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 forskellige former for videnskab, og vi vil undersøge og diskutere de metoder, videnskaberne benytter til at generere ny viden. På den baggrund vil vi overveje, om man kan karakterisere datalogi som matematik, naturvidenskab, ingeniørvidenskab, eller noget helt fjerde. Vi vil diskutere den erkendelsesmæssige status af datalogi-videnskabelig viden og forholdene mellem viden og innovation.
Under 2) vil vi diskutere, hvordan videnskabelig viden står i relation til ydre samfundsforhold af etisk, social og politisk karakter. Vi vil derfor introducere grundlæggende etiske teorier og diskutere IT-professionelle ansvar samt hvad det vil sige, at bedrive videnskab på en moralsk forsvarlig og forskningsmæssig redelig vis. Vi vil herunder diskutere de etiske problemstillinger brugen af machine-learning stiller både IT-professionelle og forskere i.
Under 3) vil vi undersøge og diskutere, hvad der karakteriserer datalogi som felt og profession, hvordan datalogien metodemæssigt forholder sig til matematikken, principielle begrænsninger for beregnelighed, den rolle computeren spiller for datalogien som fag, den rolle som modellering og beregninger spiller for videnskab og samfund, hvordan machine-learning udfordrer klassiske opfattelser af modellering, 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
Kompetencer
Ved kursets afslutning forventes den studerende at kunne:
- Diskutere forskellige opfattelser af hvad videnskab er gennem hele spektret fra grundforskning via anvendelsesorienteret og strategisk forskning til innovation, med specielt fokus på de datalogiske fag.
- Udvise faglig selvforståelse og se de datalogiske fag i forhold til tilgrænsende fagfelter/discipliner, navnlig matematik.
- Analysere, diskutere og forholde sig kritisk reflekteret til rækkevidden af og begrænsninger i datalogiens metoder og til datalogiens særlige natur og erkendelsesmæssige status.
- Analysere, diskutere og forholde sig kritisk reflekteret til datalogiens rolle i samfundet.
- Analysere, diskutere og forholde sig kritisk reflekteret til etiske og videnskabsteoretiske problemer i relation til datalogiens praksis og brugen af datalogi.
Færdigheder
Ved kursets afslutning forventes den studerende at kunne:
- Identificere etiske og samfundsmæssige problemstillinger i relation til de datalogiske fag.
- Identificere metodologiske og erkendelsesteoretiske problemer i relation til de datalogiske fag.
- Identificere overtrædelser af god videnskabelig praksis i relation til de datalogiske fag.
- Belyse en akademisk problemstilling på en nuanceret måde, bl.a. ved at udvælge relevante synspunkter på tværs af pensum, dvs. fra flere forskellige kontekster.
- Udarbejde et skriftligt akademisk produkt. Herunder skal den studerende kunne henvise korrekt til anvendt litteratur og på egen hånd udvælge relevante tekster fra den læste litteratur.
Viden
Ved kursets afslutning forventes den studerende at kunne:
- Redegøre for udvalgte etiske teorier af relevans for kritisk refleksion over de datalogiske fag, herunder nytteetik og pligtetik.
- Redegøre for udvalgte, centrale videnskabsteoretiske begreber og problemer af relevans for kritisk refleksion over de datalogiske fag og tilgrænsende vidensområder.
- Redegøre for de datalogiske fags samfundsmæssige rolle og betydning samt træk af datalogiens historiske og institutionelle baggrund.
- Redegøre for videnskabelige processer i de datalogiske fag gennem hele spektret fra grundforskning over anvendelsesorienteret og strategisk forskning til innovation.
- Redegøre for normer for god videnskabelig praksis både generelt og i forhold til de datalogiske fag.
I kurset benyttes følgende undervisningsformer:
1. Forelæsninger
2. Øvelsestimer i mindre hold
3. 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.
Oplysninger om undervisningsmaterialet vil blive offentliggjort på Absalon inden kursusstart.
Mindst 30 beståede ECTS-point inden for datalogi, IT eller programmering.
Der gives mundtlig feedback på mundtlige fremlæggelser. Der gives kort individuel og samlet overordnet feedback på skriftlige afleveringer.
- ECTS
- 7,5 ECTS
- Prøveform
-
Skriftlig stedprøve, 4 timer med opsyn.
- Prøveformsdetaljer
- Den skriftlige stedprøve består af et opgavesæt med to dele: en bunden essay-opgave suppleret med et antal korte spørgsmål til kursets pensum. De studerende vil en uge inden eksamen få udleveret en ukendt tekst, der skal behandles i essay-delen af eksamen. Prøven vurderes som et samlet hele. Den skriftlige stedprøve er en ITX-eksamen.
- Eksamensforudsætninger
-
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
- Skriftlige hjælpemidler tilladt
- Bedømmelsesform
- 7-trins skala
- Censurform
- Ingen ekstern censur
Flere interne bedømmere
- Reeksamen
-
Som ordinær eksamen.
Hvis eksamensforudsætningen om godkendelse af to stillede afleveringsopgaver ikke er opfyldt skal opgaverne revideres og genafleveres.
Hvis eksamensforudsætningen 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.
Enkeltfag dagtimer (tompladsordning)
- Kategori
- Timer
- Forelæsninger
- 26
- Forberedelse (anslået)
- 136
- Øvelser
- 20
- Projektarbejde
- 20
- Eksamen
- 4
- 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 (3-7c86794f787d733d7a843d737a)
Er du BA- eller KA-studerende?
Kursusinformation for indskrevne studerende