VBINF6000 Entity-oriented metadata Course description

Emnet omhandler modeller, format og praksiser for metadata og ontologier med fokus på moderne entitetsorienterte modeller og bruk av semantisk web som underliggende rammeverk og plattform for skapning og deling av data. Emnet er praktisk orientert og studentene må påregne å bruke normert tid tilsvarende 1/3 av et fulltidsstudium.

Undervisningsspråk er norsk.

Ingen formelle krav til tidligere utdanning, men emnet baserer seg på at studentene har grunnleggende kunnskap om katalogisering og formater for bibliografiske beskrivelser (primært MARC).

Ingen forkunnskapskrav.

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

Kunnskaper

Studenten

• har god kunnskap om moderne entitetsorienterte bibliografiske modeller
• har god kunnskap om prinsipper og formater for semantisk web / lenkede data
• har god kunnskap om identifikatorer og autoritetstjenester for global identifisering av entiteter
• har god kunnskap om vokabularer og tjenester relevant for entitetsorienterte beskrivelser innen bibliotek
• har god kunnskap om metadatakvalitet i kontekst av global informasjonsdeling og gjenbruk

Ferdigheter

Studenten

• har grunnleggende ferdigheter i utforming og koding av entitetsorienterte metadata
• har grunnleggende ferdigheter i å vurdere og evaluere kvalitet av entititetsorienterte data

Generell kompetanse

Studenten

• har god kompetanse i bruk av digitale verktøy, teknologi og tjenester
• har god erfaring i samarbeid, arbeidsdeling, prosjektarbeid
• har evne til å formidle og diskutere faglige problemstillinger

Emnet er prosjektbasert, og studentene får kunnskap og ferdigheter ved å jobbe i grupper med et gjennomgående prosjekt hvor en samling bibliografiske poster berikes og videreutvikles til entitetsorientert data som skal kvalitetssikres og analyseres ved hjelp av visualiseringer og utprøving av data i et søkesystem. Arbeidsformene veksler mellom nettbaserte seminarer med forelesninger, diskusjoner og  veiledning og selvstendig arbeid med utvikling av samlingen.

Etter å ha gjennomført dette emnet har studenten følgende læringsutbytte, definert som kunnskap, ferdigheter og generell kompetanse. Studentene skal:  

Kunnskap

Studenten 

• kan forstå problemløsning ved hjelp av programmering  
• kan forstå prinsippene for objektorientert programmering  
• har overordnet kunnskap om generelle egenskaper til grunnleggende programmeringsspråk, som programflyt, løkker og valg.  
• har grunnleggende kjennskap til Python-programmering med bruk av datastrukturer, funksjoner, klasser, objekter, moduler og vektoriserte beregninger 
• kan identifisere sikkerhets-, sårbarhets-, personverns- og datasikkerhetsaspekter i produkter og systemer som anvender IKT.

Ferdigheter

Studenten kan 

• skrive oversiktlige og lesbare programmer  
• dele opp et større problem i flytdiagrammer   
• lage løsninger på mindre, virkelige problemer på en datamaskin med brukerinteraksjon, grafikk (plot, animasjoner) og lagring/lesing av data fra disk  
• konstruere, finne og rette feil i egne programmer samt være i stand til å sette seg inn i andres programmer, feilsøke og endre disse  
• utvikle enkle tester for å verifisere at dataprogrammer fungerer som de skal  

Generell kompetanse

Studenten skal  

• kunne bruke IKT verktøy til å løse relevante problemstillinger innen maskin, elektronikk og kjemiingeniørfag.  
• kjenne til grunnleggende oppbygging av relevante programmer  
• kjenne til sårbarhets og sikkerhetsaspekter ved IKT arbeid  

Forelesninger og øvinger.

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

Innlevering av 2 programmeringsprosjekter.

Individuell skriftlig eksamen under tilsyn på 3 timer  

Eksamensresultat kan påklages.

Ved eventuell ny og utsatt eksamen kan muntlig eksamen bli benyttet. Dersom muntlig eksamen benyttes kan eksamensresultatet ikke påklages.

Det benyttes intern og ekstern sensor til sensurering av besvarelsene. Et uttrekk på minst 25 % av besvarelsene sensureres av to sensorer. Karakterene på disse samsensurerte besvarelsene skal danne grunnlag for å fastsette nivå på resten av besvarelsene.