EPN-V2

DAFE1200 Web development and inclusive design Course description

Course name in Norwegian
Webutvikling og inkluderende design
Weight
10.0 ECTS
Year of study
2020/2021
Course history
  • Introduction

    Etter å ha gjennomført dette emnet har studenten følgende læringsutbytte, definert i kunnskap, ferdigheter og generell kompetanse.

    Kunnskap

    Studenten

    • innehar grunnleggende teknisk forståelse av hvordan Internett, og datanettverk virker      
    • har en oversikt over de viktigste prinsippene til -Pervasive Computing-, og -Internet of things- som omfatter blant annet -Wearable Devices-, -Context Aware Computing-, -Health Monitoring-, -Smart Houses-, -Crowdsensing-, -Smart Grids-, -Ambient Intelligence-
    • forstår de grunnleggende tekniske prinsippene bak ulike algoritmer for autonom kontroll i Internet of Things innehar en forståelse av hvordan Internet of things og Pervasive Computing påvirker sikkerhet og personvern i vårt samfunn
    • har god kjennskap til hvordan vitenskap og teknologi har utviklet seg for å muliggjøre Tingenes internett

    Ferdigheter

    Studenten

    • behersker grunnleggende konsepter og har en oversikt over algoritmer i Internett og datakommunikasjon
    • kan konseptualisere arkitekturer for -Internet of Things-, og -Pervasive Computing- baserte løsninger                                      

    Generell kompetanse

    Studenten

    • kan uforme løsninger basert på prinsippene til Internet of Things og Pervasive Computing.
  • Required preliminary courses

    Forelesninger og veiledningstimer. Studentene vil arbeide individuelt.

  • Learning outcomes

    Følgende arbeidskrav er obligatorisk og må være godkjent for å fremstille seg til eksamen:

    • 3 obligatoriske oppgaver. Hver oppgave tilsvarer 30 timer arbeid.

    Frist for innlevering av de obligatoriske arbeider og andre detaljer fremgår av undervisningsplanen som gjøres tilgjengelig ved semesterstart.

  • Teaching and learning methods

    Lectures and exercises. The students work both individually and in groups (either small-scale collaboration projects between two people or large-scale collaboration projects involving up to ten people). The course uses ‘active learning’ as an approach in which dynamic participation in simulations, games and discussions is expected. Lectures may also take the form of pre-recorded videos or streaming. Guest lectures may be given in the different parts of the course. Students who have actively participated in and carried out an assignment during the introduction week will have this approved as a compulsory assignment in this course. The student then needs to submit another six compulsory assignments (i.e. a total of seven).

  • Course requirements

    Alle trykte og skrevne hjelpemidler tillatt.

  • Assessment

    Portfolio assessment subject to the following requirements:

    • 2 group assignments (3-7 students)
      • a short problem description
      • a website (according to the requirements of the subject manager)
    • 1 individual assignment
      • peer review of group members (according to given form)

    The portfolio will be given one final grade. All parts of the portfolio must be evaluated to pass in order to pass the exam.

    The exam result can be appealed.

    In the event of resit and rescheduled exams, another exam form may also be used or a new assignment given with a new deadline. If oral exams are used, the result cannot be appealed.

  • Permitted exam materials and equipment

    En sensor. Emnet kan bli trukket ut til ekstern sensur.

  • Grading scale

    Way Kiat Bong

  • Examiners

    Bygger på datafaglige emner fra 1. semester.

  • Overlapping courses

    Emnet er ekvivalent (overlapper 10 studiepoeng) med: ITPE1200, ADTS1200, LO136A, LO136D og LO136I.

    Ved praktisering av 3-gangers regelen for oppmelding til eksamen teller forsøk brukt i ekvivalente emner.