Kandidat - Kandidatuddannelsen i Social Datavidenskab - Københavns Universitet

Alle ansøgere skal opfylde et fagspecifikt adgangskrav om beståede 30 ECTS inden for samfundsvidenskabelig metode og analyse bredt forstået. Følgende bacheloruddannelser er således adgangsgivende til uddannelsen:

KU

Antropologi, Europæisk etnologi, Folkesundhedsvidenskab, Jordbrugsøkonomi, Matematik-Økonomi, Psykologi, Pædagogik, Samfundsfag, Sociologi, Statskundskab, Økonomi.

AAU

Economics and Business Administration, Erhvervsøkonomi HA, Organisatorisk læring, Politik og Administration, Psykologi, Samfundsfag, Sociologi, Teknoantropologi, Økonomi.

AU

Antropologi, Economics and Business Administration, Erhvervsøkonomi med tilvalg, Erhvervsøkonomi, Folkesundhedsvidenskab, Matematik-økonomi, Psykologi, Samfundsfag, Statskundskab, Uddannelsesvidenskab, Økonomi.

SDU

Erhvervsøkonomi HA, Folkesundhedsvidenskab, Matematik-økonomi, Psykologi, Samfundsfag, Sociologi og kulturanalyse, Statskundskab, Økonomi.

ITU

Data Science, Digital Design and Interactive Technology, Global Business Informatics.

CBS

Business Administration and Sociology, Business Administration and Digital Management, International Business, International Business and Politics, HA Almen erhvervsøkonomi, HA i Europæisk business, HA (mat.) Erhvervsøkonomi-matematik, HA (pro) Erhvervsøkonomi og projektledelse, HA (psyk) Erhvervsøkonomi-psykologi.

RUC

Den samfundsvidenskabelige bacheloruddannelse, Den internationale samfundsvidenskabelige bacheloruddannelse, Den humanistisk-teknologisk bacheloruddannelse.

Der optages max 60 studerende. Alle kvalificerede ansøgere bedømmes på følgende sidestillede kriterier:

• Portfolio af kurser målrettet Social Data Science


• Erfaring med kvantitative metoder og datahåndtering, fx fra erhvervsarbejde


• Karakterer på BA-kurser med særlig relevans for Social Data Science


• Relevant erhvervserfaring 


• Motiveret ansøgning

Ansøgere, der har opnået deres BA-grad inden for de seneste fem år, vil blive prioriteret.

Krav om engelsk svarende til mindst B-niveau eller en IELTS-test med en score på mindst 6,5.

Ingen bachelorer har retskrav.

Der er ikke planlagt et internationalt uddannelsessamarbejde, men eventuelle muligheder herfor vil løbende blive afsøgt. Fx er der gennem studiebesøg på uddannelsen MSc Information Studies: Data Science ved University of Amsterdam etableret kontakt med henblik på et fremtidigt samarbejde, ligesom vi er i kontakt med London School of Economics, der udbyder uddannelsen MSc in Applied Social Data Science med første optag sommer 2018.

Kandidatuddannelsen integrerer samfundsvidenskab og datavidenskab med henblik på at udstyre kandidater med en skræddersyet kombination af teoretiske, kvantitative og kvalitative samfundsvidenskabelige og datavidenskabelige kompetencer, der er banebrydende i det danske uddannelseslandskab. Kandidaterne får hybride kompetencer: de lærer dels tekniske færdigheder, inklusive datavidenskabelige kundskaber nødvendige for indsamling, strukturering og håndtering af store og ustrukturerede data, dels erhverver de sig metodiske og analytiske samfundsvidenskabelige færdigheder på højt niveau. Disse hybride kompetencer gør kandidaterne i stand til at identificere og løse komplekse data- og samfundsvidenskabelige problemstillinger, der ikke lader sig adressere ved brug af eksisterende samfundsvidenskabelige og datavidenskabelige værktøjer hver for sig, i både den private og den offentlige sektor og i forskning.

Kandidaterne bliver ’analytiske oversættere’ (se også vedhæftede behovsundersøgelse, s. 3) på tværs af videnskabelige og metodemæssige traditioner og tilgange.

Uddannelsens stærke datavidenskabelige indhold giver kandidaterne en langt stærkere forståelse for muligheder og begrænsninger i nye og komplekse dataformer end eksisterende samfundsvidenskabelige uddannelser. Samtidig giver uddannelsens stærke samfundsvidenskabelige basis kandidaterne mulighed for at identificere, hvordan data og dataanalyse kan bruges på nye og originale måder til at skabe værdi i virksomheder, organisationer og samfund i en verden med stadigt større fokus på dataetik og de juridiske udfordringer, der følger af stadigt mere, og mere detaljerede, data.

Kandidaternes cross-over kompetencer mellem samfundsvidenskab og datavidenskab kan anvendes på tværs af offentlige og private kontekster til at undersøge samfundsmæssige spørgsmål fra mange forskellige vinkler: Hvordan kan sociale medier bruges af politikere og organisationer til at målrette deres budskaber til forskellige befolkningsgrupper – og hvad betyder det for den politiske debat og sammenhængskraften? Hvordan lærer virksomheder mere om deres kunder og leverandører ud fra de data de allerede har – og hvilke nye dataformer har de brug for? Hvordan kan forskellige typer af kommunale data bruges til at forudsige sociale problemer – og hvordan sikrer vi samtidig fair og gennemskuelige algoritmer? Kan digitale data fra sociale medier og kreditkort bruges til at forudsige borgeres sundhedsadfærd – og hvad betyder det for hvem man kan og skal dele data med?

Erhvervssigte
Uddannelsen vil uddanne kandidater til stillinger med komplekse, datacentrerede opgaver i både den private og den offentlige sektor. Kandidaterne vil få stillinger i virksomheder, der (i) allerede er i gang med systematisk at bruge data for at skabe værdi; (ii) endnu ikke er begyndt på at bruge data for alvor; og (iii) endnu ikke findes, herunder start-ups.

Den vedhæftede behovsundersøgelse dokumenterer to væsentlige forhold: Fraregnet stillinger med merkantile kompetencer – som de nye uddannelser på CBS er målrettet mod – er der siden 2010 sket en 12-dobling af antallet af jobopslag, hvor virksomheder søger kandidater med både samfundsvidenskabelige og datavidenskabelige kompetencer; mindst 2/3 af disse jobs er i den private sektor. Desuden viser vores mange samtaler og møder med aftagervirksomheder og -organisationer et akut behov for kandidater, der kan se datas værdiskabende muligheder – og handle på det, på tværs af eksisterende discipliner og traditioner.

Uddannelsens eksplicitte fokus på tværfaglighed, både på tværs af samfundsvidenskab og datavidenskab og på tværs af de samfundsvidenskabelige discipliner betyder, at kandidaterne kan udfylde mange, vigtige roller på én gang, hvilket er vigtigt både i rollen som analytisk oversætter på tværs af forretnings- og udviklingsområder og, i særlig grad, når start-ups og små og mellemstore virksomheder, der har færre muligheder for specialiserede stillinger, skal i gang med at bruge data på helt nye måder (jf Regeringens digitale strategi, Erhvervsministeriet 2018).

Kombinationen af brede og tværfaglige kompetencer, herunder helhedsperspektiver med fokus på etik og jura, og projektorienteret arbejde i teams med forskellige og komplementære færdigheder gør kandidaterne til oplagte analyse-, datastyrings- og projektledere i såvel datatunge virksomheder som virksomheder, der gerne vil være det – og som endnu ikke ved at de skal være det.

Uddannelsen kombinerer samfundsvidenskabelig faglighed med datavidenskabelige færdigheder. Den samfundsvidenskabelige faglighed har basis i tre begreber – adfærd, netværk og ideer – der er centrale på tværs af de samfundsvidenskabelige discipliner. Adfærd handler om menneskers adfærd og beslutningsprocesser. Netværk handler om relationer, organisering og sociale kontekster. Ideer handler om præferencer, holdninger og information. Disse tre begreber er den gennemgående samfundsvidenskabelige ledetråd i uddannelsens fire komponenter, der præsenteres nedenfor, og i de enkelte kursusbeskrivelser, og de danner grundlaget for en sammenhængende tværfaglig uddannelse på højeste internationale niveau.

Uddannelsen er bygget op om fire komponenter, der tilsammen med den team-baserede og projektorienterede tværfaglige undervisning skaber kompetenceprofilen for en kandidat i Social Data Science (se Figur 1). De fire komponenter er A: Samfundsvidenskabelig analyse , B: Datavidenskab, C: Kvalitative-kvantitative metoder, og D: Samfundsvidenskabelige kvantitative metoder . Bemærk at dataetik og –jura er mest koncentreret i komponent A, men i øvrigt indgår i undervisningen i alle de øvrige komponenter.

Figur 1. Social Data Science kompetenceprofil

Komponent A præsenterer generelle samfundsvidenskabelige perspektiver og principper med fokus på adfærd, netværk og ideer samt etiske, juridiske og politiske aspekter, herunder lovgivning, af store sociale data og disses håndtering og anvendelse i private såvel som offentlige organisationer og institutioner. De studerende lærer at designe juridisk forsvarlige og etisk informerede social data science-projekter, samt at vurdere konkrete og potentielle data og analyser i forhold til mere overordnede samfundsmæssige, økonomiske og politiske problemstillinger.

Komponent B præsenterer en vifte af datavidenskabelige metoder. De studerende lærer relevante programmeringssprog, fra machine learning til prediktionsmodeller, ’business intelligence’ og tekstanalyse samt andre state-of-the-art sociale data science-teknikker med henblik på at indsamle og analysere store og ustrukturerede datasæt.

Komponent C udgør en metodisk værktøjskasse bestående af såvel etablerede kvalitative som nyere såkaldt kvali-kvantitative metoder, der kombinerer kvalitative og kvantitative tilgange. De studerende lærer således at designe kvali-kvantitative dataindsamlinger og kombinere og anvende alt fra etnografi og tekstanalyse/dokumentanalyse til kvalitative digitale metoder til at beskrive og analysere mekanismer og udviklinger i adfærd, netværk og ideer i komplekse og heterogene sociale datasæt.

Komponent D præsenterer et katalog af samfundsvidenskabelige kvantitative metoder, inklusive samfundsvidenskabelige statistiske metoder. De studerende lærer at anvende eksperimentel metode, kvantitative netværksanalyser og statistiske modeller for adfærd med henblik på at kunne designe selvstændige social data science-projekter baseret på eksisterende og nye data.

Gennem integreret undervisning med de fire faglige komponenter vil en kandidat i Social Data Science efter endt uddannelse kunne designe dataprojekter og -analyser på tværs af samfundsvidenskab og datavidenskab funderet i kvalitative og kvantitative forskningsbaserede metoder og et samfundsvidenskabeligt begrebsapparat; oversætte begreber og strategier på tværs af dataanalyser i traditionelle domæner og videnskaber; projektere, lede og gennemføre dataanalyser og -projekter på tværs af domæner og videnskabelige traditioner i overensstemmelse med dataetiske principper og juridiske rammer; identificere fremtidige udfordringer og muligheder og skabe værdi ud fra data på nye og originale måder. Mere specifikt vil en kandidat i Social Data Science kunne følgende:

Viden

·         Forstå og udlægge samfundsvidenskabelige metoder og begreber med relevans for social data science

·         Redegøre for etiske, juridiske og politiske rammer for og konsekvenser af tilvejebringelse og anvendelse af et givent datasæt samt analyser af disse data

·         Redegøre for hvilke nye muligheder digitale og andre store sociale datatyper giver for undersøgelser af aktuelle problemstillinger i virksomheder og samfund

·         Forstå individuel og social adfærd, netværk og ideer på basis af kritisk anvendelse af såvel kvantitative og kvalitative metoder som modeller og teorier fra samtlige samfundsvidenskabelige discipliner

·         Identificere samfundsmæssige potentialer i og udfordringer ved 'big data'

 Færdigheder

·         Beherske moderne, state-of-the-art programmeringssprog til indhentning, processering, klargøring og analyse af data

·         Benytte state-of-the-art data science-redskaber, herunder metoder fra ikke-superviseret og superviseret machine learning, webscraping, netværksanalyse, visualisering, spatial analyse, natural language processing m.v., til analyse af samfundsvidenskabelige og organisatoriske problemstillinger

·         Kombinere kvantitative og kvalitative empiriske metoder fra samfundsvidenskaben, herunder bl.a. samfundsvidenskabelige statistiske analyser, etnografiske metoder, digitale metoder og eksperimentelle metoder med data science-redskaber til analyse af samfundsvidenskabelige og organisatoriske problemstillinger

·         Analysere, kvalificere og selvstændigt anvende store og komplekse data til bl.a. værdiskabelse i virksomheder, offentlig forvaltning og civilsamfund

·         Vurdere og diskutere kvaliteten af egne såvel som andres anvendelse af metoder, datasæt og analytiske tilgange, herunder vurdere etiske, juridiske, politiske og samfundsmæssige konsekvenser af den producerede viden

·         Kommunikere forskningsbaseret viden fra egne og andres undersøgelser i skrift, visualiseringer og tale og diskutere samfundsmæssige og videnskabelige problemstillinger med såvel fagfæller som ikke-eksperter

 Kompetencer

·         Selvstændigt planlægge, lede og gennemføre en social data science-undersøgelse; dvs. designe, håndtere og analysere komplekse og store dataprojekter med mangeartede datatyper om adfærd, netværk og ideer, herunder persondata, data fra sociale medier, tekstbaserede data og etnografiske data, for at bidrage med ny og original viden som svar på udfordringer i virksomheder og samfund

·         Håndtere lovgivning, regler for og etisk omgang med persondata, herunder EU's persondataforordning, samt håndtere sekundær brug af data og reproducerbarheds- og validitetsspørgsmål i forbindelse med implementering af data governance i organisationer

·         Analysere de datarelaterede muligheder og faldgruber i en given forskningsmæssig og organisatorisk kontekst og oversætte centrale begreber på tværs af felter og videnskaber

·         Lede og koordinere samarbejdet i tværfaglige teams med folk fra andre fagfelter og traditioner i anvendelse af social data science til at skabe værdi i virksomheder og i samfundet

·         Selvstændigt kunne tage ansvar for egen videre faglige udvikling og specialisering på såvel det private som offentlige arbejdsmarked

Uddannelsens opbygning er følgende:

Figur 2. Uddannelsens opbygning. Obligatoriske elementer markeret med *

Den første halvdel af første semester består af en intensiv ’Social Data Science Boot Camp’. De første to uger sætter scenen for det samlede uddannelsesprogram. Her socialiseres de studerende til via samarbejde i teams at løse konkrete social datavidenskabelige problemer, og der grundlægges en studiekultur med udgangspunkt i nysgerrighed, fælleskab og ansvarlighed. De studerende arbejder med forskellige typer sociale data, der bringes i anvendelse gennem hands-on løsningsforslag på real-life cases med henblik på værdiskabelse med data. Samtidig hermed udfører de studerende også et mini-feltarbejde og får de første erfaringer med kvali-kvantitative tilgange. Herefter fortsætter kurset med et fem ugers intensivt kodeforløb, hvor de studerende lærer at bruge de vigtigste programmeringssprog (f.eks. Python) til analyse af store sociale data; også her trænes de studerende i at kunne anvende disse metoder på konkrete problemstillinger via teamwork. I løbet af hele første halvdel af semesteret følger de studerende endvidere en forelæsningsrække, hvor de introduceres til nogle af de grundliggende og centrale spørgsmål indenfor social data science og møder herigennem deres kommende undervisere og vejledere på uddannelsen. Kurset er forbeholdt studerende, der er optaget på Social Data Science.

Anden halvdel af semesteret består af de to kurser ‘Social Data Science’ og ’Data Governance: Ethics, Law and Politics’ (se Figur 2 ovenfor). I ’Social Data Science’ arbejder de studerende med kvantitative data i udfordrende digitale formater og analyserer og visualiserer menneskers adfærd og interaktioner ved at kombinere tekniske og social-analytiske færdigheder. Disse nyerhvervede kompetencer inddrages derpå aktivt i kurset ’Data Governance: Ethics, Law and Politics’, idet begge kurser afløses i form af en integreret eksamensopgave, hvor etiske, juridiske og politiske principper og perspektiver kombineres med mere tekniske og kvantitative færdigheder med henblik på at kunne identificere, håndtere og analysere store og komplekse sociale datasæt i relevante organisatoriske kontekster.

På andet semester følger to kurser i ’Advanced Social Data Science’. Del 1 har særligt fokus på metoder til at undersøge adfærd, netværk og ideer og er integreret i eksamen med kurset ’Re-tooling Social Analysis: Behaviours, Networks, Ideas’. Sidstnævnte har til formål at give de studerende teoretiske og refleksive færdigheder til at forstå, oversætte og håndtere analytiske udfordringer og etiske implikationer ved at arbejde med forskellige sociale data, herunder også at forholde sig til validiteten af sociale data og analyser af disse. Del 2 beskæftiger sig med ustrukturerede data, herunder tekst og billeder, nye dataformer og avancerede datastrukturer. Kurset er integreret med ’Digital Methods, Ethnography and Content Analysis’, hvor de studerende i praksis lærer at bruge en bred vifte af kvalitative metodologier og at integrere dem med kvantitative tilgange for at kunne udføre kvali-kvantitative analyser af samfundsvidenskabelige problemstillinger. Den integrerede eksamen er et selvvalgt projekt, der bringer disse forskellige metoder og analytiske tilgange sammen i den samme undersøgelse, hvorved denne eksamen virker som en model for, hvad de studerende kan vælge at gøre i deres senere specialearbejde. Eksamensformen er desuden ’autentisk’ i den forstand, at formaterne i de integrerede eksaminer efterligner de produktleverancer, de kommende kandidater forventes at levere på deres fremtidige arbejdspladser (se nedenfor under fjerde semester).

Uddannelsens tredje semester består af et obligatorisk projektbaseret seminar, hvor de studerende selvstændigt vælger at arbejde med et emne, de ønsker at specialisere sig yderligere i inden for rammerne af social data science. Der vil være workshops og læringsaktiviteter knyttet til kurset, der udarbejdes i samarbejde med eksterne partnere. Udover projektseminaret kan de studerende vælge mellem at gennemføre feltarbejde, et projektorienteret forløb eller følge valgfag udbudt ved andre uddannelser. Der vil være udpeget pakker af valgfag fra KU’s øvrige fakulteter, som de studerende kan orientere sig efter, såfremt de måtte have specifikke faglige interesser indenfor hvert af fakulteternes områder. Studerende, som ønsker at tage på feltarbejde, gennemføre et projektorienteret forløb eller tage på udveksling kan opnå dispensation fra det obligatoriske seminar, såfremt studieaktiviteterne afløser 30 ECTS.

Uddannelsen afsluttes med et speciale på fjerde semester, der skal kombinere mindst to af uddannelsens fire faglige komponenter. Specialet kan afløses i form af et traditionelt speciale eller fx som en produktleverance. En produktleverance kan udspringe af et samarbejde med en ekstern partner og afspejle dennes konkrete behov for udvikling af et bestemt produkt, som den specialestuderende udarbejder. Mulige produktleverancer kan fx være:

• Et kommenteret og analyseret datasæt med dokumentation og validering


• En kommenteret og dokumenteret algoritme


• Kombinationer af en dataetisk protokol, data- og implementeringsstrategier, behovsundersøgelser og brugerundersøgelser


• Validering af en metode til dataindsamling og/eller analyse


• Empirisk afprøvning/testning af teori/model på nye dataformer


• Udvikling og gennemførelse af eksperiment / A/B-testing


• Prediktive modeller, herunder business intelligence og kunstig intelligens

Uanset format afsluttes specialearbejdet med et mundtligt forsvar.

Tværfaglige undervisergrupper
Undervisergruppen på Social Data Science tager udgangspunkt i det tværfaglige forskningscenter SODAS (Copenhagen Center for Social Data Science) på det Samfundsvidenskabelige Fakultet, suppleret af en række andre forskere på fakultetets fem institutter. VIP-gruppen omkring SODAS har alle selv arbejdet og samarbejdet tværfagligt i både forskning og undervisning gennem mange år og repræsenterer et dynamisk og voksende eliteforskningsmiljø, der har modtaget betydelige fondsmidler (2 ERC grants, Eliteforskerprisen, Sapere Aude-forskningsleder, DFF, Carlsberg, Velux, Danmarks Grundsforskningsfond etc). Øvrige kursusansvarlige kommer fra Datalogisk Institut (DIKU) på SCIENCE, hvor der findes et stærkt internationalt forskningsmiljø indenfor datavidenskab og datalogi, mens den juridiske metodeundervisning er forankret ved Det Juridiske Fakultet. Således er Social Data Science en forskningsbaseret uddannelse, der er særdeles solidt forankret i flere tværfaglige videnskabelige miljøer bestående af internationalt anerkendte forskere netop indenfor såvel social data science som datavidenskab. Dertil kommer, at der til disse forskningsmiljøer er tilknyttet ph.d.-studerende, post.doc.’ere, gæsteforskere og andre forskere, der alle selv arbejder tværfagligt og bidrager til undervisningen på uddannelsen.

E-læring
Uddannelsen er ikke primært baseret på e-læring. Undervisningen gennemføres med afsæt i engagerende og innovative didaktiske tilgange, herunder også e-læring. Der er i de didaktiske tilgange stort fokus på tværfagligt samarbejde mellem de studerende; hertil forventes værktøjerne til online blended learning (OBL) anvendt, fx Absalon, Peergrade, EdWord og CoNavigator. Uddannelsen vil samarbejde med Det Samfundsvidenskabelige Fakultets pædagogiske center om at få integreret e-læringsværktøjer i undervisningen. 

Social Data Science er en kombinationsuddannelse mellem samfundsvidenskab og IT. Uddannelsen foreslås indplaceret med Takst 2 med følgende begrundelser:

Kombinationer af digital dataindsamling, -processering og -analyse i stor skala, herunder af lyd, billeder og datasæt med milliarder af transaktioner i komplekse netværk eller millioner af tekstkommentarer på social medier, kræver særlige programmer, redskaber og ressourcer, som ikke er tilgængelige i eksisterende samfundsvidenskabelige undervisningsmiljøer.

Under uddannelsen bliver de studerende introduceret til nye metodiske tilgange, herunder nye kombinationer af kvalitative og kvantitative samfundsvidenskabelige metoder, nye digitale data samt data science som det praktiseres i datalogi og ingeniørvidenskab. Sociale medier, digitale værktøjer, transaktionsdata og automatiserede tilgange tilvejebringer nye muligheder for at indsamle, behandle, skabe og præsentere viden. Dette spektrum af kvalitative og kvantitative tilgange indbefatter fx online scraping, ’netnografi’/digital etnografi, digitale interviewmetoder, datavisualisering, lyd og billeder som data samt machine learning og kunstig intelligens. Disse metoder involverer alle udstrakt brug af digitale teknologier, algoritmer, og datastruktureringsværktøjer og kræver nye tekniske kompetencer og beregningskraft.

Endelig anvender uddannelsen en bred palet af pædagogiske tilgange, der skal understøtte de studerendes læring i de tværfaglige teams de overvejende vil arbejde i under uddannelsen. Nogle af disse tilgange er fx online blended learning og hands-on workshops, der involverer brug af digitale redskaber.

Med disse begrundelser foreslås uddannelsen indplaceret med Takst 2.

I forbindelse med udarbejdelsen af uddannelsesforslaget har vi gennemført en undersøgelse af arbejdsmarkedsbehovet for de kommende Social Data Science-kandidater. Til undersøgelse af behovet for kandidaterne har vi anvendt nogle af de metoder, som de kommende Social Data Science studerende skal lære i kombination med forskellige kvalitative tilgange (se den uploadede behovsundersøgelse, s. 5), da disse metoder tillader os at undersøge efterspørgslen efter specifikke kombinationer af kompetencer, der endnu ikke findes i det danske uddannelseslandskab.

Resultaterne af undersøgelsen viser, at der ikke bare er et stort behov for kandidater med en Social Data Science-kompetenceprofil, men at den betydelige efterspørgsel er stigende. Resultaterne baserer sig på analyse af 1.600.000 jobopslag for perioden 2010-2018 på Jobindex, Danmarks største og mest dækkende jobbank med ledige stillinger i både privat og offentligt regi. Datagrundlaget repræsenterer alle ledige stillinger slået op på Jobindex i perioden.

Siden 2010 er der sket en tolv-dobling af behovet for Social Data Science kandidater på arbejdsmarkedet. 2% af jobopslagene inden for samfundsvidenskab i 2010 efterspurgte hvad vi identificerer som Social Data Science-kompetencer, mens efterspørgslen i 2018 er steget til 17%, dvs en stigning på 15 procentpoint. I faktiske tal svarer det til, at der i 2018 bliver slået 50 stillinger op pr. måned, hvor arbejdsgivere netop søger medarbejdere med kompetencer, der integrerer klassisk samfundsvidenskab og data science. I 2010 blev der slået 4 stillinger op om måneden, hvor denne kompetenceprofil blev efterspurgt. I dag er der med andre ord mere end 12 gange flere stillinger pr. måned end for otte år siden, hvor arbejdsgivere efterspørger en kompetenceprofil svarende til Social Data Science.  

Resultaterne viser desuden, at efterspørgslen efter de integrerede kompetencer af klassisk samfundsvidenskab og data science eksisterer både i privat og offentligt regi, dog med overvægt i den private sektor, hvor 65% af de ledige stillinger bliver slået op mod 35% i offentligt regi. Efterspørgslen i både privat og offentligt regi er stigende i perioden 2010-2018, med det private arbejdsmarked som den største efterspørger.

Endelig skal det bemærkes, at behovsundersøgelsen ligeledes dokumenterer, at efterspørgslen efter kombinationen af merkantile- og data science-kompetencer, som fx nogle af de nye uddannelser på CBS og DTU repræsenterer, er tredoblet siden 2010 mod en ottedobling i efterspørgslen på Social Data Science-kompetencer, og at der er 30 ledige stillinger i merkantil data science om måneden i 2018 mod over 50 stillinger i Social Data Science. Efterspørgslen efter Social Data Science kandidaterne er med andre ord næsten dobbelt så stor som – og vokser væsentligt hurtigere end – efterspørgslen på merkantile data science-kompetencer. 

Den kvalitative del af den gennemførte behovsundersøgelse dokumenterer ligeledes ovenstående resultater. Vi har været i kontakt med i alt 64 potentielle aftagere i form af afholdelse af tre aftagermøder, ni virksomhedsbesøg og ved personlig dialog i form af e-mailkorrespondancer og telefonsamtaler (se vedhæftede behovsundersøgelse, s 9). Blandt de potentielle aftagere har der været en overvægt af virksomheder fra det private erhvervsliv (80%), heraf optræder 40% af disse på Berlingskes Guld1000-liste fra 2017, der repræsenterer Danmarks største virksomheder, fx Mærsk, Danske Bank, LEO Pharma og Novo Nordisk. De potentielle aftagere repræsenterer en bred vifte af brancher, herunder blandt andet Logistik/Transport, Forlagsvirksomhed, Finanssektoren, Medico- og Medicinalbranchen, Butikshandel, IT, Fagforeninger og desuden private Medlemsorganisationer samt Offentlig administration/kommuner.

Aftagerne fortæller enstemmigt, at der er et akut behov for Social Data Science-kompetenceprofilen, og at de allerede nu har ledige stillinger til disse kandidater. De har en forventning om, at behovet er voksende. For indeværende har de som regel mindst to medarbejdere til at løse de opgaver, som de i fremtiden ser en Social Data Science-kandidat sidde med, hvis ikke de må købe sig til de samfundsvidenskabelige kompetencer i konsulenthusene, da de kun har data science kompetencer in-house – eller omvendt. Styrken ved kandidater med en kombineret klassisk samfundsvidenskabelig og data science-profil er blandt andet, ifølge aftagerne, at det at håndtere store datasæt ikke bliver et mål i sig selv, men at forståelsen af data – herunder for de muligheder de rummer for viden og analyse samt for de samfunds- og/eller forretningsmæssige konsekvenser af den viden og disse analyser – bliver inkluderet og brugt i selve arbejdet med at strukturere og håndtere data. Derved undgår virksomheden, at relevant viden går tabt, idet de for indeværende oplever udfordringer i samarbejdet, når medarbejdere med henholdsvis en samfundsvidenskabelig og en data science-baggrund skal oversætte hinandens arbejde. Aftagerne fremhæver desuden, at netop kompetencer i forhold til at kunne arbejde med mange forskellige datatyper er efterspurgt, og at Social Data Science-uddannelsen imødekommer dette behov. De mangeartede datatyper nødvendiggør nye kompetenceprofiler – som Social Data Science – som kan arbejde analytisk med forskellige typer data i en og samme opgave. Endelig finder aftagerne ligeledes, at uddannelsens tematiske fokus på adfærd, netværk og ideer er meget relevante for de spørgsmål om fx menneskers intentioner, adfærdsmønstre og  produkters popularitet blandt forbrugere, der er behov for at få viden om og som aftagerne har store data på i deres private virksomheder og/eller offentlige institutioner.

Foruden at være i dialog med potentielle aftagere har vi på data fra Jobindex undersøgt, hvilke stillingsbetegnelser arbejdsgiverne bruger, når de efterspørger en Social Data Science-kompetenceprofil. Resultaterne heraf viser, at der er stor spredning på stillingsbetegnelserne, hvilket peger på, at arbejdsgiverne efterspørger en kompetenceprofil, der endnu kun er fremvoksende og som de ikke kender navnet på. Derfor hedder stillingerne alt fra fx ’Big Data Analytiker’, ’Chief Technology Officer’, ’Digital Analyst’, ’Forretningsanalytiker’, ’Junior Data Warehouse & BI developer’ til ’Konsulent til analyser af data’ og ’Problem Solving Consultant’. Den kvalitative analyse af stillingsbetegnelserne viser desuden, at netop disse stillinger bliver slået op på såvel dansk som engelsk og understreger derved, at arbejdsgiverne opfatter arbejdsområdet som meget internationalt, og arbejdssproget derfor er engelsk.  

På baggrund af såvel den Social Data Science-drevne som den kvalitative behovsundersøgelse må det konkluderes, at der er et stort og stigende behov for kandidater med Social Data Science-kompetencer. Behovet er til stede i såvel privat som offentligt regi, med størst efterspørgsel blandt private arbejdsgivere. Ligeledes er der en efterspørgsel i hele Danmark efter kombinationen af klassisk samfundsvidenskab og data science, aktuelt med overvægt i Region Hovedstaden svarende til hvordan stillinger inden for det samfundsvidenskabelige område i øvrigt er fordelt (se uddybning af det regionale behov nedenfor) .

Kandidatuddannelsen er engelsksproget, hvilket beror på, at

·         kandidaterne forventes at blive ansat i virksomheder og private/offentlige organisationer, som i stor udstrækning har en international (forretnings)orientering

·         koncernsproget på kandidaternes kommende arbejdspladser er overvejende engelsk; fx Geomatics, ReD Associates, DIGNITY, LEO Pharma, SONY, Coloplast, DFDS og Mærsk

·         fagmiljø og –materiale inden for området er engelsksproget

Under udviklingen af uddannelsesudkastet har vi drøftet undervisningssproget med de involverede aftagere. Martin Glarvig, direktør Geomatics siger fx om sproget, at ”Det er en kæmpe fordel, at uddannelsens sprog er på engelsk! Herinde taler vi engelsk, i de teams vi bygger og med de kunder, vi har, foregår det på engelsk. Der er enkelte kunder, hvor det er på dansk, men når vi skal hjem og lave arbejdet for dem, er alle dem på projektet engelsktalende. For at sikre, at vi har samme forståelse for opgaven, vil vi rigtig gerne have, at uddannelsen er på engelsk. Fagsproget omkring det her er også engelsk.”

Under udviklingen af uddannelsesforslaget har vi observeret relevante stillingsopslag på Jobindex (se vedhæftede behovsundersøgelse, s. 10-12), som er Danmarks mest omfattende jobbank med ledige stillinger. Inden for netop Social Data Science fagområdet slås stillingerne op på både dansk og engelsk, idet fagsproget inden for Social Data Science er engelsk.

Endelig skal det bemærkes, at den nye BA-uddannelse i Business Administration and Digital Management på CBS udbydes på engelsk af samme grunde som ovenstående (DJØF-bladet 2/8-2018: https://www.djoefbladet.dk/artikler/2018/8/spritny-uddannelse-er--aa-rets-mest-eftertragtede.aspx).

På baggrund af den gennemførte behovsanalyse, finder vi, at efterspørgslen efter nærværende kompetenceprofil er størst i Region Hovedstaden og dernæst Region Midtjylland. Fordelingen ser ud som følger:

Efterspørgslen svarer til den generelle efterspørgsel på samfundsvidenskabelige kompetencer på Jobindex, hvor Region Hovedstaden står for 60% af opslagene, mens Region Midtjylland har 18%.

Dansk Erhverv, som har medlemmer i hele Danmark, og som vi har været i kontakt med i forbindelse med behovsundersøgelsen, vurderer dog, at de små og mellemstore virksomheder i hele landet vil få lige så megen brug for databaseret analyse som de store virksomheder (se også behovsundersøgelsen, s. 8). I Regeringens strategi for Danmarks digitale vækst (Rapport fra Erhvervsministeriet 2018, https://em.dk/publikationer/2018/strategi-for-danmarks-digitale-vaekst) bliver små og mellemstore virksomheder  ligeledes nævnt som et indsatsområde, der kan styrke Danmarks digitale førerposition, idet de rummer et stort produktivitetspotentiale, hvis de bliver bedre til at udnytte muligheder ved digitalisering (s. 32).

Også indenfor det statslige/kommunale område anslås der at være et voksende behov for nærværende kompetenceprofil, idet statslige institutioner og kommunerne for alvor er begyndt at få øjnene op for potentialet med at arbejde med de kolossale mængder data, de råder over. Vurderingen stammer fra vores virksomhedsbesøg på KMD, der med 3500 medarbejdere og kontorer over hele Danmark servicerer alle landets kommuner, og som vurderer, at efterspørgslen efter denne type dataanalyseprofiler vil stige de næste år. Endelig har vi i behovsundersøgelsen haft kontakt til to medlemsbaserede organisationer, Dansk Erhverv, som nævnt ovenfor, og Dansk Industri. Begge medlemsorganisationer vurderer, at kombinationen af klassisk samfundsvidenskab og data science er unik, og at der blandt organisationernes medlemmer er et behov for denne kompetenceprofil.

Således må det på denne baggrund vurderes, at beskæftigelsesmulighederne for de kommende kandidater i Social Data Science er særdeles gode, og at der desuden er gode potentialer for, at der fremtidigt vil være en mere bred efterspørgsel på Social Data Science-kompetenceprofilen i hele landet. Se endvidere behovsundersøgelsens afsnit om ’Ledighedsfrekvens blandt nyuddannede fra beslægtede uddannelser’, (s. 21).

Behovsundersøgelsen er gennemført som en kombineret social data science og kvalitativ undersøgelse.

I den social data science-drevne del har vi analyseret, hvorvidt der er et behov for en Social Data Science-kompetenceprofil og i givet fald, hvorvidt der er en bred efterspørgsel for denne på arbejdsmarkedet. Denne del af undersøgelsen omfatter det totale opslag af ledige stillinger på Jobindex, Danmarks største og mest dækkende jobdatabase, i alt 1.6. mio opslag i perioden 2010-2018. Jobopslagene er høstet ved brug af nogle af de data science-redskaber som de studerende på den kommende uddannelse skal lære, og herefter, ved brug af andre data science-teknikker, har vi konstrueret to ordbøger indeholdende termer, der er indikative for – og dermed fanger et bredt udsnit af synonymer for – henholdsvis ’samfundsvidenskab’ og ’data science’. Kombinationen af de to ordbøger repræsenterer således den Social Data Science-kompetenceprofil, som uddannelsen tilbyder, og vi har derved blandt de 1.6. mio ledige stillinger kunnet bruge de kombinerede to ordbøger til at høste netop de jobopslag, der søger efter en medarbejder med en Social Data Science-kompetenceprofil. Som beskrevet ovenfor er behovet for disse kombinerede kompetencer tolvdoblet over de seneste otte år med over 50 månedlige ledige stillinger efterspørgende denne kompetenceprofil i 2018. Se venligst den uploadede behovsundersøgelse for nærmere detaljer om design og resultater, s. 4-8.

I den kvalitative undersøgelse af arbejdsmarkedsbehovet har vi gennem personlige møder været i dialog med 64 potentielle aftagere af de kommende kandidater. Undersøgelsen består af afholdelse af 3 aftagermøder og 9 virksomhedsbesøg, og herudover skriftlig eller telefonisk kontakt med en række andre interessenter.

Aftagermøderne var af 90 minutters varighed, og aftagerne havde forinden modtaget en 4-siders beskrivelse af uddannelsesforslaget, herunder kompetenceprofilen, uddannelsens opbygning og detaljerede kursusbeskrivelser. Aftagerne var blevet bedt om at vurdere behovet for denne kompetenceprofil, aktualiteten af uddannelsen og desuden at kommentere uddannelsens indhold. Aftagernes kommentarer til uddannelsens indhold har været meget brugbare i udviklingsprocessen og bidraget til at sikre, at uddannelsen matcher aftagernes vurdering af behovet for kompetenceprofilen på arbejdsmarkedet (se nærmere beskrivelse nedenfor).

De ni virksomhedsbesøg fandt sted efter aftagermøderne var blevet afholdt og fungerede således som personlige møder, hvor vi kunne få et mere dybdegående kendskab til virksomhedernes aktuelle og fremtidige behov hvad angår medarbejdernes kompetencer samt virksomhedernes forestillinger om deres vækstpotentiale indenfor dette fagområde. Vi besøgte blandt andet KMD, Coloplast og LEO Pharma samt fx medlemsorganisationerne Dansk Industri og Dansk Erhverv. Se venligst den fuldstændige liste over virksomhedsbesøg i Behovsundersøgelsen.

Endelig indbefattede den kvalitative del ligeledes en undersøgelse af, hvilke stillingsbetegnelser arbejdsgiverne bruger, når de søger efter medarbejdere med en Social Data Science-kompetenceprofil på Jobindex.

Aftagerne i den kvalitative del af behovsundersøgelsen repræsenterer både det private og det offentlige arbejdsmarked. Vi har været i kontakt med såvel store private virksomheder som små og mellemstore, herunder fx Mærsk, LEO Pharma, Danske Bank, Novo Nordisk, COOP, Geomatics, RED Associates, Ørsted, DAMVAD Analytics, COWI, NIRAS, DFDS A/S og Oxford Research. Blandt offentlige institutioner har vi fx været i kontakt med Gladsaxe kommune, Digitaliseringsstyrelsen, Børne- og Socialministeriet, Rigspolitiet, Finanstilsynet, Danske Regioner, SKAT, Frederiksborg Gymnasium og Styrelsen for IT og Læring. Se endvidere behovsundersøgelsen for den fuldstændige liste over de 64 aftagere vi har været i personlig kontakt med.

Se endvidere behovsundersøgelsen for liste over aktiviteter, hvor uddannelsesforslaget har været drøftet.  

De aftagere, der har været inddraget i behovsundersøgelsen, har udtrykt stor interesse for og opbakning til uddannelsesforslaget. På de afholdte aftagermøder og i forbindelse med de gennemførte virksomhedsbesøg har aftagerne kommenteret på udkastet blandt andet i form af forslag til videreudvikling af det eksisterende uddannelsesudkast. I det følgende redegøres der for disse kommentarer og det videre arbejde med dem.

Overordnede kompetencer

I videreudviklingen af uddannelsen har vi arbejdet systematisk med aftagernes input ved at samle dem i et dokument på tværs af transkriptionerne fra aftagermøder og virksomhedsbesøg og herefter organisere dem i temaer. Denne analyse har ført til identifikation af tre kompetencer, som aftagernes kommentarer generelt refererer til, og som overordnet set henviser til de kommende Social Data Science-kandidater som ’oversættere’. Kompetencerne er: ’Analytical translators’,  Analytisk design og  Analytisk lederskab.

I uddannelsens indhold refererer ’analytical translators’ til de cross-over kompetencer som står beskrevet ovenfor, og som på de ovenstående nævnte måder er blevet integreret i uddannelsens indhold og tilrettelæggelse.  Analytisk design omhandler aftagernes input vedrørende de studerendes læring af, hvordan de overordnet bliver i stand til at planlægge og gennemføre et samfundsvidenskabeligt undersøgelsesdesign. Vi har brugt dette input til at prioritere de studerendes læring af vurdering og udvælgelse af forskellige metoder på baggrund af data af samfundsvidenskabelige natur, samt vurdering af eksisterende data og overvejelser om hvorvidt nye data er nødvendige. Hertil kommer at vi har knyttet dele af undervisningen i dataetik og –jura an til sådanne designmæssige valg og overvejelser. Ligeledes inddrager vi spørgsmålet om analytisk design i vores udvælgelse af datavidenskabelige metoder med særlig vigtighed for samfundsvidenskabelige problemstillinger, herunder specifikt i de studerendes brug af eksperimenter samt egne vurderinger af kvaliteten af deres eget arbejde.

Aftagernes kommentarer vedrørende analytisk lederskab har vi inddraget ved, at der på kurset Data Governance eksplicit vil blive undervist i, hvordan man leder og koordinerer data-analysearbejde. Det skal bemærkes , at aftagerne understregede, at de ikke ser de kommende Social Data Science-kandidater som ledere, hvorfor vi på den baggrund er gået bort fra tidligere overvejelser om, hvorvidt uddannelsen også skulle have en komponent om ’strategisk ledelse’. Lederuddannelse og de tilhørende komponenter hos dimittenderne ønskede aftagerne selv at udvikle over tid; deres største behov er stærke analytiske kompetencer.

Kombinationsuddannelse og -kompetencer

Aftagerne har også fremhævet kombinationen af klassisk samfundsvidenskab og data science som en betydelig styrke ved uddannelsen og en akut efterspurgt kompetence på arbejdsmarkedet, der forventes at være stigende i fremtiden. I udviklingen af uddannelsesforslaget har vi arbejdet videre med at styrke denne integration og dermed stimulere tværfaglig læring højt. Dette har vi gjort ved, at hvert eneste kursus på uddannelsen integrerer mindst to af de fire dimensioner, der vises i den grafiske fremstilling af dimittendernes kompetenceprofil (se Figur 1 i afsnit om ’Uddannelsens struktur og konstituerende fagelementer’), hvorved de studerendes læring i hvert element på uddannelsen indbefatter et arbejde på tværs af samfundsvidenskab og datavidenskab.  Derudover er prøverne på uddannelsen tilrettelagt således, at de fleste kurser har integreret eksamen med et andet kursus, således at de fleste eksaminer prøver de studerende i integration og tværfagligt arbejde med 3-4 af de faglige dimensioner i kompetenceprofilen. Endelig indbefatter læringen på de enkelte kurser ofte mangeartede datatyper, der bevirker metodisk og analytisk arbejde med alt fra programmering og maskinlæring til interviews, tekst og billeder. Disse cross-over kompetencer bliver stimuleret gennem det team-samarbejde hele uddannelsen er bygget op om, hvor de studerende i tværfaglige grupper lærer at samarbejde på tværs af faglige forskelligheder. Integrationen mellem samfundsvidenskab og datavidenskab bliver også stimuleret i de studerendes løsning af real-life cases på kurserne og i deres praktiske samarbejde med eksterne partnere. Endeligt kan det tilføjes, at uddannelsens lærerteam fra SODAS gruppen er tværfagligt, at de enkelte undervisere selv har erfaring med at arbejde og samarbejde tværfagligt i undervisning og forskning indenfor Social Data Science-området, og at de har udstrakt erfaring med samarbejde med eksterne partnere i undervisning og vejledning.

Dialogen med aftagerne om uddannelsens integration af klassisk samfundsvidenskab og datavidenskab har desuden bidraget til en afklaring af, hvilke bachelorer uddannelsen skulle have som målgruppe for optag. Da uddannelsesudviklingen begyndte var det med en forestilling om, at den skulle tiltrække bachelorer med stærke kompetencer i datavidenskab og interesse for aktuelle samfundsmæssige problematikker. Aftagernes erfaring med medarbejdere er imidlertid, at der er et bedre læringspotentiale i at uddanne samfundsvidenskabelige bachelorer i datavidenskabelige tilgange end i at lære datavidenskabelige bachelorer samfundsvidenskabelig metode og analyse. Dialogen med aftagerne bevirkede derfor, at uddannelsen er blevet konstrueret til at optage studerende med samfundsvidenskabelige baggrunde, hvis kompetencer uddannelsen vil bygge videre på, for at lære dem datavidenskabelige teknikker i integration med samfundsvidenskabelig metode- og analysearbejde.

Samarbejde med eksterne partnere

Samarbejdet med eksterne partnere er også et forhold som aftagerne har fremhævet som vigtigt på uddannelsen. Særligt ser aftagerne det som en måde, hvorpå de studerende kan anvende deres stærke kernefaglighed samtidig med, at de opbygger en større erhvervsparathed og trænes i formidling og kommunikation af fagligt stof. Derfor er disse samarbejder indarbejdet på det obligatoriske projektseminar på tredje semester, ligesom de studerende på øvrige kurser kan analysere og løse problemstillinger i samarbejde med eksterne partnere fx baseret på data stillet til rådighed af eller tilvejebragt for den eksterne partner. Desuden var aftagerne meget begejstret for uddannelsens specialemodel, hvor specialet blandt andet kan afløses ved produktleverancer aftagerne kender fra deres virksomheder.

Øvrige input fra aftagere

Aftagerne havde også nogle overvejelser om, hvorvidt ’forretning’ og/eller ’forretningsforståelse’ burde være en del af uddannelsens indhold. Det har givet anledning til en yderligere afklaring af uddannelsens placering i uddannelseslandskabet og yderligere klarhed om kandidaternes rolle i virksomheder og organisationer. I vores kontekst er forretningsforståelse evnen til at forstå virksomhedens eller organisationens kerneopgave, uanset om der er tale om privat eller offentlig sektor.

Endelig har aftagerne peget på, at formidlingskompetencer er vigtige for de studerende, når de fx skal kunne få arbejdsgivere til at forstå betydningen af at investere i nye datakilder. Aftagernes forståelse af formidlingskompetencen synes at handle om at være god til at kommunikere og god til at sammenfatte, oversætte og overbevise andre om noget. Læring af disse kompetencer bliver de studerende trænet i under hele uddannelsen ved, at den er bygget op om, at de studerende på alle kurser arbejder i teams, hvor projektarbejdet indbefatter at være i dialog med gruppemedlemmer om de faglige spørgsmål og oversætte samt overbevise dem om rigtigheden af de valg, der skal træffes. Dertil kommer, at visualisering og at være i dialog med eksterne partnere er centrale komponenter på uddannelsen, hvilket også træner de studerende i at kommunikere.  

På baggrund af aftagernes kommentarer og i lyset af den analyse af beslægtede uddannelser vi har foretaget i forbindelse med udviklingsarbejdet, har vi derfor skærpet vores forståelse og design af Social Data Science-uddannelsen: Vi vil skabe kandidater, der kan kombinere dataforståelse og bred forretningsforståelse inden for klassisk samfundsvidenskab, men ikke kandidater hvis forretningsforståelse alene knytter sig til business administration og merkantile fag. Denne kombination af data- og bred forretningsforståelse kredser omkring begreberne adfærd, netværk og ideer som aftagerne vurderede som klart relevante, og hertil kommer efterspurgte temaer som fx internetøkonomi og adfærdsøkonomi. Begge emner var i forvejen en del af undervisningen i netværksteori og  -økonomi, men er blevet styrket i kurserne på anbefaling af aftagerne.

Den gennemførte behovsundersøgelse viser, at der allerede er betydelig og akut efterspørgsel efter kandidater med en Social Data Science-kompetenceprofil. Når vi skal sammenligne uddannelsen i Social Data Science med eksisterende uddannelser i Danmark, er vi derfor interesserede i at undersøge om der allerede findes uddannelser i Danmark med en tilsvarende kompetenceprofil. Vi har således ledt efter uddannelser, der indeholder komponenter af både datavidenskab og samfundsvidenskab.

I definitionen af samfundsvidenskab skelner vi mellem de klassiske samfundsfaglige fag (antropologi, psykologi, sociologi, statskundskab og samfundsøkonomi) og kombinationer heraf på den ene side og klart merkantile fag på den anden side. Erhvervsøkonomiske og merkantile uddannelser inkluderes typisk under hovedområdet samfundsvidenskab rent organisatorisk, men benævnes typisk som separate uddannelser (se fx Udvalget for Bedre Universitetsuddannelser s. 118 og s. 372), og har et rent forretnings- og privatøkonomisk fokus. Samfundsvidenskab omhandler i sin bredeste form menneskelig adfærd og organisering på tværs af formelle og uformelle institutioner, hvoraf økonomisk adfærd i markedsmæssige sammenhænge alene er en delmængde.

Vi har fundet seks kandidatuddannelser i Danmark med disse komponenter. For at identificere, hvorvidt dimittenderne fra disse uddannelser tilegner sig kompetencer svarende til profilen for Social Data Science har vi sammenlignet de fire komponenter, der udgør kompetenceprofilen for Social Data Science med de seks uddannelsers kompetenceprofiler; herunder har vi særligt vægtet indholdet i fagelementernes kursusbeskrivelser og de angivne læringsmål. Foruden de fire komponenter har vi også sammenlignet uddannelserne på deres indhold af ’dataetik og datajura’, idet arbejdet med forskellige typer af digitale data og -metoder nødvendiggør, at kandidaterne besidder viden om og redskaber til at gennemføre etisk bevidste undersøgelser, der er i overensstemmelse med de lovgivningsmæssige forordninger, fx den nyligt implementerede europæiske persondataforordning og tilsvarende revision af den danske persondatalov. Undervisningen i dataetik og –jura er mest koncentreret i uddannelsens ene komponent, men indgår også i undervisningen, der vedrører de øvrige komponenter. 

Nedenstående tabel 1 viser en identifikation af forskelle og ligheder baseret på denne læsning. Krydserne i tabellen repræsenterer i hvilken grad de forskellige komponenter bliver vægtet på uddannelsen; tre krydser svarer til Social Data Science-kompetenceprofilen, to krydser viser at komponenten er til stede i nogen grad, ét kryds at den er tilstede i mindre grad, og et fravær af krydser viser, at komponenten ikke er en del af uddannelsesprogrammet.

Tabel 1. Kompetenceprofil analyse af beslægtede uddannelser.

Tabellen viser, at uddannelsen i Social Data Science er unik i den forstand, at der ikke eksisterer uddannelser i Danmark, der producerer kandidater med omfattende samfundsvidenskabelige kompetencer i kombination med datavidenskab. Størst sammenfald er der på dimensionen ’datavidenskab’, hvor Business Analytics (DTU) og Business Administration and Information Systems (CBS) i samme udstrækning har temaet integreret på uddannelserne. Dog er de langt fra orienteret imod samfundsvidenskabelig teori, metoder og analytiske kompetencer, ligesom ingen af de øvrige uddannelser lægger samme grad af vægt på dataetik og –jura som Social Data Science. Desuden har ingen af de nævnte uddannelser et optagelseskrav om samfundsvidenskabelig faglighed hos ansøgerne.

Endelig skal det bemærkes, at kandidatuddannelsen i økonomi på AAU som noget nyt udbyder en specialiseringslinje i Social Data Science på tredje semester. Der undervises i data science-teknikker, men modulerne er hverken integreret med andre samfundsvidenskabelige kurser eller indeholdende samfundsvidenskabelige komponenter, ligesom der heller ikke undervises i datajura og –etik.

Når dette sammenholdes med den vedlagte behovsundersøgelse konkluderer vi, at der er behov for en kandidatuddannelse i Social Data Science og for kandidater der på tværs af samfundsvidenskab og datavidenskab kan designe, projektere, lede og gennemføre dataprojekter og -analyser i overensstemmelse med dataetiske principper og juridiske rammer, oversætte begreber og strategier mellem fag og discipliner, og skabe værdi ud fra data på nye og originale måder. 

Det forventes, at potentielle ansøgere til Social Data Science uddannelsen fortrinsvis kommer fra samfundsvidenskabelige bacheloruddannelser (se liste over adgangsgivende BA-uddannelser tidligere i ansøgningen). Idet uddannelsens indhold – her tænkes særligt på kombinationen af datavidenskab med samfundsvidenskabelig metode og analyse – er helt unik i det danske uddannelseslandskab (se sammenligning med beslægtede uddannelser ovenfor), forventes uddannelsen ikke at have videre konsekvenser for rekrutteringsgrundlaget til specifikke beslægtede uddannelser, særligt ikke ansøgertallet taget i betragtning. Idet uddannelsens tværfaglige område spænder over meget forskellige videnskabelige felter, forventes uddannelsen at tiltrække særligt dygtige studerende, som forestiller sig at kunne udvikle stærke faglige kompetencer inden for et ikke umiddelbart beslægtet fagligt felt.

Data Science-området er præget af en stor overvægt af mandlige studerende (fx 11% kvinder på Datalogi ved Københavns Universitet i 2017), hvilket er problematisk af to grunde. For det første påvirker det bredden i kompetencer at der i praksis kun rekrutteres fra halvdelen af befolkningen, for det andet er det en udfordring i forhold til at få uddannet nok til de fremtidige arbejdsmarkedsbehov inden for data science, hvis der primært rekrutteres mænd. På Social Data Science forventes en betydelig mere ligelig kønsfordeling, dels fordi der rekrutteres bredt fra en række bacheloruddannelser, hvoraf en del har overvægt af kvindelige studerende (34-79% på fakultetets egne bacheloruddannelser), dels fordi kombinationen af samfundsfaglighed og data science forventes at tiltrække en bredere gruppe studerende end Data science. Det skal bemærkes, at kønsbalancen på beslægtede uddannelser i Holland  og England har mellem 27-44% kvindelige studerende. Eksisterende enkelte fag med social data science-elementer på det Samfundsvidenskabelige Fakultet, Københavns Universitet, har en overrepræsentation af kvinder relativt til kønsbalancen på de konkrete uddannelser. Oprettelsen af Social Data Science-uddannelsen vil derfor kunne bidrage mere til produktionen af Data Science-dimittender end en udvidelse af eksisterende programmer alene.

Spørgsmålet omkring balanceret rekruttering og kvinder i data science er også blevet bragt frem på de afholdte aftagermøder i forbindelse med behovsundersøgelsen. Her blev det foreslået at trække på erfaringer fra et igangværende samarbejde om kønsbalanceret STEM-rekruttering fra et samarbejde mellem DI, Innovationsfonden og McKinsey, hvilket bl.a. involverer særlige indsatser i rekrutteringsprocessen og rollemodeller.

Det forventede årlige optag er 60 studerende. Vi ved dog fra lignende uddannelsesprogrammer i udlandet, at der er en meget stor søgning til for få pladser. London School of Economics har fx fået 250 ansøgninger til 25 pladser. Indeværende aftagerundersøgelse viser også en stor efterspørgsel på denne type kandidater (50 job opslag pr måned i 2018). Det fremgår af den vedhæftede behovsundersøgelse, at mange aftagere allerede nu har akut behov for Social Data Science kandidater og således er interesserede i at samarbejde med de kommende studerende allerede fra første optag, flere med henblik på at kunne rekruttere kandidaterne, når de dimitterer. Noget tyder således på, at 60 kandidater om året er for få. På baggrund af de første to års optag vil vi vurdere om optaget skal øges fremadrettet.

Det forventes, at der foreløbigt kan etableres aftaler om projektorienterede forløb i virksomhederne SONY, KMD, diverse små og mellemstore virksomheder formidlet gennem Dansk Erhverv, Ambition, Geomatic og Styrelsen for IT og Læring, hvortil kan lægges eksisterende uddannelses- og specialesamarbejder med bl.a. Danske Bank, Mærsk, Zetland, Københavns Kommune og Finanstilsynet.

x