NNDB21000U Videnskabsteori for datalogi-økonomi (Vt-DatØk)
Philosophy of Computer Science Economics (Vt-DatØk)
Bacheloruddannelsen i datalogi-økonomi
Kurset består af tre hovedelementer:
- Generel videnskabsteori
- Videnskabsetik og -politik
- Emner fra datalogiens og økonomiens videnskabsteori og filosofi
Under 1) vil vi med udgangspunkt i datalogi- og økonomifagene undersøge og analysere de metoder, man i natur- og samfundsvidenskaben benytter til at generere ny viden. Vi vil herunder overveje, om man kan man karakterisere datalogi som matematik, naturvidenskab, ingeniørvidenskab, eller noget helt fjerde, og vi vil diskutere om økonomifaget bedst kan opfattes som en formel eller en empirisk disciplin. Vi vil diskutere den erkendelsesmæssige status af videnskabelig viden med et særligt fokus på matematiske og økonomiske modeller, og vi vil diskutere forbindelsen mellem videnskabelig viden og 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 datalogi-økonomers professionelle ansvar, samt hvad det vil sige at bedrive og anvende videnskab på en moralsk forsvarlig og forskningsmæssig redelig vis, specielt med fokus på brugen af matematiske og økonomiske modeller.
Under 3) vil vi undersøge og diskutere, hvad der karakteriserer datalogi og økonomi som uddannelse og profession, hvordan de to fag metodemæssigt forholder sig til hinanden og til tilgrænsende fag, den rolle som computeren spiller for fagene, den rolle som modellering og beregninger spiller for samfundsrelevante forudsigelser, hvordan akademisk virke er organiseret og professionaliseret inden for udvikling af IT og i finansindustrien, og hvilken rolle datalogien og økonomi som fag spiller i det offentlige rum.
Kompetencer
Ved kursets afslutning forventes den studerende at kunne:
- Reflektere kritisk over datalogien og økonomiens metoder, særlige natur og erkendelsesmæssige status.
- Udvise faglig selvforståelse og se datalogi og økonomi i forhold til tilgrænsende fagfelter/discipliner.
- Diskutere forskellige opfattelser af hvad videnskab er gennem hele spektret fra grundforskning over anvendelsesorienteret og strategisk forskning til innovation.
- Analysere, diskutere og forholde sig kritisk reflekteret til datalogien og økonomiens rolle i samfundet.
- Analysere, diskutere og forholde sig kritisk reflekteret til etiske og videnskabsteoretiske problemer i relation til datalogisk og økonomisk praksis og brugen af datalogi og økonomi.
Færdigheder
Ved kursets afslutning forventes den studerende at kunne:
- Identificere etiske og samfundsmæssige problemstillinger i relation til datalogi og økonomi.
- Identificere metodologiske og erkendelsesteoretiske problemer i relation til datalogi og økonomi.
- Identificere overtrædelser af god videnskabelig praksis i relation til datalogi og økonomi.
- Udarbejde et skriftligt akademisk produkt. Herunder skal den studerende kunne henvise korrekt til anvendt litteratur og på egen hånd udvælge relevant pensum.
Viden
Ved kursets afslutning forventes den studerende at kunne:
- Beskrive udvalgte etiske teorier af relevans for kritisk refleksion over datalogiske og økonomiske modeller, herunder nytteetik og pligtetik.
- Beskrive udvalgte, centrale videnskabsteoretiske begreber og problemer af relevans for kritisk refleksion over datalogi, økonomi og tilgrænsende vidensområder, herunder videnskabelig metode, videnskabelig usikkerhed, falsifikationisme, paradigme samt matematiske og økonomiske modeller.
- Beskrive datalogien og økonomiens samfundsmæssige rolle og betydning samt træk af datalogien og økonomiens historiske/institutionelle baggrund.
- Beskrive videnskabelige processer i datalogi og økonomi gennem hele spektret fra grundforskning over anvendelsesorienteret og strategisk forskning til innovation.
- Beskrive normer for god videnskabelig praksis både generelt og i forhold til datalog og økonomi.
Undervisningen tager udgangspunkt i et notesæt og et kompendium af tekster. Både notesæt og tekster vil blive gjort tilgængelige på Absalon, når kurset oprettes.
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.
- Kategori
- Timer
- Forelæsninger
- 28
- Forberedelse (anslået)
- 100
- Øvelser
- 23
- Projektarbejde
- 38
- Eksamen
- 17
- I alt
- 206
Der gives mundtlig feedback på mundtlige fremlæggelser. Der gives kort individuel og samlet overordnet feedback på de to stillede afleveringsopgaver.
Som meritstuderende - klik her!
Som enkeltfags-studerende (efter- og videreuddannelse) - klik
her!
- Point
- 7,5 ECTS
- Prøveform
- Skriftlig stedprøve, 60 minutter med opsyn.Andet, 48 timer
- Prøveformsdetaljer
- Skriftlig multiple-choice (60 min.) og 2-døgns (48 timer)
take-home besvarelse af bunden opgave.
Besvarelsen af take-home opgaven skal bestå af en videopræsentation (max. 10 minutter), afleveret som en .mp4 fil, og et sæt slides (max 5 slides), afleveret som en .pdf-fil.
Karakteren fastsættes ved en helhedsvurdering af multiple-choice og take-home prøverne. - 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.
Der gives ikke vægt til hhv. hjemmeprøve og stedprøve; der gives i stedet en samlet vurdering.
Kursusinformation
- Sprog
- Dansk
- Kursuskode
- NNDB21000U
- Point
- 7,5 ECTS
- Niveau
- Bachelor
- Varighed
- 1 blok
- Placering
- Blok 3
- Skemagruppe
- A (tirs 8-12 + tors 8-17)
- Kursuskapacitet
- 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
Udbydende fakultet
- Det Natur- og Biovidenskabelige Fakultet
Kursusansvarlige
- Mikkel Willum Johansen (3-707a6d436c7167316e7831676e)
- Henrik Kragh Sørensen (12-6c6972766d6f326f76656b6c446d7268326f7932686f)