Noen kommentarer om undervisningen i statistiske metoder ved norske sosiologiprogrammer

Odd Gåsdal advarer mot å utstyre studentene med en kokebok i modellbasert kausalanalyse og vektlegger kritisk omgang med metodene som viktigst.

Som en oppfølger til NOKUTs evaluering av sosiologiundervisningen i Norge (NOKUT, 2018) har Torbjørn Skardhamar evaluert undervisningen i kvantitative metoder ved de norske universitetene. Jeg vil først få gratulere Institutt for sosiologi og samfunnsgeografi ved UiO med Torbjørn Skardhamars flotte egenevaluering av instituttets undervisningstilbud.

Videre vil jeg slutte meg til de generelle synspunktene som kommer til uttrykk i Arild Blekesaunes kommentar: Ønsker vi å utdanne sosiologer eller statistikere? En kommentar til Torbjørn Skardhamar. Selv vil jeg ikke gi meg i kast med å evaluere noen av dagens undervisningstilbud, men tillater meg å komme med noen generelle synspunkter på metodeundervisning og undervisning i statistiske metoder spesielt.

Innføring er viktigst

En bachelor i sosiologi må kunne forstå og gjøre elementære kvalitetsvurderinger av det metodiske grunnlaget for andres sosiologiske undersøkelser. Bachelorene må også kunne ta standpunkt til måten sosiologisk kunnskap brukes på av andre. Dette forutsetter blant annet at de lærer en del om hvilke krav som stilles ved bruk av statistiske data/metoder i sosiologisk faglitteratur og om fagfellevurdering. Det forutsetter også elementære kunnskaper om bruk av statistisk testing.

Men dypere forståelse av statistisk teori er neppe det viktigste. Jeg har selvsagt ikke noe imot at bachelorene lærer statistisk teori grundig, men sterkt fokus på slik læring kan bli et problem i den grad det går på bekostning av viktigere kunnskap.

De eksamensbesvarelsene jeg faktisk har vurdert indikerer at forbløffende mange studenter (i hvert fall inntil nylig) har blitt mer forvirret enn opplyst av det de har fått presentert i undervisningen

Min innsikt i hva normale sosiologistudenter på dette nivået kan klare å absorbere av statistisk teori og analysemetode i tillegg til det de ellers trenger å kunne, er begrenset. Jeg har ikke selv undervist i «kvantitativ metode» på bachelornivå de siste 20 årene. Det jeg har, er en del erfaring som sensor på dette nivået ved diverse læresteder, men siden jeg ikke har slik erfaring fra hverken UiB, NTNU eller UiO i seinere år, skal jeg ikke forsøke å vurdere studentprestasjonene ved noen av disse hverken i forhold til absolutte standarder eller i forhold til hverandre.

Forvirret, ikke opplyst

De eksamensbesvarelsene jeg faktisk har vurdert indikerer at forbløffende mange studenter (i hvert fall inntil nylig) har blitt mer forvirret enn opplyst av det de har fått presentert i undervisningen. Svarene deres tydet ofte på at den «intuitive» forståelsen var bedre enn kompetansen som undervisningen ga dem til å anvende formelle analysemetoder på forstandig vis.

Problemet løses neppe ved å kreve mer statistisk teorikunnskap. En bør i hvert fall unngå at studentene blir så oppslukt av arbeidet med å beherske de tekniske og teoretiske vanskene at det går ut over forståelsen av metodenes praktiske anvendelse og relevans.

Metodekurset som inngår i bachelorstudiet i sosiologi i Bergen kjenner jeg først og fremst som tidligere undervisningsleder. Det skal dekke alle de viktigste metodekunnskapsbehovene ved tre ulike institutters bachelorstudier. Jeg tror at dette er gunstig dersom det faktisk bidrar til at den merkverdige muren en har latt reise seg mellom såkalte «kvalitative» og «kvantitative» metoder brytes ned, noe Sigmund Grønmo (Grønmo, 2016) ønsket å bidra til gjennom læreboken som nå brukes ved kurset.

Jeg tror at det viktigste målet med introduksjonskurs på bachelornivå bør være å formidle formålene med, behovet for og begrensningene ved metodene

Min erfaring som sensor ved andre kurs der en prøver å kombinere undervisning i statistiske analysemetoder og andre metoder, er imidlertid at studentene har vel så store problemer med praktisk og konseptuell forståelse av mange sider ved de andre metodene som med statistisk teori og analysemetode. Behovet for dypere innsikt synes altså for meg å være til stede over hele linjen. Det er ikke opplagt at statistisk teori skal prioriteres.

Jeg tror også at det er gunstig at sosiologistudentene i Bergen på grunn av kurssamarbeidet med andre institutter får kunnskap om et videre spektrum av sosiologisk relevante metoder enn de ville fått hvis vi bare ga kurs i metodene som er mest anvendt blant sosiologer. Dette utvider tilfanget av faglig relevante kunnskapskilder og bærer i hvert fall i seg muligheten for utvidelse av et ofte noe snevert metoderepertoar til bruk i seinere studier og yrkeskarriere, men det gir selvsagt ikke optimale betingelser for fordypning i spesielle metodeemner som statistisk teori. Fordypningen kan komme seinere.

Generelle metodeprinsipper er viktigst

Jeg tror at det viktigste målet med introduksjonskurs på bachelornivå bør være å formidle formålene med, behovet for og begrensningene ved metodene samt hvilke generelle prinsipper de bygger på. NOKUTs evalueringspanel har for øvrig trolig rett i konklusjonen som siteres i Arild Blekesaunets innlegg: ”The panel holds the opinion that methods skills need to be more integrated into the substantive courses rather than something to be learned in the stand-alone methods course” (NOKUT, 2018:62). Det kan sikkert gjøres mer for å fremme slik integrasjon.

Jeg tror altså at det viktigste målet med metodeundervisningen på bachelornivået bør være oppøving av forståelse av generelle metodeprinsipper. Dette betyr at kunnskapen som trengs for kompetent anvendelse av metodene, inkludert statistisk teori, i hovedsak bør formidles på master- og doktorgrads-nivå. Likevel har en pleid å gi noen biter av statistisk teori på bachelornivå. Det kan være fornuftige grunner til dette, som for eksempel at det kan styrke studentenes tiltro til statistiske metoder

(...) kunnskapen som trengs for kompetent anvendelse av metodene, inkludert statistisk teori, bør i hovedsak formidles på master- og doktorgrads-nivå

Skardhamar mener at det er problematisk hvis progresjonen fra bachelor- til mastergradsnivå ikke er klar nok, og at det ikke synes som om en ved andre studieprogrammer enn UiOs stoler på at mastergradsstudentene har lært den statistiske teorien de hadde på pensum i bachelorstudiet.

Masterstudentene må repetere

Min erfaring med undervisning i statistisk metode på mastergradsnivå (som inntil videre riktignok er noen år gammel) er at studentene i praksis var nokså blanke ved oppstart, og at stoff de skulle ha lest under bachelorstudiet, hadde forduftet. Repetisjon syntes ikke bare ønskelig, men nødvendig. Uten dette, og uten mulighet for kontrollspørsmål ved eksamen, er jeg redd de stort sett ville blitt uteksaminert uten reelle kunnskaper om statistisk slutnings- og estimeringsteori, et emne som uansett ikke glir særlig lett inn hos den jevne mastergradsstudent i sosiologi. Dette har trolig sammenheng med de snirklete resonnementene som ligger under den tradisjonelle frekventistiske slutningslæren.

Det er kanskje på tide i det minste å vurdere om ikke også sosiologene i stedet etter hvert bør introduseres til Bayesiansk statistisk teori, som nå synes å bli akseptert og gjort til et standardgrunnlag for statistisk analyse i diverse andre disipliner.

Det synes for øvrig ikke som om Institutt for sosiologi og samfunnsgeografi ved UiO heller stoler helt på at masterstudentene har tilegnet seg hele bachelorgradpensumet. Instituttet har i hvert fall inkludert relativt elementært stoff om statistisk slutningslære (Agrist & Pischke, 2015) og mye stoff om elementær regresjonsanalyse (Gordon) i mastergradspensum, men det stilles kanskje ikke eksamensspørsmål om dette?

Det er et problem at grundige forklaringer av mange temaer innen statistisk analyse, inkludert Bayesiansk statistikk, krever matematisk framstilling

Det er et problem at grundige forklaringer av mange temaer innen statistisk analyse, inkludert Bayesiansk statistikk, krever matematisk framstilling. Matematikken trengs både fordi at den gjør forståelsen av stoffet bedre og dypere (hvis en først behersker matematisk notasjon og tenkemåter) og fordi at kjennskap til matematiske verktøy er en forutsetning for å kunne lese annet enn innføringsbøker og fordype seg ytterligere i spesielle analyseteknikker etc.

Bruker en matematisk «tunge» lærebøker som forklarer teorien på en rimelig tilfredsstillende måte, risikerer en imidlertid at flertallet av studentene ganske enkelt ikke leser dem, men finner mer lettvinte løsninger på egen hånd.

Bruker en i stedet bøker med «lettere» matematisk tilsnitt, risikerer en at studentene opplever de matematiske elementene som ufullstendige og derfor utilfredsstillende (som var blant tilbakemeldingene jeg fikk da jeg i sin tid fikk ansvar for et kurs basert på Bohrnstedt & Knokes Statistics for Social Data Analysis (Bohrnstedt & Knoke, 1994)). Skogs bok (Skog, 2004), som fortsatt brukes ved UiB, har fungert bedre (supplert med litt instruksjon i elementær algebra) fordi at den etter alt å dømme har blitt lest og ikke irriterer studentene med hverken rigorøse eller ufullstendige matematiske utledninger. Dette betyr ikke at den ikke er moden for utskiftning.

Ikke åpenbart at kausalitet er det viktigste

Spørsmålet blir da hva den skal erstattes med. Det er ikke åpenbart at en bør satse sterkt på kausalanalyse slik en synes å ha gjort ved UiO. Agrist & Pischkes bok (Angrist & Pischke, 2015) som er pensum der, er sikkert et utmerket pedagogisk redskap, men introduserer ingen revolusjonerende nyheter som magisk realiserer drømmen om verifisert kausal samfunnsfaglig kunnskap og prediksjonsevne. Kausalitet er viktig, ikke minst siden vi stadig gjør antakelser om kausale sammenhenger, og siden slike antakelser ofte er svakt fundert, men samfunn er kompliserte systemer og identifikasjon av kausalitet er ofte vanskelig i slike systemer. Jakten på den ideelle instrumentvariabelen kan være illusorisk. Selv når en søker kausal kunnskap kan i stedet eksplorerende metoder være et fornuftig utgangspunkt så lenge en også påpeker hvilke begrensninger de har.

Jakten på den ideelle instrumentvariabelen kan være illusorisk

Kokebok i modellbasert kausalanalyse

Å utstyre studentene med en kokebok i modellbasert kausalanalyse er derfor kanskje ikke den mest betryggende strategien, i hvert fall ikke hvis en samtidig signaliserer at dette er de ideelle metodene en alltid bør strebe etter å få tatt i bruk. Jeg er altså skeptisk til å prioritere spesifikke kausalanalysemetoder og gjøre dem obligatoriske på bekostning av eksplorerende metoder. Å gi muligheter for fordypning i kausalanalyse vil derimot være bra.

Mulighetene for å tilby metodespesialiseringer innenfor et to-åring masterstudium på et lite institutt som vårt er imidlertid begrenset. Å la spesielt interesserte studenter delta på doktorgradskurs har vært praktisert tidligere og gir litt fleksibilitet, men neppe nok til at det får vesentlig betydning gitt dagens krav til studieprogresjon.
Regelmessige, studieplanintegrerte tilbud om valgfrie spesialiseringskurs i samarbeid med andre institutter kunne kanskje være en løsning, men i så fall må en først åpne muligheter for å la dem erstatte andre deler av dagens studieprogram.

Referanser

Angrist, J. D. Pischke, J. S. (2015). Mastering’metrics: The Path from Cause to Effect. Princeton NJ, Princeton University Press.

Bohrnstedt, G. W. and Knoke, D. (1994), Statistics for social data analysis (3rd ed.). Itasca Ill, Peacock.

Gordon, R. (2015). Regression analysis for the social sciences. Second editon. New York NY, Routledge.

Grønmo, S. (2016). Samfunnsvitenskapelige metoder. 2. utgave. Bergen, Fagbokforlaget

NOKUT. (2018). Educational quality in sociology in Norway

Skog, Ole-Jørgen (2004). Å forklare sosiale fenomener. En regresjonsbasert tilnærming. Oslo, Gyldendal Akademisk.