Aarhus Universitets segl

Dataprojekt som bidrager til forskningsprojekt 

Kort beskrivelse

De studerende tilknyttes et forskningsprojekt og skal arbejde med et større dataprojekt ud fra en datavidenskabelig metoder. Hver gruppe får en projektvejleder fra forskningsgruppen. Projektarbejdet suppleres med forelæsninger og holdundervisninger. 

Motivation

Formålet med kurset er at styrke de studerendes kommunikative, analytiske og tekniske evner gennem et antal projekter hvor en faglig problemstilling kan belyses og forstås ved en grundig analyse af tilhørende data. 

      

Læringsmål

De studerende skal anvende nogle af de kompetencer, de har tillært på de første 1½ studieår. Problemstillingerne, analyserne og resultaterne præsenteres og diskuteres skriftligt og mundligt af de studerende med henblik på at kunne: 

  • kommunikere en dataanalyse, 

  • argumentere og forholde sig til grundlæggende antagelser og forudsætninger, 

  • udlede og forklare modeller og de tilhørende analyser, 

  • diskutere analysens resultater, 

  • forholde sig til hvilke spørgsmål, der er blevet besvaret. 

Udførelse

FORBEREDELSE

Undervisers forberedelse

Inden kurset grupperes de studerende i grupper på 2–4 personer. Hver gruppe bliver tilknyttet et forskningsprojekt på Aarhus Universitet, hvor datavidenskab er en central komponent. Hver gruppe får tildelt en projektvejleder, der er en del af forskningsprojektets forskningsgruppe. 

I LØBET AF SEMESTERET

I plenum

Forskningsgruppen præsenterer

  • Repræsentanter fra forskningsgruppen introducerer data, og beskriver de væsentligste videnskabelige spørgsmål og problemstillinger. 

Faglige oplæg

  • I løbet af semesteret undervises der i matematiske, statistiske og datalogiske modeller, hvor udgangspunktet er beskrivelse af data som udfald fra en stokatisk proces.  

I grupper

Emnevalg

  • Sammen med projektvejlederen formuleres et projekt, der kan forbedre og oplyse vejlederens forskning.
  • Eksempler på projekter kan være: 
    • Dødsårsager i Danmark i et data-analytisk perspektiv  
    • Forbedring af en statistisk metode til at monitorere plantediversitet i Danmark  
    • Analyse af data fra et stort studie af livskvaliteten hos kræftpatienter efter strålebehandling  
    • Programmering af en app til visualisering af hjerte-lunge vekselvirkningen under operationer, hvor brystkassen er åben 

Projektarbejde

  • I løbet af semesteret skal de studerende analysere data fra forskningsprojektet med de modeller og metoder, der er præsenteret i undervisningen, og som de finder passende til deres projekt. De skal argumentere for valg af metoder til præsentation, analyse og fortolkning af data.  

Give og modtage feedback

  • I løbet af kurset skal grupperne give og modtage mundtlig og skriftlig feedback på oplæg og skriftlige rapporter og materialer. De skal forholde sig til den faglige problemstilling, og diskutere og forholde sig kritisk til en dataanalyse. Dette er et krav for at kunne deltage i eksamen. 

Vejledning

  • Projektgrupperne modtager løbende vejledning fra den tildelte vejleder, der ligeledes deltager som repræsentant fra forskningsgruppen. 

Skriftlig rapport

  • De studerende udarbejder og deler deres analyser på GitHub, og resultaterne samles i en rapport. 

EKSAMEN

Individuelt

Mundtlig eksamen 

  • Eksamen er 25 minutters mundtlig præsentation af gruppernes projekt samt diskussion af pensum.  

RESSOURCER TIL STUDERENDE

SUPPORT TIL STUDERENDE

  • Projektgrupperne modtager løbende vejledning fra den tildelte vejleder, der ligeledes deltager som repræsentant fra forskningsgruppen. 2 timer per uge i 14 uger. 
     
  • Faglige oplæg fra forskningsgruppe og underviser. 2 timers forelæsning per uge i 14 uger. 

Erfaringer

Udbytte

  • De studerende udviklede kompetencer udi formidling af dataanalyse.

Udfordringer

  • Det kan være udfordrende at finde projektvejledere med et relevant datasæt, og som har tid og lyst til at introducere de studerende til projektet. 

Basisinformationer

Undervisers navn Asger Hobolth
Fakultet og institut NAT, Institut for Matematik 
Uddannelse Datavidenskab 
Studieniveau Bachelor, 4. semester 
Kursus Dataprojekt 
Antal studerende 20 studerende
Omfang Kursus
Undervisningsform Forelæsning, Holdundervisning, Vejledning
Gennemførelsestidspunkt Forår 2023

Links og materialer

Litteratur:

Bayesian Statistical Methods (2019). Brian J. Reich and Sujit K. Ghosh. Taylor and Francis Group, Florida, USA. ISBN 978-0-815-37864-8


Kontakt