Binnen Nederland hebben academische opleidingen zoals Data Science en Artificial Intelligence een veel sterkere en meestal uitsluitend technische focus, terwijl opleidingen als Information Studies, Business Information Technology en Science, Business & Innovation kiezen voor een meer bedrijfskundige of managementgerichte benadering. Computational Social Science richt zich op meer dan dat: maatschappelijke vraagstukken en veranderingen die met behulp van data-gedreven digitale innovaties in gang kunnen worden gezet.

Interdisciplinaire Sociale Wetenschap, Digital Society, Global Studies, Global Arts, Culture & Politics en PPLE zijn opleidingen die zich exclusief richten op sociale wetenschappen, geesteswetenschappen, economie en/of rechten, zonder de bijbehorende digitale expertise die Computational Social Science biedt. 

Andere interdisciplinaire opleidingen, zoals Future Planet Studies, Beta-Gamma en ATLAS, zijn gericht op andere thema's dan die van Computational Social Science en richten zich over het algemeen op natuurwetenschappelijk georiënteerde onderwerpen. Een thematisch verwante opleiding als Computational Social Science is Management, Maatschappij en Technologie. Deze opleiding heeft echter zijn oorsprong in en richt zich op bestuurskunde. Er is ook overlap te vinden bij Science, Technology & Innovation, maar deze studie heeft een sterkere technische focus en is een echte bètaopleiding, waar Computational Social Science zich ook verdiept in de maatschappelijke kanten van een probleem.

Kortom, Computational Social Science stelt studenten in staat praktijk ervaring op te doen met data science, kunstmatige intelligentietechnieken en programmeervaardigheden, volledig geïntegreerd met perspectieven uit de sociale en geesteswetenschappen op digitale innovaties in de samenleving.

Begrip van bepaalde wiskundige technieken  is fundamenteel bij het leren van statistiek en programmeren. Daarom zul je in verschillende semesters van Computational Social Science wiskundeonderwijs krijgen.

Je leert tijdens je studie algoritmes te ontwerpen en te implementeren.  Voor programmeren zul je de basisbeginselen van lineaire algebra en calculus moeten leren om deze algoritmen te kunnen begrijpen. Als je voorkennis hebt van Wiskunde B, heb je een klein voordeel bij het begrijpen van concepten die met algoritmen te maken hebben. De opzet van ons programma zorgt er echter voor dat alle studenten begeleid zullen worden om hetzelfde, vereiste niveau in lineaire algebra en calculus te bereiken.

Als voorbeeld: gradient descent is mogelijk makkelijker te begrijpen als je bekend bent met de partiële afgeleide van een functie, waar je in Wiskunde B over leert  Gradient descent is een veelgebruikt algoritme in machine learning voor het vinden van lokale minima. Maar mocht je dit niks zeggen, dan is dit geen probleem!

Voor de statistiek zijn de concepten en statistische testen geworteld in kansberekening en verdelingen. Als je voorkennis hebt van Wiskunde A, heb je een klein voordeel bij het begrijpen van dit soort concepten.

Als voorbeeld: Opdrachten met betrekking tot normaalverdelingen en statistische tests zijn je alsWiskunde A-er iets bekender. Om vast te stellen of een resultaat van een onderzoek significant is, wordt de kans dat het resultaat toeval is, berekend en vergeleken met een normale verdeling.

Ons programma bestaat uit 52 studiepunten aan onderwijs en leren binnen de Digital Expertise (DE), wat in het teken staat van een breed scala aan computationele vaardigheden. Binnen het DE-leertraject van het curriculum leer je programmeren en data wrangling in Python, user experience (UX) design applicaties en web development in JavaScript, en verschillende modellering en machine learning technieken om data te interpreteren en complexe systeemstructuren te doorgronden.

Het onderwijs en leren in DE zal voornamelijk plaatsvinden via practica en werkgroepen waarin je actief werkt aan oefeningen en opdrachten onder begeleiding van een onderwijsassistent. Je past computationele vaardigheden voortdurend toe in je semesterprojecten, geïntegreerd met de kennis en vaardigheden die je hebt opgedaan via de andere leertrajecten in ons curriculum, zoals Research Expertise (RE) en Change Making Expertise (CME).

Een belangrijk aspect van het programma is de focus op toepassing. Als je afgestudeerd bent, ben je zeer bekwaam in het toepassen van het juiste computationele instrument, gekozen uit je uitgebreide toolset, om echte maatschappelijke problemen aan te pakken met echte data.

Nee, dat hoeft niet. Als je ervaring hebt met programmeren, heb je in het begin van de studie misschien een klein voordeel. Ons programmateam gaat er echter van uit dat je geen programmeerervaring hebt. Er is voldoende begeleiding en er zijn oefeningen om je te helpen een niveau van programmeervaardigheden te ontwikkelen om te slagen in je studie. Er is ook overlap te vinden bij Science, Technology & Innovation, maar deze studie heeft een sterkere technische focus en is een echte bètaopleiding, waar Computational Social Science zich ook verdiept in de maatschappelijke kanten van een probleem.

Aangezien Computational Social Science zich uitsluitend richt op project gebaseerd onderwijs, bestaat 50% van de totale beoordeling in elk half jaar uit de half jaarlijkse groepsprojecten. In groepen van 4-6 lever je wekelijks opdrachten in die leiden tot een eindproduct aan het eind van het semester. Deze wekelijkse opdrachten kunnen bijvoorbeeld projectvoorstellen of groepspresentaties zijn. De rest van je eindcijfer elk semester (50%) wordt verkregen door individuele opdrachten, zoals een literatuuronderzoek, essays, een reflectieverslag over de groepssamenwerking of programmeeropdrachten.

Lees meer over groepsprojecten

Computational Social Science heeft een Bring Your Own Device (BYOD) beleid. Als student dien je te beschikken over een eigen laptop om deel te kunnen nemen aan verschillende onderwijsonderdelen van de opleiding.

Je mag zelf beslissen over de laptop. De opleiding stelt echter wel minimumeisen:

• Intern Geheugen (RAM): 4GB of meer
• Opslag (HDD of SSD): 128GB, SSD wordt aanbevolen.
• WiFi: Multiband (2.4GHz en 5GHz) maar geen laptops met Broadcom of Realtek chips.
• Schermdiagonaal: minimum 11".
• Schermresolutie: 1366x768 of beter, 1920x1080 wordt aangeraden.
• Externe of interne webcam voor afstandsonderwijs
• Een Chromebook, iPad of tablet zijn niet voldoende
• Zorg dat een fatsoenlijke WiFi-verbinding mogelijk is

Let op: in principe kunnen alle besturingssystemen (Windows, macOS, Linux) gebruikt worden, maar houd er rekening mee dat de meeste studenten Windows zullen gebruiken Met een ander besturingssystemen is er mogelijk meer uitzoekwerk nodig. Sommige vakken kunnen software gebruiken die alleen onder Windows draait; de faculteit biedt de nodige software en licenties om hiervoor Windows in een virtuele machine te draaien. Als je een Mac gebruiker bent, moet je laptop minimaal beschikken over het besturingssysteem OSX 10.9 (Mavericks).

Als je vragen of opmerkingen hebt over BYOD of de laptopeisen voor Computational Social Science, aarzel dan niet om contact op te nemen met de studieadviseur (studieadviseur-cssci@uva.nl).