UTBILDNINGSINFO
IN ENGLISH
Malmö universitet

Kursplan

Hösten 2027

Kursplan hösten 2027

Ladok version 1

Benämning

Datadrivet beslutsfattande

Engelsk benämning

Data-Driven Decision Making

Kurskod

TR186A

Omfattning

15 hp

Betygsskala

UV Underkänd (U), Godkänd (G) eller Väl godkänd (VG)

Undervisningsspråk

Kursen ges på svenska med inslag av engelska

Beslutande instans

Fakulteten för kultur och samhälle

Inrättandedatum

2026-10-19

Fastställandedatum

2026-11-09

Giltig från

2027-08-30

Utbildningsnivå

Grundnivå

Behörighetskrav

För tillträde till kursen krävs avklarade kurser om minst 60 hp.

Huvudområde

Inget huvudområde

Fördjupningsnivå

GXX Grundnivå, kursens fördjupning kan inte klassificeras

Fördjupningsnivå i förhållande till examensfordringarna

Kursen ingår inte i något huvudområde.

Innehåll

Kursen behandlar hur kvantitativa och kvalitativa underlag kan användas, kombineras och kritiskt värderas vid beslutsfattande i organisationer och samhälle. Tillämpningar hämtas från skilda verksamhetsområden, exempelvis transport och logistik, stadsplanering, fastighetsförvaltning och offentlig verksamhet.

Kursen omfattar beslutsprocessen från problemformulering och analys till kommunikation och uppföljning. Grundläggande metoder för datadriven analys behandlas, såsom datakvalitet, explorativ analys, statistiska metoder, prognoser och optimering samt beslutsstöd under osäkerhet. Kursen behandlar även AI-genererade beslutsunderlag och automatiserade beslut med fokus på transparens, tillförlitlighet, mänsklig kontroll och ansvar. Kvantitativa och kvalitativa underlag används för att utveckla problemförståelse, pröva handlingsalternativ och värdera konsekvenser. Metoders och modellers antaganden, användbarhet och begränsningar granskas i tillämpade sammanhang.

Ekonomisk psykologi och beteendeekonomi används för att belysa begränsningar i antaganden om rationalitet och hur individuella och organisatoriska förutsättningar påverkar beslut. Hållbarhet, jämställdhet, jämlikhet och etiska frågor integreras i analysen av datakällor, beslutsprocesser och konsekvenser för olika grupper.

Fallmaterial och data från omgivande samhälle kan användas i undervisningen.

Lärandemål

Efter avslutad kurs ska studenten kunna:

Kunskap och förståelse

1. förklara centrala begrepp inom datadrivet beslutsfattande samt hur datakvalitet, osäkerhet och metodval påverkar analys, tolkning och beslut, inklusive skillnaden mellan korrelation och kausalitet,

2. redogöra för principer, antaganden och användningsområden för regressionsanalys, optimering och Monte Carlo-simulering,

3. förklara och jämföra perspektiv på rationalitet samt hur psykologiska och organisatoriska faktorer påverkar beslutsfattande,

Färdighet och förmåga

4. genomföra och tolka regressionsanalys samt tillämpa optimering och Monte Carlo-simulering för att undersöka handlingsalternativ och osäkerhet i ett avgränsat beslutsproblem,

5. använda, kritiskt tolka och integrera kvantitativa och kvalitativa underlag för att utveckla problemförståelse, belysa beslutsalternativ och motivera en rekommendation med hänsyn till osäkerhet och målkonflikter,

6. kommunicera beslutsunderlag skriftligt, muntligt och visuellt för olika målgrupper samt föreslå hur beslut kan följas upp,

Värderingsförmåga och förhållningssätt

7. kritiskt värdera datakällor, analysmetoder, modellresultat och AI-genererade resultat utifrån tillförlitlighet, relevans och begränsningar,

8. analysera hur psykologiska mekanismer, intressen och organisatoriska villkor påverkar beslut samt värdera möjliga förbättringar av beslutsprocesser, och

9. kritiskt värdera beslutsalternativ med avseende på ekonomisk, miljömässig och social hållbarhet samt jämställdhet, jämlikhet och etiska konsekvenser för olika grupper.

Arbetsformer

Kursens arbetsformer är föreläsningar, övningar, laborationer, seminarier, projektarbete och självstudier. Studenterna bearbetar kursinnehållet aktivt genom att formulera problem, pröva metoder, granska underlag, diskutera alternativa tolkningar och ge återkoppling på beslutsunderlag. Tillämpningar från skilda verksamhetsområden ger utrymme för erfarenhetsutbyte mellan studenter från olika utbildningsprogram.

Bedömningsformer

Individuell examination (8 hp) (UV) (lärandemål 1-3 och 7-9)

Laborationsuppgifter och examinerande seminarier (3 hp) (UG) (lärandemål 3-5 och 7-9)

Projektarbete i grupp (4 hp) (UG) (lärandemål 4-9)

Individuell bedömning sker för samtliga lärandemål.

För godkänt slutbetyg krävs minst betyget Godkänd på samtliga prov. För slutbetyget Väl godkänd krävs dessutom betyget Väl godkänd på Individuell examination.

Kurslitteratur och övriga läromedel

Albright, S. & Winston, W. (senaste upplagan). Business Analytics: Data Analysis and Decision Making. Cengage Learning Inc. Boston, MA.

Kahneman, D. (senaste upplagan). Thinking, Fast and Slow. Farrar, Straus and Giroux.

Yearworth, M. (senaste upplagan). Problem Structuring: Methodology in Practice. Wiley.

Vetenskapliga artiklar, fallmaterial och metodstöd tillhandahålls elektroniskt.

Kursvärdering

Malmö universitet ger studenter som deltar i eller har avslutat en kurs en möjlighet att framföra sina erfarenheter av och synpunkter på kursen genom en kursvärdering som anordnas av lärosätet. Universitetet sammanställer kursvärderingarna samt informerar om resultaten och eventuella beslut om åtgärder som föranleds av kursvärderingarna. Resultaten ska hållas tillgängliga för studenterna. (HF 1:14).

Övergångsbestämmelser

Om en kurs har upphört att ges eller har genomgått större förändringar ska studenterna, under ett år efter det att förändringen har skett, erbjudas två tillfällen för omprov baserade på den kursplan som gällde vid registreringen.

Övrigt

Om en student har beslut om riktat pedagogiskt stöd, har examinator rätt att ge ett anpassat prov eller låta studenten genomföra prov på ett alternativt sätt.

Ladok version 1