PED1310 Praksis Emneplan

Data is the new oil, powering industries, putting into motion trillion Euro companies and supporting governments to take decisions that affect the lives and the well fare of bilions of people around the world. But to do so, data must be refined, properly analized, and presented so relevant decision makers can make sense of it, and use it in a manner that delivers value to society. Data Science is the field of study that focus on collecting, organizing, cleaning, understanding, transforming, using and presenting data so it becomes useful.

In this course you are going to learn what is Data Science, and how do we approach problems in Data Science so it can contribute towards a sustainable future. We will briefly question some common ideas we may have about what science is and how we do scientific research. We will address what makes a research method suitable or not focusing on specific cases to learn from successes and disasters in the history of Data Science.

You will learn the methods, potentials and limits of Data Science as well as how to apply them to real world challenges using a scripting language (Python, Matlab or R). The course is designed to provide a solid theoretical introduction to the subject and build the foundational skill through hands-on experience. To achieve that, you will use open data-sources to develop a data science project from data-collection to insight presentation.

After completing this course, the student should have the following learning outcome:

Knowledge

Upon successful completion of the course, the candidate will have the knowledge of:

• the most commonly used methods in data science to clean, imputate, analyse and present data;
• the context in which these methods should be applied;
• the specific cautions and pitfalls that should be taken into account through the entire research process, particularly when using tools from statistical analysis.
• practical data problems in different fields of science, ranging from fundamental and natural sciences to social sciences and engineering.
• how statistical analysis can be used for uncovering the features and properties of a specific set of data.
• the main features and techniques one should be aware of for data collection.
• programming languages applicable to data analysis and modelling.

Skills

Upon successful completion of the course, the candidate will be able to:

• use a scpriting programming language to perform basic data science operations
• translate problems into research questions and evaluate it is soundness
• propose a first design of experiments to approach specific research questions.
• have a critical insight about the quantitative analysis presented in a research question, approaching authors’ interpretation about the presented results, e.g. in what concerns the correlation between different variables, their possible functional relations and the statistical significance of the overall results.
• develop a computer framework to generate surrogate data sets with particular statistical features, as numerical experiments for testing specific data models.
• apply statistical analysis and mathematical modelling techniques on data from their field of study.

General competences

Upon successful completion of the course, the student

• will be able to construct and establish a research plan
• will be able to create a data analysis pipeline where data is refined and transformed through scripts
• will be able to carry out the basic quantitative analysis of its results

will have a critical understanding of the limitations and possibilities in big datasets and statistical analysis

This course will feature lectures and lab work to provide both theoretical and hands-on content. Students will work in groups or individually and complete assignments given to them. The students will supplement the lectures and lab with reading of recommended literature.

Veiledet og vurdert praksis

Gjennom studieprogrammet skal studenten gjennomføre 60 dager praksisopplæring. Disse dagene fordeles over en periode undervisningspraksis i grunnskolen, en periode undervisningspraksis i videregående skole og formidlingspraksis ved museum eller andre egnede kulturarenaer. Kulturskole eller andre pedagogiske læringsarenaer kan erstatte en av praksisperiodene med undervisningspraksis.

Studenten skal erfare studentaktive arbeids- og undervisningsformer knyttet til forberedelse, gjennomføring og etterarbeid av læreprosesser i fagområder tilknyttet studieretningen. Samarbeid med medstudenter i praksisgruppe og praksissted står sentralt i emnet. Studentens progresjon skal bevege seg fra relevante gruppeerfaringer i første praksisperiode mot mer selvstendig og individuelt ansvar for undervisning og formidling i andre praksisperiode.

Praksisveiledere fra instituttet og praksislærere ved praksisstedet har ansvar for veiledning og vurdering av studenten gjennom perioden. Veiledning og vurdering i praksis er tilknyttet læringsutbyttebeskrivelsene i emnet. Studentene veiledes muntlig og vurderes skriftlig både underveis og ved avslutning av hver praksisperiode. Veiledning og vurdering dokumenteres i en Veilednings- og vurderingsrapport for praksisopplæring. Instituttet og studenten mottar heftet etter gjennomført praksisperiode.

Tildeling av praksisplass

Praksisopplæringen organiseres og ledes av undervisningsleder for arbeidsliv og praksis, praksisteamet ved instituttet og studieprogramansvarlig ved studieprogrammet. Instituttet sikrer studentenes arbeidslivsrelevans gjennom praksis og er ansvarlig for tildeling av praksisplass. Studentene organiserer ikke egne praksisplasser, men kan bidra med ønsker for egen praksisopplæring.

Instituttet samarbeider med praksispartnere i Oslo og Viken og reisevei opp til 1,5 time en vei til praksisstedet må påberegnes fra Oslo sentrum, Campus Pilestredet.

Studentene kan gjennomføre en av praksisperiodene ved egen arbeidsplass, om denne er relevant for studiets innhold. Instituttet har ansvar for tildeling av praksisplass, samt en kvalitetssikring av innhold og gjennomføring ved tildeling av egen arbeidsplass som praksisarena.

Eksempler på studentaktive undervisnings- / læringsformer i emnet

• Dialogbasert undervisning
• Gruppearbeid/gruppediskusjoner
• Skriftlig arbeid individuelt og i gruppe
• Muntlig presentasjon i gruppe
• Samarbeid med praksissted
• Selvstudium

Alle arbeidskrav, obligatorisk aktivitet og tilstedeværelse må være innfridd og godkjent for at praksisemnet kan bli vurdert til bestått.

Arbeidskrav:

• undervisningsplaner over perioder og økter, planlagt i gruppe. Praksislærer og praksisveileder setter frist for innlevering og godkjenner før hver praksisperiode. Antall avhenger av undervisningsomfanget gjennom praksisperiodene.
• muntlig praksisrefleksjon i gruppe etter gjennomført praksisperiode.
• 60 dager gjennomført praksisopplæring i gruppe, tilknyttet praksisperioder i grunnskole, videregående skole og andre formidling- og læringsarenaer.

Obligatorisk aktivitet og tilstedeværelse:

• deltakelse i alle møter knyttet til forberedelse, gjennomføring og etterarbeid av praksisperiodene.
• deltakelse i alle praksisgruppens arbeidsoppgaver avtalt med praksisstedet og veileder.

Tilstedeværelse i praksisopplæringen er obligatorisk og eventuelt fravær må tas igjen for å få praksisperioden godkjent. Det er kun fravær dokumentert via egenmelding, legeerklæring eller innvilget permisjon som kan tas igjen. Fravær knyttet til egen eller egne barns sykdom må dokumenteres med egenmelding og fravær som overstiger 3 dager må dokumenteres med legeerklæring. Studentene har meldeplikt for alle typer fravær.

For å bestå praksisemnet må

• alle arbeidskrav og obligatorisk tilstedeværelse i hver praksisperiode være vurdert til "Godkjent".
• alle praksisperioder være vurdert til "Bestått".

Tvil om bestått praksisperiode

Dersom det oppstår tvil om studenten vil bestå praksisperioden, skal studenten varsles muntlig og skriftlig halvveis i perioden for å kunne forbedre seg. Praksislærer ved praksisstedet gjennomfører en individuell midtveissamtale med studenten og formulerer et varsel ved behov. Det kan ved enkelte tilfeller være behov for at studenter varsles etter denne fristen.

Ikke bestått praksisperiode

Dersom studenter ikke består en praksisperiode, kan samme praksisperiode kun gjennomføres en gang til. Studenten kan bare melde seg opp til praksisopplæring neste gang den samme praksisperioden arrangeres i emnet.

Bestemmelser om eksamen er gitt i Lov om universiteter og høgskoler og Forskrift om studier og eksamen ved OsloMet og Forskrift til rammeplan for praktisk-pedagogisk utdanning.

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.

Basic algebra, basic mathematical analysis and statistics are highly recommended, though a short overview on the fundamentals of these topics will be provided. The course will have a practical part using codes in python, Matlab or R. Acquaintance with these programming languages is not required, but some experience with a similar programming language is also recommended.