Opinto-opas

Tavoitteet (OJ)

Opiskelija tietää, mitä tarkoittaa data-analyysi ja datan visualisointi. Opiskelija osaa analysoida dataa erilaisilla menetelmillä ja tuottaa tarpeeseen sopivia datan visualisointeja. Opiskelija tuntee oman alansa datan ja sen analyysi- ja visualusointimahdollisuuksia.

Sisältö (OJ)

Data-analyysin teoriaa, menetelmiä ja tekniikoita. Erilaisia datan visualisointitekniikoita. Sopivan analyysi- ja visualisointityökalun tai työkalujen hyödyntämistä. Erilaisten dataympäristöjen tarkastelua.Opiskelija tietää, mitä tarkoittaa data-analyysi ja datan visualisointi. Opiskelija osaa analysoida dataa erilaisilla menetelmillä ja tuottaa tarpeeseen sopivia datan visualisointeja. Opiskelija tuntee oman alansa datan ja sen analyysi- ja visualusointimahdollisuuksia.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelja tietää, mitä on data-analyysi ja datan visualisointi sekä osaa ohjatusti tehdä datan analyysiä ja visualisointeja. Opiskelija tunnistaa omaan alaansa liittyvän datan.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa analysoida dataa ja tuotaa joitakin datan visualisointeja. Opiskelija tuntee oman alansa datan ja tietää sen analysointi- ja visualisointimahdollisuuksista.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa analysoida dataa monipuoisesti ja tuotaa useita erilaisia datan visualisointeja. Opiskelija ymmärtää erinomaisesti oman alansa datan ja sen analysointi- ja visualisointimahdollisuudet.

Aika ja paikka

moodlessa aikataulu

Tenttien ja uusintatenttien ajankohdat

ei tenttiä

Arviointimenetelmät ja arvioinnin perusteet

Arvosana muodostuu oppimistehtävän perusteella.

Seuraavassa pisteet ja arvosana:

0 0
16 1
22 2
30 3
38 4
46 5

Oppimistehtävän toimeksianto julkaistaan moodlessa kurssin aikana.

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

lähiopetus, oppimistehtävä

Oppimateriaalit

moodlessa materiaali

Opiskelijan ajankäyttö ja kuormitus

7*4 tuntia opetus, 105 h itsenäistä