Module Handbook

  • Dynamischer Default-Fachbereich geändert auf SO

Notes on the module handbook of the department Social Sciences

Die hier dargestellten Studiengang-, Modul- und Kursdaten des Fachbereichs Sozialwissenschaften [SO] befinden sich noch in Entwicklung und sind nicht offiziell.

Die offiziellen Modulhandbücher finden Sie unter https://www.sowi.uni-kl.de/studium/ .

Module SO-01-113-M-5

Introduction to Computational Social Science (M, 12.0 LP)

Module Identification

Module Number Module Name CP (Effort)
SO-01-113-M-5 Introduction to Computational Social Science 12.0 CP (360 h)

Basedata

CP, Effort 12.0 CP = 360 h
Position of the semester 1 Sem. in WiSe
Level [5] Master (Entry Level)
Language [DE] German
Module Manager
Lecturers
Area of study [SO-ESR] Empirical Social Research
Livecycle-State [NORM] Active

Courses

Type/SWS Course Number Title Choice in
Module-Part
Presence-Time /
Self-Study
SL SL is
required for exa.
PL CP Sem.
2V+1U INF-02-11-K-2
Artificial Intelligence
P 42 h 78 h
TEILN
ja PL1 4.0 WiSe
2V+2U INF-80-10-K-2
Web-based Introduction to Programming
P 56 h 124 h
TEILN
ja PL1 6.0 WiSe
2S SO-211.2300-K-5
Workshop "Sociology meets Computational Social Science"
P 28 h 32 h
TEILN
ja PL1 2.0 WiSe
  • About [INF-02-11-K-2]: Title: "Artificial Intelligence"; Presence-Time: 42 h; Self-Study: 78 h
  • About [INF-02-11-K-2]: The study achievement "[TEILN] continuous and active participation in the courses" must be obtained.
    • It is a prerequisite for the examination for PL1.
  • About [INF-80-10-K-2]: Title: "Web-based Introduction to Programming"; Presence-Time: 56 h; Self-Study: 124 h
  • About [INF-80-10-K-2]: The study achievement "[TEILN] continuous and active participation in the courses" must be obtained.
    • It is a prerequisite for the examination for PL1.
  • About [SO-211.2300-K-5]: Title: "Workshop "Sociology meets Computational Social Science""; Presence-Time: 28 h; Self-Study: 32 h
  • About [SO-211.2300-K-5]: The study achievement "[TEILN] continuous and active participation in the courses" must be obtained.
    • It is a prerequisite for the examination for PL1.

Examination achievement PL1

  • Form of examination: examination in form of partial achievements
  • Examination Frequency: each winter semester

Evaluation of grades

All partial module examinations have to be passed. The module grade is the arithmetic mean of all partial examination grades.


Contents

  • Various types of inference (deduction, induction, abduction)
  • Basics of knowledge modelling and knowledge representation
  • Basics of statistical learning
  • Meaning of the search for the AI
  • Basic concepts for combining statistical and symbolic approaches
  • Knowledge of relevant application areas in practice
  • Examples of complex AI (e.g. Alpha Go)
  • Basic concepts of computer science: computer structure (von Neumann architecture), system software, compiler/interpreter
  • Variables, data types, operators, expressions and commands (here Boolean algebra)
  • Control structures (branching, loops, procedures, privacy)
  • Arrays, strings (incl. string matching, regular expressions)
  • files, directories
  • Relational databases, their functionality and integration.
  • Basic database queries and manipulation (SQL-Basics)
Einführung in grundlegende Techniken der Computational Social Science,Computer-intensive Ana-lyseverfahren in den Sozialwissenschaften:

− Analyse digitaler Register- und Verhaltens-Daten

− Big Data

− Data mining

− Automatisierte Textanalyse

− Machine Learning

− Computer-gestützte Simulationen

− Agent-based Modelling

− High Performance Computing (HPC)

Einführung in die objektorientierte Programmierung, Arten der Inferenz; Grundlagen der Wissens-modellierung und Wissensrepräsentation; Grundlagen des statistischen Lernens; Kenntnis relevan-ter Anwendungsgebiete in der Praxis

Competencies / intended learning achievements

Methodenkompetenzen in der Verwendung und Analyse neuartiger Datenquellen. Studierende er- lernen grundlegende und weiterführende Verfahren der computer-intensiven Datenanalyse

Mit erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage,

− Geeignete digitale und Register-basierte Daten(quellen) für sozialwissenschaftliche Frage- stellungen zu identifizieren oder zu sammeln.

− Mit großen Datenmengen umzugehen (HPC).

− Automatisierte Abfragen für Datenbanken zu programmieren.

− Weiterführende Programmiertechniken für sozialwissenschaftliche Fragestellungen einzu-

setzen

− Eigene Simulationsmodelle für soziale Prozesse aufzusetzen.

Requirements for attendance of the module (informal)

None

Requirements for attendance of the module (formal)

None

References to Module / Module Number [SO-01-113-M-5]

Course of Study Section Choice/Obligation
[SO-88A.?-SG#2021] M.A. Soziologie und empirische Sozialforschung mit Schwerpunkt Computational Social Science [2021] [Core Modules (non specialised)] Pflichtmodule [P] Compulsory