Programplaner og emneplaner - Student
MASY4050 Theory of Science, Methods for Research and Quality Improvement Course description
- Course name in Norwegian
- Vitenskapsteori, forskningsmetode og kvalitetsarbeid
- Study programme
-
Master's Programme in Advanced Practice Nursing to Acute and Critically Ill Patients - Emergency NursingMaster's Programme in Advanced Practice Nursing to Acute and Critically Ill Patients - Anaesthesia NursingMaster's Programme in Advanced Practice Nursing to Acute and Critically Ill Patients - Paediatric NursingMaster's Programme in Advanced Practice Nursing to Acute and Critically Ill Patients - Intensive Care NursingMaster's Programme in Advanced Practice Nursing to Acute and Critically Ill Patients - Operating Theatre Nursing
- Weight
- 15.0 ECTS
- Year of study
- 2023/2024
- Curriculum
-
SPRING 2024
- Schedule
- Programme description
-
- Course history
-
Introduction
Students who complete the course are expected to have the following learning outcomes, defined in terms of knowledge, skills and general competence:
Knowledge
On successful completion of the course, the student has:
- an in-depth understanding of machine learning in its main forms: supervised, unsupervised, and reinforcement learning, both theoretical and applied, to solve real- lifeproblems.
- knowledge and understanding of the main concepts of deep learning.
- knowledge and understanding of some major concepts in artificial intelligence, including: complex systems (network models, cellular automata, and agent-based models) and evolutionary computing.
Skills
On successful completion of the course, the student can:
- apply techniques from machine learning to real-life problems.
- analyse data sets with the aid of machine learning algorithms.
General competence
On successful completion of the course, the student can:
- use libraries for programming deep learning algorithms such as TensorFlow.
- deploy models to relevant real-life problems.
- solve computational problem using evolutionary computing.
Required preliminary courses
Each module will be taught in a series of lectures. At the end of each module, the students will be assigned a small project to be submitted within a given deadline.
Learning outcomes
Etter gjennomført emne har studenten følgende læringsutbytte, definert i kunnskap, ferdigheter og generell kompetanse:
Kunnskap
Studenten
- kan drøfte de mest anvendte metodene i kvalitativ og kvantitativ forskningstilnærming
- kan gjøre rede for og drøfte vitenskapsteoretiske perspektiver, forskningsmetoder, ulike trinn i forskningsprosessen og forskningsetikk som er relevant for spesialsykepleie
- kan gjøre rede for og bidra i metoder for systematisk kvalitetsarbeid for å forbedre helsetjenesten og forutsetninger for vellykkede endringsprosesser
Ferdigheter
Studenten
- kan analysere og forholde seg kritisk til ulike informasjonskilder, og anvende disse til å strukturere og formulere faglige resonnementer for å løse kliniske og teoretiske problemstillinger
- kan bruke metoder for å planlegge et avgrenset forsknings- eller kvalitetsarbeid ved bruk av relevante teorier og metoder i tråd med forskningsetiske normer
- kan analysere og tolke kvantitative data, som deskriptiv statistikk, tabeller og figurer
- kan analysere og tolke kvalitative data, som ulike former for tekstmateriale
- kan identifisere og belyse brukermedvirkningens betydning i forskningen
- kan identifisere og belyse forskningsetiske problemstillinger
- kan identifisere faglige problemstillinger og avklare behov for forskning og kvalitetsarbeid
- kan bruke relevant forbedringsmetoder i klinisk praksis
- kan analysere og forholde seg kritisk til utvikling, nytenkning og innovasjon
Generell kompetanse
Studenten
- kan analysere og formidle forskningsbasert kunnskap i møte med pasient, pårørende, helsepersonell og allmennheten
- kan analysere og forholde seg kritisk til kunnskapsbasert praksis og medvirke til utvikling av tjenesten
- kan bidra til kvalitetsarbeid, nytenkning og i innovasjonsprosesser i klinisk praksis
- kan anvende og formidle fagkunnskap, relevant bruk av pasientsikkerhetsteori og forbedringsmetodikk for å forebygge pasientskader faglig forsvarlig utøvelse av spesialsykepleie
Teaching and learning methods
Oral examination, individual.
The exam cannot be appealed.
Course requirements
The following required coursework must be approved before the student can take the exam:
- 2 individual written assignments submitted digitally, each with a maximum length of 6000 characters, including spaces. References are to be included in the 6000 characters.
Assessment
Pass or fail.
Permitted exam materials and equipment
Authorized materials: Norwegian-English dictionary
Grading scale
Essay assignments: All answers are assessed by one examiner.
An external examiner is used regularly, at a minimum of every third completion of the course. When selecting answers for external evaluation, a minimum of 10 percent of the answers shall be included, with no fewer than 5 answers. The external examiner’s assessment of the selected answers shall benefit all students.
Multiple choice/digital test: quality assured by an examiner and automatically assessed.
Examiners
The course is structured in five modules:
- Module 1: Unsupervised Data Mining
- Module 2: Supervised Machine Learning
- Module 3: Reinforcement Learning
- Module 4: Artificial Neural Network and Deep Learning
- Module 5: Major Concepts in Artificial Intelligence, including: complex systems (networks, cellular automata, and agent-based models) and evolutionary computing
Overlapping courses
10 studiepoeng overlappende med MAABI4050, MASYK4050, MASYD4050, MAPO4050, MAPSD4050, ABIO6050, KREFT6050, KARD6050, PSY6050, VPSYD6050, PSYD6050, HEL6050, BIT6000, MAVIT4050. Alle med navn Vitenskapsteori og forskningsmetode, 10 stp.