ØABED4700 Strategic Risk Management Course description

Hovedtemaet for kurset er å forstå de viktigste risikoer bedrifter i forskjellige bransjer møter og å vurdere hvordan disse bør modelleres. Kurset vil skille seg fra andre kurs i risikostyring ved at de statistiske verktøyene som anvendes holdes på et relativt enkelt nivå. Til gjengjeld legges det mer fokus på praktiske anvendelser.

Kunnskaper

Etter gjennomført emne skal studenten ha kunnskap om:

• sosialpedagogiske tiltak og metoder i barneverninstitusjoner, samt det rettslige og yrkesetiske regelverket som er styrende for arbeidet
• sosial- og spesialpedagogiske tiltak og metoder for barn og unge med spesielle behov i skole og barnehage, og barnas rett til ytelser etter barnehageloven og opplæringsloven.
• ulike tiltak rettet mot barn og unge med alvorlige sosiale vansker, herunder rettsreglene om tvangstiltak i barneverninstitusjoner, fengsel og i konfliktråd (ungdomsstraff).
• relasjonelle og omsorgsmessige forutsetninger som er nødvendige for å sikre barn og unges fysiske og psykiske helse
• ulike risikofaktorer og beskyttelsesfaktorer for barn og unge med sosiale og emosjonelle vansker
• ulike perspektiv på institusjoner som fenomen, og hvordan strukturelle forhold innvirker på individer
• Ulike perspektiver på ungdomskriminalitet og avvik
• hvordan ulike aktiviteter bidrar til utsatte barn og unges utvikling og endring
• regelverket for barn og unge i psykiatriske institusjoner.
• ulike etaters ansvarsområde som grunnlag for samarbeid
• etiske fordringer i arbeidet med barn og unge i ulike institusjoner
• vitenskapsteori og kunnskapsgrunnlaget som ulike metoder i barnevernspedagogens praksisfelt bygger på

Ferdigheter

Studenten skal:

• planlegge, tilrettelegge og evaluere sosialpedagogisk og miljøterapeutisk arbeid i barneverninstitusjoner
• planlegge, tilrettelegge og evaluere sosialpedagogisk arbeid i skole og barnehage
• vurdere barn og unges psykiske vansker i sammenheng med konkrete samspills- og livserfaringer
• reflektere over etiske dilemmaer som oppstår i arbeidet med barn og unge i ulike institusjoner
• anvende aktiviteter i sosialpedagogisk arbeid med utsatte barn og unge og reflektere over egen faglige utøvelse
• kunne samarbeide med andre relevante etater og profesjoner, innenfor reglene om taushetsplikt
• ivareta barns rettigheter i institusjoner og forholde seg til de rettslige grensene for tvangsinngrep og maktutøvelse i henhold til legalitetsprinsippet og proporsjonalitetsprinsippet
• reflektere over særlige utsatte barns rettsvern

Generell kompetanse

Studenten:

• er i stand til å utøve sosialpedagogisk arbeid i ulike institusjoner gjennom anvendelse av kunnskap fra ulike faglige disipliner og perspektiv
• har forståelse av egen rolle som barnevernspedagog i et tverrfaglig perspektiv på barn og unges psykiske og sosiale vansker

Ingen forkunnskapskrav.

Studenten skal etter å ha fullført emnet ha følgende totale læringsutbytte definert i kunnskaper, ferdigheter og generell kompetanse:

Kunnskap

Studentene skal

• Forstå risikotaking som en strategisk aktivitet for bedrifter, både for finansinstitusjoner og andre bedrifter
• Forstå hva en enkel VaR-modell er, hvordan den bygges opp og hvordan den kalibreres
• Kjenne til ulike statistiske teknikker for å raffinere modellen
• Forstå hvordan VaR-modeller kan bygges opp og anvendes i ulike bransjer
• Kjenne til fordeler og ulemper ved ulike teknikker for å redusere risiko

Ferdigheter

Studentene skal kunne

• Lage risikomodeller for anvendelser i forskjellige bransjer
• Kalibrere modeller til å passe til forskjellige markeder og markedsbilder
• Bruke risikomodeller som støtte for å ta strategiske beslutninger for bedrifter
• Anvende risikomodeller under tidspress og gi konkrete råd basert på disse

For at studentene skal oppøve analytisk trening, er det behov for mye praktisk øvelse. Lærestoffet presenteres gjennom ordinære forelesninger, gjesteforelesninger, gruppearbeid og diskusjoner i forbindelse med case-oppgaver. Det brukes følgende dataverktøy: Excel, programmering i R eller Visual Basic, Powerpoint eller andre presentasjonsverktøy.

For å kunne framstille seg til eksamen må studenten ha følgende godkjente arbeidskrav:

Individuell hjemmeoppgave (hovedsakelig basert på programmering og bruk av regneark). Dersom oppgaven ikke blir godkjent, gis det anledning til å levere ny eller forbedret versjon én gang. Faglærer gir nærmere beskjed om frister.

Mappeevaluering bestående av:

Tre case-oppgaver som løses i grupper (teller 60 prosent av karakteren) og en todagers simuleringsøvelse i grupper der studentene evalueres på muntlige presentasjoner underveis og innlevert materiale (teller 40 prosent av karakteren).

Alle elementer må bestås for å bestå emnet. Ved karakter F på en av case-oppgavene gis det anledning til å levere denne delen på nytt for ny bedømmelse til ny/utsatt eksamen. Dersom studenten er syk, gis det anledning til å ta den/de aktuelle case-oppgavene ved ny/utsatt eksamen. Dersom simuleringsøvelsen ikke bestås eller studenten er syk på denne, gis det anledning til å levere en skriftlig rapport basert på samme case ved ny/utsatt eksamen. Studenter som skal ta opp eksamen etter ny/utsatt eksamen, må ta hele mappen på nytt.

Alle hjelpemidler er tillatt så lenge regler for kildehenvisning følges.

Emnet handler om utsatte barns og unges hverdagsliv i ulike institusjoner, med hovedvekt på arbeidet i barneverninstitusjoner. Emnet viser hvordan barnevernspedagogen kan ta i bruk kunnskap fra ulike fagdisipliner som juss, psykologi, sosiologi, og pedagogikk å kunne hjelpe barnet gjennom miljøterapeutisk og sosialpedagogisk arbeid. Emnet tar også opp ulike perspektiver på barn og unges psykisk og fysiske helse, og hvordan vanskelige omsorgssituasjoner kan påvirke barn og unges psykologiske utvikling. Studentene velger et aktivitetsfag som en tilnærming i arbeidet med barna/ungdommene i ulike institusjoner.

In today's fast-paced energy industry, predictive maintenance plays a crucial role in ensuring the reliability and efficiency of energy systems. This course is designed to equip students with advanced knowledge and skills in applying probabilistic machine learning techniques to optimize maintenance strategies for energy systems.

The course features a structured progression, starting with foundational concepts in systems engineering and energy systems, transitioning to maintenance engineering, and advancing to probabilistic machine learning techniques such as Gaussian processes, hidden Markov models, probabilistic graphical models, and deep belief networks. Real-world case studies provide hands-on experience, enabling doctoral students to bridge theoretical knowledge with practical applications in predictive maintenance.