Hoppa direkt till innehållet

Information till studenter och medarbetare med anledning av covid-19 (Uppdaterad: 31 mars 2021)

printicon
Kursplan:

Design av interaktiva AI-system, 7,5 hp

Engelskt namn: Responsible Design of Interactive AI-Systems

Denna kursplan gäller: 2019-12-30 och tillsvidare

Kurskod: 5DV211

Högskolepoäng: 7,5

Utbildningsnivå: Avancerad nivå

Huvudområden och successiv fördjupning: Datavetenskap: Avancerad nivå, har kurs/er på avancerad nivå som förkunskapskrav

Betygsskala: TH teknisk betygsskala

Ansvarig institution: Institutionen för datavetenskap

Beslutad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2021-01-13

Innehåll

Denna kurs på avancerad nivå syftar till att fördjupa kunskaper och färdigheter i dels designmetodik för ansvarsfull utveckling av interaktiva, intelligenta system och miljöer med fokus på människo-centrerad artificiell intelligens (AI), och dels i teorier för människa-datorinteraktion (MDI) och ny teknologi för att interagera och samarbeta med intelligenta mjukvaruagenter och miljöer. Kursen bygger på forskning och teoribildning i gränssnittet mellan AI och MDI, med särskilt fokus på socio-tekniska system som innefattar AI, människa-AI-samarbete och relaterade etiska och sociala aspekter. Några centrala frågeställningar som kommer att behandlas under kursen är följande:
  1. Hur kommer vi att samarbeta med AI-system i framtiden?
  2. Vad händer med kontroll och autonomi när systemet lär sig och ändrar beteende över tid?
  3. Hur designar vi ett interaktivt, intelligent system på ett sådant sätt så att vi bygger in i systemet mekanismer som väger samman olika intressenters värderingar i multikulturella kontexter (t.ex. moral och etik); samt förklarar sitt resonerande och garanterar transparens?
  4. Hur möjliggör vi en kontinuerlig, ansvarsfull och deltagande designprocess under både utveckling och användande av socialt intelligenta system som samarbetar med människan? 
Kursen är indelad i följande två delar:
Modul 1: Teori och metod (4.5 hp)
Den teoretiska delen tar upp teoretiska ramverk och metoder för att designa och utvärdera interaktiva, intelligenta system och antar ett ansvarsfullt perspektiv på design av AI-baserade system. Det socio-tekniska systemperspektivet kommer att tillämpas genomgående med teoribildning som stödjer utveckling av socialt intelligenta system. Det innefattar människo-centrerade faktorer som är vitala vid design av AI-baserade interaktiva system, såsom effekter av användning, mekanismer för människans utveckling, motivation, beteendeförändring, autonomi, empowerment, kompetens, relevans, värde för individ och samhälle, ansvar och etik.
 
Metodik innefattar särskilt ansvarsfull AI-design, deltagande aktionsforskningsmetodik, aktivitetscentrerad design. Teorier och metoder appliceras i gruppövningar och i interdisciplinära projektarbeten i modul 2.

Modul 2: Praktisk tillämpning av teori och metod i ett projektarbete (3.0 hp)
Teorier och metoder som tas upp i Moment 1 appliceras i ett projekt som genomförs parallellt med den teoretiska delen. Projektet motiveras av en samhällsutmaning och fokuserar på att engagera möjliga slutanvändare och andra intressenter i en interdisciplinär deltagande-designprocess. Designaktiviteter kan ske i labb med teknologi och material för prototyputveckling och utvärdering och i miljöer utanför universitetet som intressenter tillhandahåller.

Förväntade studieresultat

Kunskap och förståelse
Efter avslutad kurs ska studenten kunna:
  • Förstå, utveckla och utvärdera interaktiva, intelligenta system som är proaktiva, reaktiva, emergenta, sociala och semi-autonoma, i samverkan med människor.  (FSR1)
  • Förklara hur vi ansvarsfullt kan designa interaktiva, intelligenta system för att garantera transparens, ansvar, och följsamhet till intressenters och samhällets olika (sociala och kulturella) värderingar (FSR2)
  • Förstå människa-AI-interaktion som ett element av ett dynamiskt socio-tekniskt aktivitetssystem baserat på teorier om mänsklig aktivitet (inkluderande normer och värderingar), och hur detta kan översättas till beräkningsbara modeller användbara i system för människa-AI-interaktion och samarbete (FSR3) 
Färdighet och förmåga
Efter avslutad kurs ska studenten kunna:
  • Kritiskt granska tillämpningen av teorier, metoder och verktyg för ansvarsfull utveckling av AI, och kunna identifiera resultat som baseras på vetenskapligt sunda metoder (FSR4) 
  • Tillsammans med användare utveckla och utvärdera interaktiva, intelligenta system och miljöer utifrån individuella, sociala och etiska perspektiv, som inkluderar trygghet, mångfald, lika rättigheter och ansvarsfull AI (FSR5)
  • Tillämpa relevanta teorier och metoder för att analysera, designa och konstruera interaktiva, intelligenta system i samarbete med användare (FSR6)
  • Samarbeta i interdisciplinära team (FSR7) 
Värderingar och förhållningssätt
Efter avslutad kurs ska studenten kunna:
  • Uppvisa kritiskt tänkande, etisk bedömningsförmåga, och förståelse för samhälleliga behov vid utveckling av interaktiva, intelligenta system (FSR8)
  • Kritiskt utvärdera resultat från användares medverkan i designprocessen, och jämföra dessa med teoretiska, teknologiska och samhälleliga förväntningar (FSR9)

Behörighetskrav

Univ:För tillträde till kursen krävs 90 hp avklarade studier varav 60 hp i huvudområdet datavetenskap eller 2 års avklarade studier (120hp) inom ett studieprogram. I båda fallen inkluderande minst en kurs (7.5hp) på avancerad nivå i datavetenskap inom området artificiell intelligens som exempelvis kurserna Artificiell intelligens - metoder och tillämpningar (5DV181), Interaktivitet i smarta miljöer (5DV185) eller Kognitiv interaktionsdesign (5DV190) eller motsvarande kunskaper.

Svenska för grundläggande behörighet för högskolestudier samt Engelska A/5. Krav på svenska gäller endast om utbildningen ges på svenska.

Undervisningens upplägg

Kursen består av föreläsningar, projektarbete i datorsalar och andra miljöer samt övningar i mindre grupper. Delar av undervisningen kräver obligatorisk närvaro. Utöver det schemalagda arbetet krävs också individuellt arbete med materialet.

Examination

Modul 1 examineras genom en skriftlig salstentamen och omfattar primärt FSR 1-3. På denna modul ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). För studerande som inte godkänns vid ordinarie provtillfälle anordnas ytterligare provtillfällen.

Modul 2 examineras genom ett projekt som utförs i samverkan med extern problemställare antingen individuellt eller i grupp enligt anvisningar som ges under kursen. Projektarbetet omfattar primärt FSR 4-7. Delar av projektarbetet kan bestå av fältstudier utanför universitetet i samarbete med näringsliv och/eller offentlig sektor och möten under projekttiden kan ske på plats hos en sådan organisation. På denna modul ges något av betygen Underkänd (U) eller Godkänd (G). 

En student som underkänts på modul 2 men som regelbundet deltagit i en majoritet av projektaktiviteterna kan få en omexamination som täcker de delar som studenten har missat. Om en student varit helt inaktiv eller missat en majoritet av projektaktiviteterna så kan studenten examineras på modul 2 vid nästa kurstillfälle. Studenten har dock inte rättighet att fortsätta med samma projektarbete som vid ordinarie examination utan kommer få starta om projektet i samarbete med en ny studentgrupp och med ett nytt ämne.

På kursen som helhet ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). Betygets sätts först när de båda modulerna är godkända och är en sammanvägd bedömning av kursens alla delar.
 
Studerande som godkänts i ett prov får inte undergå förnyat prov för att få ett högre betyg.

För studerande som inte godkänns vid ordinarie provtillfälle anordnas ytterligare provtillfällen. En student som utan godkänt resultat har genomgått två prov för en kurs eller en del av en kurs, har rätt att få en annan examinator utsedd, om inte särskilda skäl talar emot det (HF 6 kap. 22 §). Begäran om ny examinator ställs till prefekten för Institutionen för datavetenskap.
 
Examination baserad på denna kursplan garanteras under två år efter studentens förstagångsregistrering på kursen. Detta gäller även om kursen lagts ned och denna kursplan upphört gälla.
 
Avsteg från kursplanens examinationsform kan göras för en student som har beslut om pedagogiskt stöd på grund av funktionsnedsättning. Individuell anpassning av examinationsformen ska övervägas utifrån studentens behov. Examinationsformen anpassas inom ramen för kursplanens förväntade studieresultat. Efter begäran av studenten ska kursansvarig lärare, i samråd med examinator, skyndsamt besluta om anpassad examinationsform. Beslutet ska sedan meddelas studenten.

TILLGODORÄKNANDE
Student har rätt att få prövat om tidigare utbildning eller motsvarande kunskaper och färdigheter förvärvade i yrkesverksamhet kan tillgodoräknas för motsvarande utbildning vid Umeå universitet. Ansökan om tillgodoräknande skickas in till Studentcentrum/Examina. Mer information om tillgodoräknande finns på Umeå universitets studentwebb, www.student.umu.se, och i högskoleförordningen (6 kap). Ett avslag på ansökan om tillgodoräknande kan överklagas (Högskoleförordningen 12 kap) till Överklagandenämnden för högskolan. Detta gäller såväl om hela som delar av ansökan om tillgodoräknande avslås.

Övriga föreskrifter

I en examen får denna kurs ej ingå, helt eller delvis, samtidigt med en annan kurs med likartat innehåll. Vid tveksamheter bör den studerande rådfråga studievägledare vid Institutionen för datavetenskap och/eller programansvarig för sitt program.

Litteratur

Giltig från: 2021 vecka 1

Vetenskapliga artiklar som tillhandahålls av institutionen/via webben