Datalogiens videnskabsteori (VtDat)
Kursusindhold
Kurset består af tre hovedelementer:
- Generel videnskabsteori
- Videnskabsetik og politik
- Emner fra datalogiens videnskabsteori og filosofi
Under 1) vil vi med udgangspunkt i datalogifaget undersøge og analysere de metoder, naturvidenskaben benytter til at generere ny viden. Kan man karakterisere datalogi som matematik, naturvidenskab, ingeniørvidenskab, eller noget helt fjerde? Vi vil diskutere den erkendelsesmæssige status af videnskabelig viden og forbindelsen til innovation.
Desuden vil vi under 2) diskutere hvordan videnskabelig viden står i relation til ydre samfundsforhold af juridisk, etisk og politisk karakter. Vi vil derfor introducere grundlæggende etiske teorier og diskutere, hvad det vil sige at bedrive videnskab på en moralsk forsvarlig og forskningsmæssig redelig vis.
Under 3) vil vi undersøge og diskutere, hvad der karakteriserer datalogi som uddannelse og profession, hvordan datalogien metodemæssigt forholder sig til matematikken, den rolle som computeren spiller for datalogien som fag, den rolle som modellering og beregninger spiller for videnskab og samfund, hvorvidt man kan benytte computere som begrebsrammer om fx kunstig intelligens, hvordan datalogisk virke er organiseret og professionaliseret inden for udvikling af IT, og hvilken rolle datalogien som fag spiller i det offentlige rum.
Philosophy of Computer Science (VtDat)
Bacheloruddannelsen i datalogi
Bacheloruddannelsen i Machine Learning og datavidenskab
Viden:
Ved kursets afslutning skal den studerende besidde kendskab til videnskabsteoretiske, etiske, politiske, juridiske diskussioner af både generel og fagspecifik karakter. Den studerende vil kunne placere datalogifaget i forhold til andre discipliner og redegøre for forskellige videnskabelige metoder.
Færdigheder:
Den studerende skal være i stand til at belyse en akademisk problemstilling på en nuanceret måde, bl.a. ved at udvælge relevante synspunkter på tværs af pensum, dvs. fra flere forskellige kontekster.
Den studerende skal desuden kunne udarbejde et skriftligt akademisk produkt, herunder kunne henvise korrekt til anvendt litteratur og på egen hånd kunne udvælge relevant pensum.
Kompetencer:
Ved kursets afslutning forventes den studerende at kunne fremlægge, diskutere og kritisk vurdere teorier om:
- Rækkevidden af og begrænsninger i naturvidenskabens metoder,
- forholdet mellem datalogi og det omgivende samfund,
- videnskabelig vidensproduktion i spektret fra grundforskning over anvendelsesorienteret forskning til innovation,
- datalogiens særlige natur og dens erkendelsesmæssige status,
- datalogiens udvikling og samspil med andre videnskaber og
- forskerens og praktikerens etiske ansvar. Herunder, hvad det vil sige at optræde redeligt og etisk ansvarligt.
Den studerende skal desuden være i stand til at tage selvstændig og reflekteret stilling til
problemstillinger om:
- Naturvidenskabens udvikling, metoder og rolle i samfundet,
- datalogiens særlige natur, udvikling, erkendelsesmæssige status og samspil med andre fag og
- forskerens og praktikerens etiske ansvar.
I kurset benyttes følgende undervisningsformer:
1. Flipped classroom forelæsninger, hvor de studerende hjemmefra
ser asynkrone forelæsningsvideoer, som de derefter kan stille
spørgsmål til i en ugentlig opsummerende fysisk forelæsning på
campus.
2. Synkrone forelæsninger på campus i kursusuge 5, 6 og 7.
3. Øvelsestimer i mindre hold.
4. Arbejde i grupper uden supervision.
Derudover forventes den studerende at benytte en væsentlig del af
sin tid på selvstændig forberedelse, specielt for at tilegne sig
kursets pensum.
Undervisningen tager udgangspunkt i et notesæt, en samling af tekster og forelæsningsvideoer. Alle materialerne vil blive gjort tilgængelige på Absalon, når kurset oprettes.
Mindst 30 beståede ECTS-point inden for datalogi / IT.
Der gives mundtlig feedback på mundtlige fremlæggelser. Der gives kort individuel og samlet overordnet feedback på skriftlige afleveringer.
- ECTS
- 7,5 ECTS
- Prøveform
-
Skriftlig prøve, 60 minutter med opsyn.Skriftlig aflevering, 48 timer
- Prøveformsdetaljer
- Skriftlig multiple-choice prøve (60 min.) og 2-døgns (48 timer)
take-home skriftlig, bunden opgave.
Karakteren fastsættes ved en helhedsvurdering af multiple-choice og take-home.
Kurset er udtaget til ITX-eksamen.
Se vigtig information om ITX-stedprøver på Studieinformation under punktet: Eksamen -> Eksamensform og regler -> Skriftlig stedprøve (ITX-prøve) - Krav til indstilling til eksamen
-
For at blive indstillet til eksamen er det et krav, at man med sin gruppe har afholdt og bestået et mundtligt oplæg ved øvelsestimerne, og at man individuelt har fået godkendt de to stillede afleveringsopgaver.
- Hjælpemidler
- Kun visse hjælpemidler tilladt
- Multiple-choice: Ingen hjælpemidler tilladt
- Take-home: Alle hjælpemidler tilladt, inkl. Large Language Models (LLM)/Large Multimodal Models (LMM), der kan generere tekst og kode – fx ChatGPT og GPT-4.
- Bedømmelsesform
- 7-trins skala
- Censurform
- Ingen ekstern censur
Flere interne bedømmere
- Reeksamen
-
Samme som ordinær eksamen.
Hvis indstillingskravet om godkendelse af to stillede afleveringsopgaver ikke er opfyldt skal opgaverne revideres og genafleveres.
Hvis indstillingskravet om beståelse af mundtligt oplæg ikke er opfyldt skal der afleveres en ekstra opgave i et emne defineret af den kursusansvarlige.
Opgaverne skal være afleveret senest 4 uger før reeksamen og godkendt senest 3 uger før reeksamen.
Kriterier for bedømmelse
Se målbeskrivelsen.
Prøverne vægtes ikke og der gives en samlet vurdering.
Enkeltfag dagtimer (tompladsordning)
- Kategori
- Timer
- Forelæsninger
- 13
- Forberedelse (anslået)
- 106
- Øvelser
- 20
- E-læring
- 12
- Projektarbejde
- 38
- Eksamen
- 17
- Total
- 206
Kursusinformation
- Undervisningssprog
- Dansk
- Kursusnummer
- NNDB19000U
- ECTS
- 7,5 ECTS
- Niveau
- Bachelor
- Varighed
-
1 blok
- Placering
- Blok 4
- Skemagruppe
-
B
- Kapacitet
- Ingen begrænsning
– medmindre du tilmelder dig i eftertilmeldingsperioden (BA og KA) eller som merit- eller enkeltfagsstuderende. - Studienævn
- Studienævn for Matematik og Datalogi
Udbydende institut
- Institut for Naturfagenes Didaktik
- Datalogisk Institut
Udbydende fakultet
- Det Natur- og Biovidenskabelige Fakultet
Kursusansvarlig
- Mikkel Willum Johansen (3-727c6f456e736933707a336970)
Are you BA- or KA-student?
Courseinformation of students