Data og digitalisering
Kursusindhold
Dette kursus giver en introduktion til digital sundhed som folkesundhedsvidenskabeligt emne, samt til datainfrastrukturer i det danske sundhedsvæsen og nogle af de formål, som data bruges til. Samtidig introduceres til epistemologiske, politiske, sociale og etiske aspekter af dataindsamling, opbevaring, brug og genbrug. Kurset sigter både mod at give konkret viden om digitale initiativer, konkrete datainfrastrukturer, og centrale aktører med betydning for digitalisering og dataanvendelse, samt at øge den digitale dannelse gennem øget bevidsthed om, hvad data er, hvad man kan forstå ved kunstig intelligens, samt de organisatoriske og politiske kontekster for dataintensivering, som man skal have kendskab til for at blive en refleksiv praktiker eller forsker. Samlet set er kurset rettet mod det, som også kaldes digital dannelse.
Data and Digitalization
Kandidatuddannelsen i folkesundhedsvidenskab - obligatorisk
Kandidatuddannelsen i folkesundhedsvidenskab (for studerende på 2009 studieordning) - valgfag
Kandidatuddannelsen i Sundhed og informatik- valgfag
Efter endt kursus forventes den studerende at kunne:
Viden:
- Redegøre for vigtige datakilder, datainfrastrukturer og databrugere i det danske sundhedsvæsen, herunder den danske registerinfrastruktur
- Redegøre for udvalgte internationale initiativer på dataområdet
- Redegøre for centrale aktører der arbejder med at skabe og vedligeholde datainfrastrukturer
- Beskrive centrale formål med dataindsamling i deres politiske kontekst
- Beskrive forskelle på udvalgte typer af kunstig intelligens
- Kende til forskellige epistemologiske, politiske, sociale og etiske aspekter af databrug og genbrug
- Kende til juridiske rammer for databrug og genbrug
- Kende til videnskabsteoretiske og samfundsvidenskabelige tilgange til studiet af data og digitalisering
Færdigheder:
- Vurdere hvilke aktører, der kan have relevante data til forskellige formål
- Vurdere betydningen af infrastrukturer, aktører, dokumentationspraksisser, og formål for datas validitet i relation til forskellige formål
- Vurdere hvordan sociale, politiske, økonomiske og teknologiske faktorer påvirker datatilgængelighed og -validitet, samt deres egnethed som træningsdata for kunstig intelligens
- Vurdere hvornår det er nødvendigt at søge juridisk hjælp for at afklare regler
- Identificere mulige effekter og etiske dimensioner af sociale, politiske, økonomiske og teknologiske dynamikker ved datagenbrug
Kompetencer:
- Kunne identificere og vurdere relevante datakilder til udvalgte formål
- Kunne se fordele, ulemper og mulige fejlkilder ved forskellige analysemetoder til givne formål, herunder også at fungere som træningsdata for kunstig intelligens
- Kunne identificere relevante politiske og organisatoriske interesser i en given databrug og deres eventuelle betydning for datavaliditet
- Kunne identificere relevante etiske og juridiske spørgsmål i relation til databrug og -genbrug
- Kunne tage ansvar for brugbare dataanalyser og indgå som en refleksiv samarbejdspartner i et dataintensivt sundhedsvæsen
Forelæsninger og holdtimer med øvelser supplerede med e-læring
Kompendium suppleres med online materiale, en bog der stilles til rådighed digitalt eller kan købes fysisk, samt en udflugt til en myndighed
Kurset udbydes ikke til eksterne studerende
- ECTS
- 5 ECTS
- Prøveform
-
Skriftlig afleveringMundtlig prøve
- Prøveformsdetaljer
- En synopsisekamen, hvor man afleverer én side som baggrund for sin mundtlige eksamen
- Hjælpemidler
- Kun visse hjælpemidler tilladt (se beskrivelse nedenfor)
Alle hjælpemidler tilladt til udarbejdelse af synopsis.
Det er den studerendes ansvar at sikre eksamenstekstens rigtighed, integritet og originalitet inklusiv at sikre at teksten ikke er faktuel forkert, plagieret eller indeholder materiale der er underlagt copyright. AI/LLM må ikke anvendes som forfatter eller videnskabelig kilde jf. Vancouver Guidelines.
Du skal anvende KU’s skabelon til deklaration af din anvendelse af gAI i din opgaveløsning.
Til den mundtlige eksamen kan den studerende medbringe sin synopsis samt noter på papir, men ikke elektroniske værktøjer.
- Bedømmelsesform
- 7-trins skala
- Censurform
- Ekstern censur
- Eksamensperiode
- Reeksamen
-
Samme eksamensform som ordinær eksamen.
Ved sygdom til den mundtlige eksamen afleverer den studerende den samme opgave som til ordinær eksamen.
Hvis den studerende ikke består den samlede eksamen, skal den studerende aflevere en ny opgave inden deltagelse i den mundtlige reeksamen.
Kriterier for bedømmelse
Efter endt kursus forventes den studerende at kunne:
Viden:
- Redegøre for vigtige datakilder, datainfrastrukturer og databrugere i det danske sundhedsvæsen, herunder den danske registerinfrastruktur
- Redegøre for udvalgte internationale initiativer på dataområdet
- Redegøre for centrale aktører der arbejder med at skabe og vedligeholde datainfrastrukturer
- Beskrive centrale formål med dataindsamling i deres politiske kontekst
- Beskrive forskelle på udvalgte typer af kunstig intelligens
- Kende til forskellige epistemologiske, politiske, sociale og etiske aspekter af databrug og genbrug
- Kende til juridiske rammer for databrug og genbrug
- Kende til videnskabsteoretiske og samfundsvidenskabelige tilgange til studiet af data og digitalisering
Færdigheder:
- Vurdere hvilke aktører, der kan have relevante data til forskellige formål
- Vurdere betydningen af infrastrukturer, aktører, dokumentationspraksisser, og formål for datas validitet i relation til forskellige formål
- Vurdere hvordan sociale, politiske, økonomiske og teknologiske faktorer påvirker datatilgængelighed og -validitet, samt deres egnethed som træningsdata for kunstig intelligens
- Vurdere hvornår det er nødvendigt at søge juridisk hjælp for at afklare regler
- Identificere mulige effekter og etiske dimensioner af sociale, politiske, økonomiske og teknologiske dynamikker ved datagenbrug
Kompetencer:
- Kunne identificere og vurdere relevante datakilder til udvalgte formål
- Kunne se fordele, ulemper og mulige fejlkilder ved forskellige analysemetoder til givne formål, herunder også at fungere som træningsdata for kunstig intelligens
- Kunne identificere relevante politiske og organisatoriske interesser i en given databrug og deres eventuelle betydning for datavaliditet
- Kunne identificere relevante etiske og juridiske spørgsmål i relation til databrug og -genbrug
- Kunne tage ansvar for brugbare dataanalyser og indgå som en refleksiv samarbejdspartner i et dataintensivt sundhedsvæsen
- Kategori
- Timer
- Forelæsninger
- 10
- Holdundervisning
- 20
- Forberedelse (anslået)
- 86
- E-læring
- 10
- Ekskursioner
- 5
- Eksamen
- 10
- Total
- 141
Kursusinformation
- Undervisningssprog
- Dansk
- Kursusnummer
- SFOK23004U
- ECTS
- 5 ECTS
- Niveau
- Kandidat
- Varighed
-
1 semester
- Placering
- Efterår
- Skemagruppe
-
Se skemaet i Syllabus
- Kapacitet
- 78 studerende
- Studienævn
- Studienævnet for Folkesundhedsvidenskab, Global Sundhed og Sundhed & Informatik
Udbydende institut
- Institut for Folkesundhedsvidenskab
Udbydende fakultet
- Det Sundhedsvidenskabelige Fakultet
Kursusansvarlig
- Klaus Lindgaard Høyer (4-6e6f6b724376787167316e7831676e)
Underviser
Gæsteforelæsere indgår
Er du BA- eller KA-studerende?
Kursusinformation for indskrevne studerende