Kursen är indelad i en teoretisk modul (4,5 hp) och en praktisk modul (3 hp). Den teoretiska modulen tar upp teoretiska ramverk och metoder för att utforma och utvärdera intelligenta interaktiva system och ger viss praktisk övning att tillämpa dessa. Delar av innehållet i den teoretiska delen tillämpas i den praktiska modulen som löper parallellt, som i huvudsak utgörs av ett projektarbete i grupp.
Kursens huvudsakliga tema är teorier, metoder och teknologier för utveckling av framtidens intelligenta interaktiva system där människor och proaktiva, reaktiva, autonoma och sociala mjukvaruagenter kommunicerar och samarbetar för olika syften. Ibland finns mjukvaruagenterna i robotar eller i andra artefakter/material i den fysiska miljön. Studenten kommer att förvärva kunskaper om pågående forskning och experimentell praxis inom området intelligenta interaktiva system, samt utveckla färdigheter i design och konstruktion av intelligenta interaktiva system. Olika artificiell intelligens-metoder och teorier för att utveckla intelligenta interaktiva system introduceras, t.ex. kunskapsgrafer, OWL-ontologier, SWRL, igenkänning av mänskliga aktiviteter och människo-centrerad planering. Paradigmer som blandad verklighet och virtuell verklighet diskuteras också som en del av interaktionsmodaliteterna mellan människor och intelligenta system.
Olika samhällsutmaningar kommer att fokuseras genom krossdisciplinära samarbeten i obligatoriska studentprojekt. I denna laborativa del av kursen tillämpas teorier, metoder och tekniker som tas upp under kursen för att utveckla demonstratorer. Ur ett samhällsperspektiv kan syftet vara att designa för ökad autonomi, kompetens, sammanhang, social inklusion, motivation och beteendeförändring hos människor; ur ett teknologiskt perspektiv kan syftet vara att designa interaktiviteten genom att integrera självlärande, adaptivitet/personanpassning, semi-autonoma multiagentsystem, intelligenta användargränssnitt, etc. som kan bli instrumenten för att möta samhällsutmaningarna och individers preferenser och behov.
Förväntade studieresultat
Kunskap och förståelse Efter avslutad kurs ska studenten kunna:
(FSR 1) förklara och karaktärisera olika paradigm inom artificiell intelligens relevanta för design och konstruktion av interaktiva intelligenta system,
(FSR 2) redogöra för de centrala frågeställningar som behöver beaktas i design av interaktiva intelligenta system utifrån perspektivet att systemet ska vara proaktivt, reaktivt, socialt och (semi-)autonomt,
(FSR 3) redogöra för vilka huvudsakliga typer av interaktiva intelligenta system som är i bruk idag samt analysera dessa olika typers tekniska styrkor och svagheter för olika typer av tillämpningar,
(FSR 4) förklara grunddragen i arkitekturer specifika för interaktiva intelligenta system samt exemplifiera olika tekniker som kan användas för att realisera interaktiva intelligenta system,
(FSR 5) redogöra för och tillämpa begrepp, metoder, och teorier för proaktiva, reaktiva, autonoma och sociala agenter.
Färdighet och förmåga Efter avslutad kurs ska studenten kunna:
(FSR 6) demonstrera praktiska färdigheter i att kommunicera och integrera flera perspektiv (tex etiska, säkerhetsmässiga, personliga, samhällsmässiga) i design av intelligenta interaktiva system i en multiprofessionell arbetsprocess,
(FSR 7) demonstrera praktiska färdigheter i att utveckla intelligenta interaktiva system,
(FSR 8) demonstrera praktiska färdigheter att utforma och utvärdera proaktiva, reaktiva, autonoma och sociala agenter.
Värderingsförmåga och förhållningssätt Efter avslutad kurs ska studenten kunna:
(FSR 9) värdera olika interaktiva intelligenta system från olika perspektiv (etiskt, säkerhetsmässigt, personligt, samhällsmässigt),
(FSR 10) värdera kvaliteten i olika designförslag utifrån syftet och behovet av interaktiva intelligenta system,
Behörighetskrav
Minst 90 hp varav 60 hp datavetenskap eller 120 hp inom ett program. Minst 15 hp programmering; 7,5 hp människa-datorinteraktion; och 7,5 hp artificiell intelligens. Engelska för grundläggande behörighet för högskolestudier.
Undervisningens upplägg
Undervisningen bedrivs i form av föreläsningar, projektarbete i datorlabb och andra miljöer, och övningar i mindre grupper. Utöver schemalagda aktiviteter krävs även individuellt arbete med materialet.
Examination
Examinationen av Modul 1: Teori (FSR 1-5, 9-10) sker genom en skriftlig salstentamen. Betyget på denna modul är något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5).
Examination av Modul 2: Praktik (FSR 6-10) sker genom ett projektarbete i grupp enligt instruktioner som ges under kursen. Delar av projektarbetet kan ske som fältstudier utanför universitetet i samverkan med verksamheter i samhället, och något arbetsmöte under projektet kan förläggas till sådan extern verksamhet. Betyget på den praktiska modulen är något av Underkänd (U) eller Godkänd (G).
På hela kursen ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). Betyget på kursen som helhet bestäms av betyget på Modul 1.
Anpassad examination Examinator kan besluta om avsteg från kursplanens examinationsform. Individuell anpassning av examinationsformen ska övervägas utifrån studentens behov. Examinationsformen anpassas inom ramen för kursplanens förväntade studieresultat. Student som har behov av en anpassad examination ska senast 10 dagar innan examinationen begära anpassning hos Institutionen för datavetenskap. Examinator beslutar om anpassad examination som sedan meddelas studenten.
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.
Speciellt gäller att denna kurs ej kan ingå i en examen tillsammans med kursen 5DV175 Interaktivitet i smarta miljöer.
Om kursplanen har upphört att gälla eller kursen slutat erbjudas garanteras en student som någon gång registrerats på kursen minst tre provtillfällen (inklusive ordinarie provtillfälle) enligt denna kursplan under en tid av maximalt två år från det att kursplanen upphört att gälla eller kursen slutat erbjudas.
Litteratur
Giltig från:
2023 vecka 26
Material/articles provided by the department Inst för datavetenskap :
