爱丁堡大学数据、不平等与社会理学硕士研究生申请要求-排名-学费-就业-语言要求

爱丁堡大学数据、不平等与社会理学硕士课程将使学生能够描述和分析任何给定制度和人文环境中社会包容的程度和维度。设计创造性的解决方案，以提高跨部门计划、项目和政策的包容性。在分析社会的包容性和设计解决方案时，借鉴并结合不同的学科/观点。与多元化且以价值观为导向的团队一起高效地处理复杂的包容性项目。在上述所有努力中充分利用数据，对数据生产和使用保持批判态度。

展开全部

GPA要求

该专业针对内地院校有专属的GPA分数要求，爱丁堡大学会单独设置院校名单，对内地院校划分等级，以此来设置不同的申请要求。

申请要求

具有英国2:1荣誉学位或同等学历，不限专业背景 学校也会考虑具备其他专业资格或经验的申请者（需要在申请前联系学校确认），学校特别欢迎具有设计或实施旨在减少不平等的项目、计划或政策经验的专业人士（例如在公司、政府或第三部门组织工作）的申请

语言要求

雅思

总分要求

听力

6.5

阅读

6.5

写作

6.5

口语

6.5

托福

总分要求

100

听力

阅读

写作

口语

托福

（新版）

总分要求

听力

4.5

阅读

4.5

写作

4.5

口语

4.5

申请时间

{{ `${per_time.year}年${per_time.enroll_time}季入学${per_time.children.length == 1 && per_time.children[0].head == 1 ? '（提前批）' : per_time.children.length == 1 && per_time.children[0].head == 2 ? '（夏令营）' : ''}` }}

on hold

国际生

夏令营

提前批次

进行中

on hold

申请量过大，相应的申请有延迟或者无法拿到offer的风险。

国际生

本条是指国际生截止日期

课程设置

排斥与不平等

Exclusion and Inequality

包容性社会

Inclusive Society

跨学科未来

Interdisciplinary Futures

透过数据或文本合成产生见解

Insights Through Data or Text Remix

道德数据未来

Ethical Data Futures

代表数据或构建近期未来

Representing Data or Building Near Futures

社会数据科学

Data Science for Society

价值链中的权力、数据与不平等

Power, Data and Inequality in Value Chains

工作未来

Work Futures

固有未来

Indigenous Futures

数据的殖民性

The Coloniality of Data

后新冠城市的数据与设计

Data and Design for a Post-Covid City

数字时代的移民与被迫迁移

Migration and Forced Displacement in a Digital Age

新技术如何改变社会的批判性观点

Critical perspectives on how new technologies are changing society

快速变化的新技术和数据来源如何改变民主的未来

How new and rapidly changing technologies and data sources are transforming the future of democracy

展开全部

顾问解析

该跨学科课程设立于爱丁堡未来学院（EFI），EFI专注于复杂的全球和社会挑战的跨学科教学和研究，提供大约40-50门选修课程，由来自多个学科领域的学术人员教授。作为一名EFI学生将强化跨越传统学科界限的创造性、批判性和数据思维，学会数据驱动决策的核心技能，了解并探索数据如何描述、扩大或解决弱势群体面临的边缘化及不平等的问题。 就业服务：从这个专业毕业后可以担任数据科学家和战略运营人员之间的“翻译者”，比如项目、计划和政策顾问、分析师和协调员。 招生特点：申请不卡本科专业，GPA要求Band C（在Priority List内并且均分80分以上或者其他大学均分在85分以上），建议把GPA刷的高于爱宝基础申请要求录取几率才会比较大。

展开全部

登录后查看全部

录取报告

录取指南|该方向对申请者院校背景有一定偏好，211院校背景录取者占比较高，GPA 85+、雅思7.0+是典型录取者的参考线。985及海外背景申请者需保持高绩点并突出科研或项目经历；普通本科申请者需通过高含金量实习或论文弥补背景短板，但整体竞争激烈，样本量较少，仅供参考。本科专业匹配度至关重要，数据科学、数学等强量化背景申请者优势明显。建议申请者优先选择与自身课程高度匹配的子项目，跨专业申请者需补充机器学习、统计学等核心课程，并通过相关科研或竞赛证明量化能力，样本量较少，仅供参考。从历史数据来看，9月至11月是投递的推荐窗口，该阶段申请量集中且录取机会相对稳定。建议申请者提前完成文书与材料准备，尽早提交以占据先机；延迟至次年1月后投递可能面临名额减少风险，需谨慎规划，样本量较少，仅供参考。