Programplaner og emneplaner - Student
MEST4510 Vitenskapsteori og forskningsmetode 1 Emneplan
- Engelsk emnenavn
- Research Theory and Method 1
- Studieprogram
-
Masterstudium i estetiske fag
- Omfang
- 10.0 stp.
- Studieår
- 2023/2024
- Pensum
-
HØST 2023
- Timeplan
- Programplan
- Emnehistorikk
-
Innledning
Dette emnet gir en oversikt over relevant vitenskapsteori på det estetiske feltet, samt ulike vitenskapelige metoder. Det legges særlig vekt på å belyse forskningsmetoder som er relevante for de ulike estetiske fagområdenes egenart og samfunnsrelevans. Dette settes i et vitenskapsteoretisk perspektiv. Emnet vil presentere grunnleggende begreper og metodeperspektiv som er sentrale for å vurdere og utføre forsknings- og utviklingsarbeid innen de estetiske fagområdene. Emnet forbereder studenten på å strukturere og formulere faglige ressonnementer på et masternivå (2.syklus nivå).
Forkunnskapskrav
Ingen utover opptakskrav.
Læringsutbytte
Kunnskap
Studenten:
- har inngående kunnskap om de estetiske fagområdenes vitenskapelige teorier og forskningsmetoder
- har inngående kunnskap som grunnlag for å analysere og reflektere over forskningsmetodiske perspektiv og vitenskapelige tradisjoner knyttet til fagområdenes historie, egenart og plass i samfunnet
- kan anvende kunnskap for å kritisk vurdere ulike vitenskapsteoretiske- og forskningsmetodiske posisjoner innen de estetiske fagområdene
Ferdigheter
Studenten
- kan anvende vitenskapsteori og forskningsmetode som er relevant for praksis- og teoridimensjonen knyttet til de estetiske fagområdenes egenart
- kan strukturere og formulere faglige resonnementer på bakgrunn av vitenskapsteoretisk- og forskningsmetodisk innsikt
- kan arbeide selvstendig med praktisk og teoretisk problemløsning og vurdere ulike etiske perspektiv knyttet til forskningsprosessen
- kan bruke relevante metoder for forskning og faglig og/eller kunstnerisk utviklingsarbeid på en selvstendig måte
Generell kompetanse
Studenten
- kan arbeide selvstendig med eget fagfelt og beherske fagområdets uttrykksformer
- kan kommunisere med ulike målgrupper om faglige problemstillinger og drøftingsperspektiv innen de estetiske fagfeltene
- Kan kritisk vurdere ulike former for kunnskapsinnhenting og bruk av kilder i vitenskapelig publisering
Arbeids- og undervisningsformer
Undervisningen vil veksle mellom forelesninger og ulike studentaktive læringsformer. Studentene deltar aktivt i undervisningen og i gruppearbeid. Masterstudiet er basert på individuelle studier med deltagelse i grupper, forelesninger og seminar. Det legges vekt på både teoretisk og praktisk arbeid som studieform.
Arbeidskrav og obligatoriske aktiviteter
Følgende arbeidskrav er obligatoriske og må være godkjent for å framstille seg for eksamen:
- delta aktivt med forberedt fremlegg i gruppearbeid
Vurdering og eksamen
Individuell skriftlig hjemmeeksamen i vitenskapsteori og forskningsmetode over fem dager.
Omfang: 3000-4000 ord.
Hjelpemidler ved eksamen
Alle hjelpemidler er tillatt så lenge regler for kildehenvisning følges
Vurderingsuttrykk
Bestått/ikke bestått.
Sensorordning
To interne sensorer. Ekstern sensor brukes jevnlig.
Emneoverlapp
Computational Intelligence is concerned with modern, bio-inspired approaches to artificial intelligence (AI) and is an umbrella term for the fields of neural networks (NN), fuzzy systems (FS) and evolutionary computation (EC). This course offers a comprehensive and systematic introduction to the fundamental concepts, principles, and methods in the three fields, a part of machine learning and deep learning, and several advanced topics (neuro-fuzzy systems, neuro-evolution, or fuzzy clustering). The course will illustrate major CI concepts, principles and methods using various application examples in engineering, biomedicine and business. In addition, the overview, history, state-of-the-art, and future trends of AI and CI field will be covered. The main modules for lectures include:
- AI and CI: Overview and history
- Fundamentals of neural networks
- Introduction to deep learning
- Fuzzy sets, logic and systems
- Topics in evolutionary computation
- Advanced topics
- AI and CI: State-of-the-art and future