NNDB19000U Datalogiens videnskabsteori (VtDat)
Philosophy of Computer Science (VtDat)
Bacheloruddannelsen i datalogi
Bacheloruddannelsen i Machine Learning og datavidenskab
Kurset består af tre hovedelementer:
- 1. Generel videnskabsteori
- 2. Videnskabsetik og politik
- 3. 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 datalogi-videnskabelig viden og forholdene mellem viden og innovation.
Desuden vil vi under 2) diskutere, hvordan videnskabelig viden står i relation til ydre samfundsforhold af etisk og social karakter. Vi vil derfor introducere grundlæggende etiske teorier og diskutere datalogers 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, den rolle som 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.
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.
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 skriftlige afleveringer.
S om meritstuderende - klik her!
Som enkeltfags-studerende (efter- og videreuddannelse) - klik
her!
- Point
- 7,5 ECTS
- Prøveform
- Skriftlig stedprøve, 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.
Den skriftlige stedprøve er en 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
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. hjmmeprøve og stedprøve; der gives i stedet en samlet vurdering.
Kursusinformation
- Sprog
- Dansk
- Kursuskode
- NNDB19000U
- Point
- 7,5 ECTS
- Niveau
- Bachelor
- Varighed
- 1 blok
- Placering
- Blok 4
- Skemagruppe
- B
- Kursuskapacitet
- Ingen begrænsning – medmindre du tilmelder dig i eftertilmeldingsperioden (BA og KA) eller som merit- eller enkeltfagsstuderende.
Studienævn
- Studienævn for Matematik og Datalogi
Udbydende institutter
- Institut for Naturfagenes Didaktik
- Datalogisk Institut
Udbydende fakultet
- Det Natur- og Biovidenskabelige Fakultet
Kursusansvarlige
- Henrik Kragh Sørensen (henrik.kragh@ind.ku.dk)
- Mikkel Willum Johansen (mwj@ind.ku.dk)