EPN-V2

MALKA211 Introduction to Behavior Analysis Course description

Course name in Norwegian
Introduksjon til atferdsanalyse
Study programme
Master's Program in Behavioral Science
Master’s Program in Behavioral Science - Specialisation in Innovation and Implementation
Master’s Program in Behavioral Science - Specialisation in Concepts and Applications
Weight
10.0 ECTS
Year of study
2025/2026
Curriculum
FALL 2025
Schedule
Course history

Introduction

Profesjonsutøvelse bygger på vurdering og anvendelse av forskning, fagutvikling og klinisk erfaring. Dette forutsette at studenten i yrkesutøvelsen evner å lese, forstå og anvende forskningslitteratur og se dette i sammenheng med klinisk erfaring, forskning og fagutvikling. Vitenskapsteori er en viktig del av grunnlaget for å forstå vitenskapelig aktivitet. Gjennom denne delen av emnet ønsker vi å stimulere til en spørrende og kritisk holdning til kunnskapsutvikling og gjøre studentene bedre rustet til kritisk å vurdere på hvilket grunnlag faglige avgjørelser tas.

I henhold til lov om spesialisthelsetjenesten § 3-4a skal helsepersonell sørge for at virksomheten arbeider systematisk for kvalitetsforbedring og pasientsikkerhet. Studentene strenger derfor kunnskap om pasientsikkerhet, pasientsikkerhetskultur og hvordan systematisk kvalitetsarbeid kan utføres.

Emnet gir også en oversikt over de mest anvendte metodene i kvalitativ og kvantitativ forskning, samt over sentrale forskningsetiske prinsipper og metoder i kvalitetsarbeid. Innsikt i ulike metoder innebærer at studenten som profesjonsutøver kan identifiserer forskningslitteratur som er egnet til å besvare ulike faglige spørsmål.

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

None.

Assessment

Alle hjelpemidler er tillatt så lenge regler for kildehenvisning følges.

Permitted exam materials and equipment

Gradert skala A-F.

Grading scale

Basic background in statistics or probability theory. Knowledge of a programming language.

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