BAPD2310 Estetikk, kultur og bærekraft i kritiske perspektiver Emneplan

Emnet handler om å se designutøvelsen i et kulturelt og samfunnsmessig perspektiv. Hovedvekten legges på skriftlig analyse, diskusjon og argumentasjon. Emnet skal gi kunnskap om sammenhengen mellom kultur og bærekraft, og om betydningen av estetikk i denne forbindelsen. Innholdet i begrepene kultur, estetikk og bærekraft, og forbindelsen mellom dem, vil bli presentert og diskutert. Etiske aspekter vil også bli diskutert.

Emnet skal fremme evnen til kritisk refleksjon og til skriftlig analyse og argumentasjon, og derved evnen til å delta i en faglig diskurs.

The course has 5 ECTS of overlapping content towards "Neuro-insights: Data Science Approaches in Neuroscience II (STKD6810)

After completing this course the student should have the following learning outcomes:

Knowledge

On successful completion of this course, the student has knowledge of:

• Theoretical and practical aspects of data management and data processing for different data types (electrophysiology, imaging, and behavior), so they can independently engage with the state-of-the art literature.
• How statistics, dimensionality reduction, signal processing, calculus, and supervised and unsupervised learning may be applied to data analysis in neuroscience research.
• Commonly encountered problems in data science and the most trusted strategies to solve them.
• Basic data visualization techniques and how to employ them in exploratory data analysis and scientific communication.

Skills

On successful completion of this course, the student has the ability to:

• Apply data analysis techniques to formulate a hypothesis, collect data, preprocess it, analyze it, and reach conclusions about the data.
• Identify and define a problem using data analytics.
• Critically assess the results.
• Identify new opportunities for organizational change including process improvements, cost reduction, or efficiency improvements.

General competence

On successful completion of this course, the student can apply:

• Data analysis principles to simple neuroscientific data.
• Methods and tools for data analysis and visualization.
• Heuristics and strategies commonly used in the research field to solve data analysis problems.

Etter gjennomført emne har studenten følgende læringsutbytte, definert i kunnskap, ferdigheter og generell kompetanse.

Kunnskap

Studenten skal

·       kunne analysere sammenhengen mellom kultur og bærekraft i teoretisk og samfunnsmessig sammenheng

·       diskutere og argumentere i akademiske og andre profesjonelle sammenhenger

·       ha kunnskap om og vise empati overfor ulike kulturelle paradigmer

·       ha kunnskap om estetikk som virkemiddel i ulike kulturelle kontekster

·       ha kunnskap om og innsikt i sammenhengen mellom teoretiske perspektiver og praktisk designarbeid

Ferdigheter

Studenten skal kunne

·       forholde seg til og diskutere ulike faglige standpunkter

·       forstå betydningen av estetiske virkemidler

·       beherske skriftlig fremstilling og argumentasjon som fyller faglige og akademiske krav

Generell kompetanse

Studenten skal

• ·       kunne utveksle synspunkter og erfaringer med ulike akademiske og faglige miljøer

·       kunne reflektere over og vurdere eget faglig, estetisk og etisk ståsted

·       kunne reflektere over egen utvikling i læreprosessen og justere denne under veiledning

Forelesninger og workshops

Litteraturstudier

Individuelt arbeid og gruppearbeid

Veiledning i grupper og individuelt

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

• Besvare en skriftlig oppgave med vekt på kritisk refleksjon og faglig argumentasjon
• Refleksjonsnotat

Only personal notes written in non-digital media will be allowed during the oral exam.

The final assessment will be graded on a grading scale from A to E (A is the highest grade and E the lowest) and F for fail.

Two examiners will be used, one of which can be external. External examiner is used regularly.

This course is recommended for PhD and Master Students that are involved in neuroscience research projects. It is an advantage if the student has knowledge in algebra, linear algebra, statistics, calculus, neurophysiology, and any programming language, especially Python.

BAPD2210 (20 stp.) overlapper 10 stp. med emnet BAPD2200 (10 stp.).