ºÚÁϳԹÏ×ÊÔ´

Emnet har som mål å gi grunnleggande kunnskap for effektiv handsaming av forskingsdata, og gjennomføring av forskingsprosjekt.

Emnet skal formidle: forståing av basis programmeringskunnskap; oppretting av klare, reproduserbare analyseplanar; moderne retningsliner for digital administrering av prosjekt; smart bruk av IKT-infrastruktur; deling av kode/data.

Innhald:

• Grunnleggande programmering (R)
• Tidyverse
• Analyse av medisinske data
• Visualisering (ggplot2)
• Versjonskontroll
• Grunnleggande dokumentasjon
• Deling av kode/data

Kurset går i haustsemesteret.

Etter at kurset er gjennomført skal kandidaten ha følgande læringsutbytte definert i form av kunnskapar, ferdigheiter og generell kompetanse:

Kunnskapar

Studenten:

• kan skille mellom R, RStudio og R-pakkar, og beskrive skilnadane mellom desse
• kan forklare steg i utforskande dataanalyse og kvifor ein gjer dette
• kan gje døme pÃ¥ strukturert og utforma "ryddig" data ("tidy data")
• forstÃ¥r kvifor og kan forklare korleis ein bruker versjonskontroll
• kan identifisere fleire visualiseringsmetodar som er ofte brukt i dataanalyse
• kan gje døme pÃ¥ reglar for personvern og datadeling innan medisinsk forsking

Ferdigheiter

Studenten:

• kan bruke grunnleggande R-kommandoar for Ã¥ mate inn og granske data
• kan omstrukturere datasett ved hjelp av tidyverse R-pakken
• kan lage grafar og figurar ved hjelp av ggplot2 R-pakken
• kan bruke versjonskontrollprinsipp pÃ¥ eigne forskingsprosjekt
• kan dokumentere filene, kodane og mappene i eigne prosjekt

Generell kompetanse

Studenten:

• kan foreslÃ¥ naudsynte steg for gjennomføring av "tidy data analysis"
• kan velge visualiseringsmetodar som passar best avhengig av datatypen, mÃ¥l for visualisering, og publikum
• kan lage dataanalyseplan
• kan lage ein rapport i .html, Word eller PDF, som summerer arbeidet sitt