ERGOB1200 Inkludering, tilhørighet og samfunnsdeltakelse Emneplan

Alle mennesker har rett til et aktivt hverdagsliv og å delta i samfunnet. Det er en del av samfunnsansvaret til ergoterapeuten å fremme denne retten. Dersom mennesker av ulike årsaker ikke får muligheten til å leve et aktivt og meningsfullt liv med sosial tilknytning, kan dette ha negativ påvirkning på helsen. I dette emnet jobber studentene med et prosjekt som tar sikte på å utvikle en idé til et aktivitetsbasert tiltak for å fremme inkludering og tilhørighet for en sårbar eller utsatt gruppe i samfunnet.

I tillegg skal studentene delta i det tverrfaglige undervisningsopplegget INTER1100.

INTER1100 «Den samme ungen - ulike arenaer» (1,5 studiepoeng)

INTER1100 «Den samme ungen – ulike arenaer» inngår i en større satsing ved OsloMet - storbyuniversitetet, der målet er å øke kvaliteten i profesjonsutdanninger som retter seg mot barn og unge. Gjennom INTERACT får studentene tilgang til økt forskningsbasert kunnskap om barn og unges hverdag, samtidig som de får trening i å samhandle med studenter fra andre utdanninger. Slik legger INTERACT grunnlaget for bedre samordning av samfunnets tjenester rettet mot barn og unge og deres foresatte. INTER1100 «Den samme ungen - ulike arenaer» utgjør den første modulen i INTERACT-satsingen.

INTER1100 gir en felles faglig plattform for alle involverte studenter. Den handler om å få bevissthet og kunnskap om egen og andres profesjonsutdanninger som retter seg mot barn og unges oppvekst.

Studenten må være tatt opp på studiet.

Etter gjennomført emne og INTER1100* har studenten følgende læringsutbytte definert i kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Studenten

• kan vurdere og presentere inkluderende og ekskluderende forhold som påvirker deltakelse og tilhørighet i storbyen
• kan beskrive prinsippene for brukermedvirkning og ressursorientering i lokalsamfunn
• kan gjøre rede for barn og unges oppvekstprosesser i et samfunn preget av sosialt og kulturelt mangfold*

Ferdigheter

Studenten

• kan anvende relevant lovverk i argumentasjon for likeverdige tilbud for ulike grupper i et mangfoldig samfunn
• kan anvende aktivitetsvitenskap og kunnskap om menneskerettigheter for å argumentere for menneskers rett til aktivitet og deltakelse
• kan reflektere over aktiviteters kulturelle betydning for tilhørighet i lokalsamfunn
• kan planlegge og begrunne bruk av aktivitet for å fremme inkludering og tilhørighet tilpasset en brukergruppe i storbyen
• kan samhandle med studenter fra andre profesjonsutdanninger om relevante utfordringer i barn og unges hverdagsliv*
• kan diskutere og reflektere over sin egen framtidige profesjonsrolle i et tverrprofesjonelt samarbeid med barn, unge og deres foresatte*

Generell kompetanse

Studenten

• kan opptre respektfullt og bygge relasjoner til medstudenter og til personer i storbyen som omfattes av prosjektarbeidet
• har en forståelse av tverrprofesjonelt samarbeid med barn, unge og familiene deres*

Arbeids- og undervisningsformer omfatter forelesninger, arbeid og veiledning i prosjektgrupper og feltstudier i Oslo. På grunnlag av feltstudiene utarbeider studentene en prosjektplan med design av et aktivitetstiltak rettet mot en valgt brukergruppe. Det jobbes med prosjektplanen gjennom hele emnet.

INTER1100

I INTER1100 «Den samme ungen - ulike arenaer», inngår 2 seminardager, digitale læringsressurser og samtale- og observasjonsoppgaver knyttet til tverrprofesjonelt gruppearbeid og selvstudier.

We are witnessing the era of Big Data where data is generated, collected, and processed at an unprecedented scale and data-driven decisions influence many aspects of modern life.

Data mining is the process of discovering patterns in large data sets involving methods in statistics and database systems. A large number of applications such IoT sensors generate large amounts of data streams. The necessity of data stream mining and learning from the data is increasingly becoming more prevalent and urgent.

Extracting knowledge from data sets requires not only computational power but also programming abstractions as well as analytical skills. In this course, the students will be exposed to the different approaches for data mining and stream processing such as association rules learning, anomaly detection, data clustering, visualizations, and extracting statistical features on the fly from large data streams. The students will be exposed to concrete data mining and neural network architectures including deep learning models for handling large data streams such as convolutional neural networks, recurrent neural networks, autoencoders, transformers and attentions. In this course, the student will also be exposed to different data mining systems, working end-to-end pipelines including performance evaluation, detecting overfitting, underfitting, and data defects. With a focus on data mining applications, we will study some powerful numerical linear algebra methods.

No formal requirements over and above the admission requirements.

The student should have the following outcomes upon completing the course:

Knowledge

Upon successful completion of the course, the student:

• has a deep understanding of how data mining can be used to extract knowledge from data sets.
• has advanced knowledge of the different data mining algorithms

Skills

Upon successful completion of the course, the student:

• can design and implement data mining algorithms
• can deploy different data mining systems and configure them
• can utilize a specialized library for data mining

General competence

Upon successful completion of the course, the student:

• can use data mining systems to mine data
• can analyse data mining solutions with regard to robustness and in relation to his/her intended tasks
• can explain how data mining can be used in different applications areas such as business analytics

This course is divided into two parts. The first part with focus on covering the principles of data mining and stream processing. Different seminars will be given on the different methodological aspects of data mining and stream processing as well as the programming paradigms and software tools that enable them.

The second part will focus on the students completing a programming project. The project can be chosen from a portfolio of available problems. The student will work in a group on the project and submit a final code-base with a report.

During this part, there may be lectures if needed, but most of the time will be spent on individual supervision of students in lab-sessions.

Practical training

Lab sessions.

None.