Kursen är indelad i ett teoretiskt moment (4,5HP) och ett praktiskt moment (3HP). Det teoretiska momentet 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 det praktiska momentet 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 miljöer 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 miljöer, samt utveckla färdigheter i design och konstruktion av intelligenta interaktiva miljöer. Olika paradigmer kommer att behandlas, primärt ur ett interaktions- och designperspektiv, såsom ubiquitous computing, ambient intelligence, augmented och virtual reality, tangible interfaces, persuasive technology, intelligenta och adaptiva användargränssnitt, semi-autonoma system, beslutsstödsystem, smarta hem, Internet of Things and people, social norms och agent societies.
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:
förklara och karaktärisera olika informationsteknologiska paradigm relevanta för design och konstruktion av interaktiva intelligenta miljöer (FSR1)
redogöra för de centrala frågeställningar som behöver beaktas i design av interaktiva intelligenta miljöer utifrån perspektivet att miljön ska vara proaktiv, reaktiv, social och (semi-)autonom (FSR2)
redogöra för vilka huvudsakliga typer av interaktiva intelligenta miljöer som är i bruk idag samt analysera dessa olika typers tekniska styrkor och svagheter för olika typer av tillämpningar (FSR3)
förklara grunddragen i arkitekturer specifika för interaktiva intelligenta miljöer samt exemplifiera olika tekniker som kan användas för att realisera interaktiva intelligenta miljöer (FSR4)
redogöra för och tillämpa begrepp, metoder, och teorier för proaktiva, reaktiva, autonoma och sociala agenter (FSR5)
Färdigheter och förmågor Efter avslutad kurs ska studenten kunna:
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 (FSR6)
demonstrera praktiska färdigheter i att utveckla intelligenta interaktiva system (FSR7)
demonstrera praktiska färdigheter att utforma och utvärdera proaktiva, reaktiva, autonoma och sociala agenter (FSR8)
Värderingar och förhållningssätt Efter avslutad kurs ska studenten kunna:
värdera olika interaktiva intelligenta miljöer från olika perspektiv (etiskt, säkerhetsmässigt, personligt, samhällsmässigt) (FSR9)
värdera kvaliteten i olika designförslag utifrån syftet och behovet av interaktiva intelligenta miljöer (FSR10)
värdera eget och andras forsknings-, design- och utvecklingsarbete kritiskt och jämföra dem med teoretiska, teknologiska och samhälleliga förväntningar. (FSR11)
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 kurser om minst 7.5hp inom människa-dator interaktion (tex 5DV132, 5DV045 eller 5DV060) och minst 7.5 hp inom området artificiell intelligens (tex 5DV121) eller motsvarande kunskaper.
Engelska A och svenska för grundläggande behörighet för högskolestudier (om kursen ges på svenska)
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 det teoretiska momentet (FSR 1-5, 9-11) sker genom en skriftlig examen i lokal. Betyget på detta moment är 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 provtillfälle.
Examination av det praktiska momentet (FSR 6-11) 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 det praktiska momentet är något av betygen Underkänd (U) eller Godkänd (G).
Studerande som inte godkänns på det praktiska momentet men som har deltagit i de flesta projektaktiviteterna kan ges ett omprov som täcker de missade delarna. Om en student inte har deltagit i projektaktiviteterna (eller missat en ansenlig del av dessa) så kan studenten delta i det praktiska momentet nästa gång kursen ges. Studenten har inte rätt att fortsätta med samma projekt nästa gång kursen ges.
På hela kursen ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). Betyget utgör en sammanfattande bedömning av resultaten vid examinationens olika delar och sätts först när alla obligatoriska moment är godkända. Minst betyget Godkänd måste uppnås på varje delmoment för att få godkänt slutbetyg på hela kursen.
Studerande som godkänts i ett prov får inte undergå förnyat prov för att få ett högre betyg. 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.
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.
Speciellt gäller att denna kurs ej kan ingå i en examen tillsammans med kursen 5DV175 Interaktivitet i smarta miljöer.
Kursens kopplingar till program och examina Kursen ingår som en baskurs på Civilingenjörsprogrammet i interaktion och design.
Litteratur
Giltig från:
2017 vecka 30
Material/articles provided by the department Inst för datavetenskap :
