Sedan 1963 har sommarskolan i Ann Arbor drillat 21 000 deltagare från över 40 länder i kvantitativa forskningsmetoder. En av alla dem som var med förra året var Simon Davidsson, doktorand i statsvetenskap vid Lunds universitet. Vi ringde upp Simon för att prata lite om sommarskolan, forskning och öppna data.
Vad handlar din avhandling om?
- Jag gör en undersökning om parlamentarismens historia i Västeuropa. Jag arbetar med historisk litteratur och skapar med hjälp av denna ett dataset för att se vilka aktörer som kan påverka att en regering avgår och hur detta förändras över tid. Startpunkten är lite olika för olika länder. I Belgien till exempel börjar jag när landet skapades 1830. I Storbritannien går jag tillbaka så långt som till 1720-talet.
Du fick ju ett av SND:s resestipendier 2018 och var i Ann Arbor åtta veckor. Vilka kurser läste du då?
- Under den första perioden läste jag ”Measurement, Scaling and dimensional analysis”, ”Regression III” och ”Mathematics for Social Scientists II” på dagtid. Jag gick dessutom en kvällskurs för att lära mig mjukvaruprogrammet R. Under period två tog jag kurserna ”Maximum likelihood estimation II” och ”Empirical modeling of social science theory”. Jag följde dessutom med i ”Maximum likelihood estimation I” under period ett och ”Causal Inference” under period två.
Vad tycker du är viktigt att tänka på vid val av kurser?
- Även om det går att välja kurser på plats i Ann Arbor så är det bra att ha tänkt igenom valen noga innan man reser dit och se till att kurserna inte blir för enkla. Jag var lite ringrostig när det gällde regression, jag hade inte jobbat med det på tre år. Men det fungerade bra ändå att gå Regression III, du får mycket repetition automatiskt på vägen.
Oavsett vad du väljer så måste du förbereda dig på att det blir hur mycket jobb som helst. Jag lärde mig ju mjukvaruprogrammet R på kvällarna de första två veckorna, och det var tufft. Hade jag vetat att det ofta var tolvtimmarsdagar hade jag sett till att jag varit mer varm i kläderna när det gällde just mjukvaruprogram, så jag inte behövt lära mig detta i Ann Arbor.
Har du några andra tips om vad som är bra att tänka på inför sommarskolan?
- Det är bra att skaffa ett boende som är så nära campus det bara går. Jag tycker också att man ska gå på de sociala aktiviteter som ICPSR anordnar, det är inte så lätt att hinna lära känna folk i klassrummet. Jag tänker också att det kan vara bra att vänta till andra året på forskarutbildningen innan man söker till Ann Arbor. Jag hade bara varit doktorand i tio månader när jag var där, och jag visste ännu inte vilken metod jag skulle använda. Det blev därför mer bredd än djup för mig. På gott och ont.
Vad gäller vad man ska koncentrera sig på skulle jag rangordna olika saker så här: gå på föreläsningarna, gör övningarna, samla på dig kod, tala med lärare och andra studenter, läs litteraturen. Och se till att ha lite fritid!
Sedan vill jag också säga att det verkligen är bra att ha med sig en adapter. Det hade inte jag…
Vad var det bästa med vistelsen i Ann Arbor?
- För det första kommer du hem med en massa artiklar, kod, mjukvarukunskaper och är säkrare på dig själv. För det andra, vilket är minst lika viktigt, så har du kontakten med alla de andra doktoranderna och du har också haft diskussioner och pratat med lärarna där borta.
ICPSR arrangerar ju inte bara sommarskola utan är också en viktig infrastruktur för delning av forskningsdata. Hur mycket av frågor kring öppna data finns med i kurserna?
- Jag stötte inte på något kring öppna data, datadelning eller datahantering. Kanske att de talade mer om det på någon kurs som jag inte gick. Vi hade någon föreläsning som handlade om ICPSR och då fick vi information om deras forskningsdata och att man har möjlighet att använda dem. Men det fördes inga principiella diskussioner kring öppen tillgång på data.
Hur ser du på frågan? Du har ju i din forskning använt både andra forskares data och data som du samlat in själv.
- Jag tycker det är jätteviktigt med öppna data, det är fundamentalt att vi delar med oss. Det har både med transparens och kostnader att göra. Så länge de vanliga etiska kraven uppfylls finns det inga argument alls mot att dela data, i alla fall efter en tid. Det handlar om att ge och ta. Och jag tror inte att incitamenten för att samla in nya data försvinner bara för att vi börjar dela mer.
