STKD6800 Neuro-insights: Data Science Approaches in Neuroscience I Emneplan

Because most young researchers in life and health sciences do not have a solid quantitative background, they face difficulties when analyzing data independently. This difficulty represents a major drawback in research. Students waste time learning analytical methods by themselves that could be more quickly learned with proper instruction and support. Additionally, the lack of convention or standards in some fields is a source of confusion that slows the learning process. As consequence, the quality of insights and research productivity suffer. This course provides a comprehensive introduction to data science and big data applied to neuroscience research.

Its content is designed to train the participants in state-of-the-art techniques in data analysis and machine learning. This will enable the students to interact independently with the data and draw insights from them. The modules are organized so the participants have the opportunity to learn how to handle the most common data types (e.g., EEG, calcium imaging). Special attention is given to field-tested data management protocols, as they are critical for a fast transition from data acquisition to knowledge generation.

This is a hands-on course where the students will learn from implementing the analysis themselves with close supervision. The course will focus on case studies using data from real experiments; advanced students may choose to use their own data. The students will develop understanding through constant presentation of their work and dialectical reflection over their choices, results, and interpretations.

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

Kunnskap

Studenten

• har avansert kunnskap i engelskfaget og fagets didaktikk med vekt på grunnleggende ferdigheter
• har inngående kunnskap om relevant forskning og teori og vitenskapelige tenkemåter, forskningsmetoder og etikk
• har inngående kunnskap om hvordan opplæringen kan tilpasses alle elevers forutsetninger og behov
• har inngående kunnskap om tekst, med fokus på sammensatte tekster
• har inngående kunnskap om begynneropplæring (trinn 1-7)
• har inngående kunnskap om progresjon i undervisning og elevers læring

Ferdigheter

Studenten

• kan analysere og forholde seg kritisk til nasjonal og internasjonal forskning og anvende denne kunnskapen i profesjonsutøvelsen
• kan analysere faglige problemstillinger basert på kunnskap om engelskfagets egenart, verdigrunnlag og historie og bruke slik innsikt i undervisning
• kan planlegge og gjennomføre undervisning i engelskfaget som fremmer elevens vitenskapelige tenkemåter
• kan på et avansert nivå anvende prinsipper for læringsorientert vurdering i engelskfaget og slik bidra til at elvene lærer å reflektere over sin egen læring og utvikling
• kan utvikle, gjennomføre og evaluere forskningsbasert begynneropplæring som er forankret i avansert kunnskap (trinn 1-7)
• kan vurdere digitale uttrykk og ressurser kritisk og bruke dem i opplæringen på måter som styrker og utvikler engelskfagets didaktikk.

Generell kompetanse

Studenten

• kan analysere og vurdere relevante faglige og etiske problemstillinger og bidra til utvikling av faglig felleskap på den enkelte skole
• kan på systematisk vis planlegge, evaluere og revidere læringsopplegg med engelskfag som grunnlag
• kan på et avansert nivå formidle og kommunisere om faglige problemstillinger knyttet til profesjonsutøvelsen
• har utviklet en avansert profesjonsfaglig digital kompetanse
• kan bidra til utviklingsarbeid som fremmer faglig og pedagogisk nytenkning i skolen

After completing this course the student should have the following learning outcomes:

Knowledge

On successful completion of this course, the student has knowledge of:

• Theoretical and practical aspects of data management and data processing for different data types (electrophysiology, imaging, and behavior), so they can independently engage with the state-of-the art literature.
• How statistics, dimensionality reduction, signal processing, calculus, and supervised and unsupervised learning may be applied to data analysis in neuroscience research.
• Commonly encountered problems in data science and the most trusted strategies to solve them.
• Basic data visualization techniques and how to employ them in exploratory data analysis and scientific communication.

Skills

On successful completion of this course, the student has the ability to:

• Apply data analysis techniques to formulate a hypothesis, collect data, preprocess it, analyze it, and reach conclusions about the data.
• Identify and define a problem using data analytics.
• Critically assess the results.
• Identify new opportunities for organizational change including process improvements, cost reduction, or efficiency improvements.

General competence

On successful completion of this course, the student can apply:

• Data analysis principles to simple neuroscientific data.
• Methods and tools for data analysis and visualization.
• Heuristics and strategies commonly used in the research field to solve data analysis problems.

The teaching methodology is oriented by Bloom's taxonomy of educational goals, namely, recollection, understanding, application, analysis, evaluation, and creativity. To promote recollection, understanding, and application, the course will consist of seminars taught by the teaching staff of OsloMet and other guests (experts in neuroscience or data science fields), coding workshops and problem solving oriented projects. Students will actively participate by implementing the full data processing pipeline from extracting the raw data to building visualizations. The pipeline and good habits will be consolidated through repetition in different modules, contexts, and data types, which is known to promote generalization of the knowledge. Organized in pairs, the students will constantly have the opportunity to recollect, explain the content to each other, and justify their work, as well as to provide feedback to their partners. With the intent to prepare the students to go beyond the methods taught in the course, once per module, the participants will read relevant papers in neuroscience, and discuss how to implement their analysis.

The students need to complete four online quizzes. One at the beginning of the course, then three quizzes during the course. Each one of them following each of the three weeks of classes.

An individual oral presentation, which counts for 100% of the final mark

The oral presentation cannot be appealed.

Only personal notes written in non-digital media will be allowed during the oral exam.

Fagfordypningen i engelsk og engelskdidaktikk består av to emner à 15 studiepoeng: Fagfordypning i engelsk og engelskdidaktikk 1 og Fagfordypning i engelsk og engelskdidaktikk 2.

Engelskdidaktikk har som målsetning å gi inngående kunnskap for å forstå, vurdere og utvikle engelskundervisning i norsk grunnskole. Faget tar utgangspunkt i teoretiske og metodologiske tilnærminger til hvordan barn og unge i et mangfoldig og flerspråklig samfunn møter engelskfaget i skolen. Faget fokuserer på tekst i vid forstand, dvs. muntlige, skriftlige og sammensatte tekster. Målet er å gi studentene inngående kunnskap i faget slik at de blir i stand til å utvikle sin egen og fremtidige elevers språk- og tekstkompetanse og videreutvikle sin egen profesjonalitet som engelsklærer.

 Se opptakskrav i programplanen.

Følgende arbeidskrav må være godkjent før eksamen kan avlegges:

Arbeidskrav 1: Produksjon av en sammensatt tekst over et selvvalgt tema innenfor Engelskdidaktikk 1: Analytisk profesjonsutøvelse. Temaet godkjennes av faglæreren i forkant. Tekstens omfang skal være på 1100 ord +/- 10 % eller 10 minutter for en sammensatt tekst. Formålet med arbeidskravet er å gi studentene mulighet å fordype seg i tekstarbeid i engelsk.

Arbeidskrav 2: Innlevering av notat før veiledning på fagartikkelen (eksamen) med utdrag av oppgaveteksten på 800 ord (+/- 10%) på engelsk.