusta syystä haluaa siirtyä normaalitoteutukselle,voi opiskelija ilmoittautua PEYTES24-ryhmän syksyn normaalitoteutukseen (TE00CO13-3003).

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.99546026720597 0)
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.99570808940597 0)

tai vastaava tilastollisen tutkimuksen perusteiden oppikirja

- Itslearning-oppimisympäristössä oleva ja sinne linkitetty sähköinen- ja verkkomateriaali, opetusvideot

Teaching methods

Itsenäiset tehtävät ja materiaalit itslearningissä.
Automaattitarkisteinen teoriakoe itsissä valvotussa koetilanteessa.

Exam schedules

Itsissä omalla tietokoneella suoritettava automaattitarkisteinen teoriakoe EY-tekniikan yleisinä uusintatenttipäivinä 3.6. tai 3.9. tai opettajan kanssa sovittuna muuna aikana.

Pedagogic approaches and sustainable development

Learning-by-doing ja flipped learning

Oppiminen perustuu paljolti opiskelijan omaan aktiiviseen osallistumiseen ja suorittamiseen.
Opiskeltavista aiheista tarjotaan opiskelijalle itsenäisiä tehtäviä, niiden suoritusta tukevaa materiaalia ja opettajan ohjausta. Arviointi perustuu suoritettuihin tehtäviin ja automaattiarvioitaviin testeihin.

Opintojaksolla opittavat taidot ovat työelämässä tarvittavia perustaitoja. Opitut Excelin taulukkolaskentataidot edesauttavat kestävän kehityksen toimintaan liittyvää laskentaa työelämässä ja yksityiselämässä. Tilastojen tulkintaan liittyvät taidot kehittävät mm. laatuun ja laatujärjestelmiin liittyvää pohdintaa.

Opintojakson materiaali on digitaalisesti tuotettua materiaalia, joka ei kuluta luonnonvaroja yhtä paljon kuin fyysinen materiaali.

Arviointi perustuu suoritettuihin tehtäviin ja osaamisen osoittamiseen kokeessa sekä harjoitustehtävässä.

Completion alternatives

Opintojakson itsenäinen suorittaminen: Hyväksytysti suoritettu teoriakoe ja harjoitustyö.

Student workload

2 op = 54 t opiskelijan työtä jakautuen
- Itsenäiset tehtävät, joilla voi kerätä osan arviointipisteistä (noin 6 x 6t = 36t)
- Näyttökoe todennäköisyyslaskennasta ja tilastotieteen teoriasta sekä kokeeseen opiskelu (1t + t = 9t)
- Hyväksytysti suoritettava tilastollisen analyysin harjoitustyö paritehtävänä ja siihen liittyvä vertaisarviointi (8t + 1t = 9t)

Evaluation methods and criteria

Opintojakso arvioidaan numeerisesti 0-5 kerättyjen kurssipisteiden perusteella. Kurssipisteitä voi kerätä:
- Itsenäisistä viikkotehtävistä max 10 p (myöhässä palautetuista harjoituksista ei saa lainkaan pisteitä)
- Harjoitustyöstä max 15p (harjoitustyöstä saatava min. 5p, myöhässä palautetusta harjoitustyöstä voi saada maksimissaan 7,5 p)
- Teoriaokeesta max 25p

Kurssin hyväksytty suoritus edellyttää vähintään 25 p yhteensä, ja vähintään 5 p harjoitustyöstä.

Failed (0)

Opiskelija ei ole saanut vähintään 25 kurssipistettä, tai vähintään 5 p harjoitustyöstä

Assessment criteria, satisfactory (1-2)

Arvosanaan 1 vaaditaan 25 p ja harjoitustyöstä vähintään 5 p.
Arvosanaan 2 vaaditaan 30 p ja harjoitustyöstä vähintään 5 p.

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

Assessment criteria, good (3-4)

Arvosanaan 3 vaaditaan 35 p ja harjoitustyöstä vähintään 5 p.
Arvosanaan 4 vaaditaan 40 p ja harjoitustyöstä vähintään 5 p.

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

Assessment criteria, excellent (5)

Arvosanaan 5 vaaditaan 45 p ja harjoitustyöstä vähintään 5 p.

Numeron 5 osaaminen vastaa tilastolllisessa analyysissä tason 3-4 analyysimenetelmien hallinan lisäksi ymmärrystä todennäköisyyslaskennasta, otostunnuslukujen luotettavuudesta ja lineaarisesta regressioanalyysistä.

Further information

Kurssin tärkeimmät ilmoitukset opettaja lähettää sähköpostitse. Yhteydenotot opettajaan sähköpostitse (hannele.kuusisto@turkuamk.fi).

Kurssiin liittyvä tarkempi informaatio itslearningissä.

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