PRG6100 Innføring i programmering for lærere for trinn 5-10 Emneplan

Emnet gir en grunnleggende innføring i programmering og algoritmisk tenkning med fokus på skolekontekst og visuell programmering.

Etter fullført emne har studenten følgende læringsutbytte definert som kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Studenten

• Har kunnskap til prinsipper for algoritmisk tenkning
• Har kunnskap om programmering og algoritmisk tenkning i gjeldende læreplaner
• Har kjennskap til utvikling og oppbygging av enkle programmer basert på blokkprogrammering
• Har forståelse av grunnleggende programmeringsprinsipper: løkker, betingelser, variabler og funksjoner
• Har grunnleggende kjennskap til hvordan datamaskiner og programmer fungerer

Ferdigheter

Studenten

• Kan identifisere og dekomponere enkle problem, og utforme løsninger som gjør bruk av blokkprogrammering
• Kan kommentere programmeringskode
• Kan dokumentere, teste og feilsøke programmeringskode
• Kan generalisere, tilpasse og videreutvikle enkle programkoder og algoritmer

Generell kompetanse

Studenten

• Kan gjøre rede for algoritmisk tenkning og programmering i skolen
• Kan reflektere over programmering i skolen, i læreplaner og integrert i fag
• Kan reflektere over hvordan programmering kan ses i sammenheng med kreativitet, samarbeid, problemløsing og kritisk tenkning
• Kan gjøre rede for hvordan digitalisering kan påvirke og endre samfunnet

Studiet er helt nettbasert, men krever at studentene følger en gitt plan og progresjon, for å skape et felles læringsmiljø med øvrige deltakere og involverte lærere. Studiet vil ta i bruk instruksjonsvideoer, nettbaserte forelesninger og diskusjoner og det vil bli gitt tilbud om veiledning i nettmøter.

Studiet forutsetter studentaktivitet knyttet til praktiske øvingsoppgaver, samarbeid, refleksjoner, medstudentvurderinger og erfaringsdeling på egen arbeidsplass.

Praksis

Det er ingen praksisopplæring knyttet til emnet.

Det er to arbeidskrav i emnet. Retten til å avlegge eksamen forutsetter at begge arbeidskravene er godkjent.

• Arbeidskrav 1:

1. Individuelt refleksjonsnotat om programmering i skolen (om lag 1000 ord).

• Arbeidskrav 2:

1. Del 1: Individuell programmeringskode med dokumentasjon.
2. Del 2: Gruppearbeid: Refleksjonsnotat med gjennomgang av del 1 (om lag 1500 ord).

For utfyllende informasjon om arbeidskrav, se programplanen.

Signal processing defines the mathematical tools used to analyze, model and operate on measured data from physical signals and their sources. In digital signal processing (DSP) the following topics are lectured: the different domains for describing discrete signals and linear time invariant systems, digital filters and frequency analysis. Images are two-dimensional signals and similar analytic methods apply.

Alle hjelpemidler tillatt.

Det gis bokstavkarakterer med A som beste og E som dårligste karakter på bestått eksamen. Karakteren F brukes ved ikke bestått eksamen.

On completion of this course, the student should have the following learning outcomes defined in terms of knowledge, skills and general competence:

Knowledge

The course will give the students in depth knowledge on the following topics

• Sampling, digitalization and reconstruction.
• How to obtain the signal spectrum of digital and analog signals
• How to obtain the frequency response of digital systems
• Methods of filtering discrete signals
• Digital image formats

Skills

The student will know how to:

• Describe digital signals and systems mathematically in the time domain
• Describe discrete signals and systems in the frequency domain and the Z-domain
• Describe digital images mathematically in real space and frequency space
• Describe linear time invariant systems using difference equations, impulse responses, and transfer functions
• Analyze time discrete systems in the frequency domain
• Use discrete filters and the digitized versions of analog filters: FIR and IIR
• Apply post processing of images for filtering, noise reduction, edge detection and presentation.

General competence

The student will have general competence on:

• Frequency spectrums, impulse responses, frequency responses, convolution and modulation
• Fourier-series (FS), Fourier transform (FT).
• Sampling, reconstruction and aliasing
• Implementation of DSP-filters
• Improving image presentation