PAKH6100 Programming and algorithmic thinking in arts and crafts Course description

Emnet gir en introduksjon til programmering og algoritmisk tenkning i kunst og håndverk. Det har som mål å gi en bredere forståelse for hva programmering og algoritmisk tenkning kan være i faget og hvordan en kan bruke det i egen undervisning. Det legges opp til bruk av blokkprogrammering, som Scratch og eventuelt micro:bit, og muligheter for videre utforsking;med programmeringsspråket Processing. Emnet legger vekt på fagdidaktiske problemstillinger og hvordan knytte det opp til læreplaner med utprøving og refleksjon. Det retter seg mot lærere i grunnskolen og undervisning i ulike fag.

The following coursework requirements must be approved to be eligible for assessment/exam:

Two out of three group assignments where

• each group shall consist of 1 to 4 students.
• each group assignment is submitted as a report of 8-15 pages.
• each assignment can be resubmitted once if it is not approved.

The purpose of the coursework is for students to gain practical experience with project work and to combine several of the learning outcomes in the process.

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

;

Kunnskap;

Studenten;

• har kunnskap om;ulike metoder for;utforsking og;idéutvikling;;
• har grunnleggende kunnskap;om;programmering og;algoritmisk tenkning;;
• kan oppdatere sin kunnskap;i arbeid med læreplaner;og;programmering;i skolen;;

Ferdigheter

Studenten;

• kan utvikle, bearbeide og;dokumentere;idéer;
• kan anvende egnede digitale;verktøy;til utprøvinger;av;teknikker og uttrykksformer;innen programmering;

• kan planlegge og utvikle digitalt undervisningsmateriell;

;

Generell kompetanse;;

Studenten;

• har bevissthet om personvern;og;opphavsrett;i tilknytning til digitale produkter;

• har;forståelse for;bruk og utprøving av;digital;programvare;for programmering;i skolen;
• har videreutviklet;fagdidaktisk;kompetanse og kan tilrettelegge for undervisning innen programmering og algoritmisk tenkning;

Det vil bli gitt undervisning og veiledning i sentrale deler av fagområdet.;Praktisk- og teoretisk arbeid er nært knyttet sammen i;studiet. Det forutsettes stor grad av aktiv deltakelse i undervisningen. I;studiet;benyttes undervisningsformer som forelesninger, seminarer, veiledning og faglige debatter. Hensikten er å utvikle studentens kunnskaper, idéer, praktiske ferdigheter, faglige- forståelse og uttrykksevne.;Studentene skal arbeide med å analysere, vurdere, formulere og reflektere over faglige og metodiske problemstillinger, samt lede samtaler og holde egne innlegg.;

Studiet gjennomføres på deltid;der undervisningen er;lagt opp med;en;fysisk samling.;;Studiet omfatter om;lag;120;arbeidstimer for;studenten. Av disse er omtrent;25;timer undervisning og veiledning med lærere på samling.;De øvrige timer vil være arbeid individuelt og;eventuelt i;grupper.;

Obligatorisk aktivitet må være godkjent innen fastsatt frist for at studenten skal kunne fremstille seg til eksamen.;;

Obligatorisk tilstedeværelse i undervisningen: Studenten kan ikke ha mer enn 20 % fravær i undervisnings- og veiledningssituasjoner der det er krav om tilstedeværelse og aktiv deltakelse:;

• faglige innføringer og demonstrasjoner;

• felles faglige drøftinger og vurderinger underveis;;
• gjennomføring av praktiske oppgaver;;
• gruppe- og/eller;prosjektarbeid;

The course covers approximations and numerical methods that are central to analyzing, computing, and simulating mathematical models. Through implementation on a computer, students will learn to perform systematic numerical experiments. Examples and tasks are drawn from natural sciences, engineering, and economics. The topics addressed are intended to prepare and motivate students for further studies in applied and computational mathematics.

None.

After completing the course, the student is expected to have achieved the following learning outcomes defined in terms of knowledge, skills and general competence.

Knowledge

The student can:

• explain methods for the numerical solution of nonlinear algebraic equations and differential equations.
• explain how and in which cases functions can be approximated with polynomials and trigonometric functions.
• explain standard methods and the use of stochastic simulations for estimating definite integrals.
• explain the fundamental properties of stochastic processes and Markov chain models.
• explain how the numerical methods can be implemented in Python.

Skills

The student can:

• use and implement methods for the numerical solution of equations, as well as analyze deviations.
• use and implement methods for numerical integration.
• approximate functions using Taylor polynomials to analyze deviations in numerical integrators.
• use and implement methods for the numerical solution of initial value problems.
• use and implement Markov chain models.
• implement numerical methods using Python programming.

General competence

The student can:

• read and understand texts and participate in discussions regarding modeling, computation, and implementation.
• assess the accuracy of numerical estimates and choose appropriate parameters to ensure the estimates are accurate enough.
• interpret and evaluate the results of numerical calculations.
• assess which algorithms should be used in different cases.

Lectures and exercise sessions with extensive use of software and computer coding. The exercises combine the use of pencil and paper with computational tools under the guidance of the instructor and/or student assistant.