och - umu.se · 2018-10-30 · kurs applikationsprogramm ering i python kurskod 5da000 poäng 7.5...

28

Upload: others

Post on 11-Feb-2020

8 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade
Page 2: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade
Page 3: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade
Page 4: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

Bilaga 1

Page 5: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade
Page 6: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade
Page 7: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade
Page 8: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade
Page 9: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

1

Logik och formella metoder

1. Background and general outline

The completion rate for Logik och formella metoder is low. The course has a logic componenent (3hp)

and a mathematics component (4,5hp). The completion rate is particularly low for the mathematics

component. The following proposals are intended to increase student engagement and to get more

students through the course with a passing grade. The general idea is to have a more focused and streamlined mathematics component and more emphasis on how logic and mathematics can be relevant

to cognitive science.

The proposals have been developed on the basis of student evaluations, with helpful input from Klara

Leffler (who taught the mathematics component in 2017), and Jessica Fahlen and Kai-Florian Richter.

2. Proposals

The proposed solutions involve:

1. changes to the expected learning outcomes (FSR);2. providing more information for the teacher of the mathematics component;

3. and changing the distribution of credits (hp) between the logic and mathematics component.

The first two proposals should be relatively easy to implement. The third proposal involves a more

drastic change to the structure of the course and requires more serious discussion.

2.1. Expected learning outcomes (FSR)

Current expected learning outcomes (FSR)

- kunna analysera den logiska formen hos en slutledning genom att översätta den till språket för första

ordningens predikatlogik (FSR1)

- kunna visa att en slutledning är giltig genom att härleda dess slutsats från dess premisser (FSR2)

- kunna visa att en slutledning är ogiltig genom att konstruera en modell i vilken slutledningens

premisser är sanna och dess slutsats falsk (FSR3)

- behärska grundläggande begrepp inom mängdlära, aritmetik, kombinatorik och grafteori (FSR4)

- kunna lösa enkla uppgifter inom nämnda områden (FSR5)

- kunna läsa och förstå elementära matematiska texter (FSR6)

- uppvisa förmåga till hållbar argumentation och bevisföring (FSR7)

Proposed expected learning outcomes (FSR)

Färdighet och förmåga

- kunna analysera den logiska formen hos en slutledning genom att översätta den till språket för första

ordningens predikatlogik

- kunna visa att en slutledning är giltig genom att härleda dess slutsats från dess premisser

- kunna visa att en slutledning är ogiltig genom att konstruera en modell i vilken slutledningens

premisser är sanna och dess slutsats falsk

- kunna lösa enkla uppgifter inom mängdlära och aritmetik (REVISED)

- uppvisa förmåga till hållbar argumentation och bevisföring.

Bilaga 2

Page 10: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

2

Kunskap och förståelse

- behärska grundläggande begrepp inom mängdlära och aritmetik (REVISED)

- uppvisa en grundläggande förståelse för hur logik och matematik kan användas i kognitionsvetenskap

(NEW)

Summary of changes:

The original FSR6 (“kunna läsa och förstå elementära matematiska texter”) has been removed as it

appears to have played a limited role in the course. A new FSR has been added that says that students are expected to display a basic understanding of how logic and mathematics can be used in cognitive

science.

The original FSR4 and FSR5 have been changed by removing combinatorics and graph theory, leaving

set theory and arithmetic. This is based on a general assessment of how essential these areas of

mathematics are to computer science and programming in particular.

2.2. Document

The proposal is to provide a document for whoever is teaching the mathematics component. The document is meant to include information about how to make the mathematics component relevant to

cognitive science and especially computer science and programming. This can e.g. include:

- specific examples;

- general information about how the relevant mathematical methods are used;

- and references to other sources.

The proposal is in part motivated by the fact that the previous three years has seen three different teachers

for the mathematics component. The situation is unlikely to change in the immediate future. A document

like this ought to serve as a useful resource for a new teacher. The goal is to increase the perceived

relevance of the course and thereby increase student engagement.

2.3. Distribution of credits

This is significantly more tentative proposal. It involves a much larger change to the structure of the

course. The proposal is to change the distribution of credits (hp) between the logic and mathematics so

that there is 4,5hp for the logic component and 3hp for the mathematics component, as opposed to the

other way around.

The main motivation for this change is that it makes it possible to devote more time to (i) developing an understanding of how the formal system works, and (ii) showing how logic is relevant to cognitive

science, especially computer science and psychology. As the course is currently organized, there is very

little time to go through anything except the bare essentials in the logic component. Having more time to develop understanding and explain the relevance of logic to e.g. computer science would hopefully

contribute to increased student engagement.

The proposal also makes sense given the proposed changes to the expected learning outcomes (i.e.

removing combinatorics and graph theory) and the overall goal of having a more focused and

streamlined mathematics component.

Torfinn Thomesen Huvenes

[email protected]

Page 11: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

Bilaga 3

Page 12: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade
Page 13: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade
Page 14: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade
Page 15: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

180910

Kursrapport Kursnamn: Kognitiv neuropsykologi Anm. Kod:

Kursledare: Eva Elgh Ev Programtillhörighet

Antal reg stud totalt:

År:

Antal inkomna kursutvärderingar:

Kursutvärdering

Kursledarens sammanfattning av kursen med anledning av lärarlagets & studenters utvärdering:

Kursledarens samlade bedömning, 1: Vad har fungerat bra?, 2: Vad har fungerat mindre bra?, 3. Vilka förändringar anses nödvändiga inför nästa kurstillfälle?

Datum: Kursledarens underskrift

Några förändringar är planerade för nästa kurstillfälle.

Titta över samplaneringen med den parallella kursen.

Stresseminariet, lägga in det tidigare på kursen och bara utgå från artiklar, ingen film.

Metaanalysen (en uppgift som studenterna verkligen gillar). Författa en studiehandledning för metaanalysen med tydliga instruktioner. Lägga in en statistikrepetition i början av kursen (lämplig lärare?). Lägga in några tillfällen med gemensam handledning på schemat (statistik)(Steven?). Lägga in ett undervisningstillfälle på schemat, när ett PM ska vara klart för att hantera att studenterna upplevde att det var svårt att disponera tiden.

Denna kurs är ganska välfungerande. Kursen har fyra examinerande moment, en digital tentamen (flerval), ett seminarium om stress, en miljölaboration och författande av en metaanalys. De flesta studenter bedömde kursen som okej/bra, intressant, rolig. Det studenterna tyckte var mindre bra var att det var stressigt, stressigt att läsa två kurser parallellt, stressigt med många moment och svårt med planering över tid av framför allt metaanalysen.

11

2KO022 2018 Termin: vt

Kandidatprogrammet i kognitionsvetenskap

16? Antal godk. efter Examination: 14

Bilaga 4

Page 16: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

TEK/NAT Kursrapport

Kurs

Applikationsprogrammering i Python

Kurskod

5DA000

Poäng

7.5

År

2018

Start v.

12

Institution

Institutionen för datavetenskap

Antal registrerade(män/kvinnor)

21 (13/8)

Antal aktiva studenter (deltagit i minst enexaminerande del)

20

Genomströmning (i %) och betygsutfall efter första tillfälle för examination (för varje betyg som satts på kursen ange antal som uppnåttdetta på formen ???

Genomströmning: 39% Betyg: U(13) G(4) VG(4)

Hur mycket schemalagd lärar-/assistent-ledd tid har studenten tillgång till på kursen?

15 x 2 timmar föreläsning samt 4 timmar projektredovisning.

Ca 30 timmar handledning i samband med föreläsningarna plus handledning via e-post.

Hur är undervisningen upplagd?

Huvuddelen av undervisningen har genomförts på traditionellt sätt med föreläsningar. På ett antal av föreläsningarna så harvi också lagt ininslag av övningar då studenterna jobbat med materialet. Inslag av liveprogrammering har funnits på denandra halvan av kursen.

För vart och ett av lärmålen (FSR:en) i kursplanen, beskriv kortfattat hur det examineras.

Visa färdigheter i att utveckla applikationer som innehåller flera interagerande komponenter som exempelvis, grafiskaanvändarytor, XML samt webbapplikationer

Obligatorisk inlämningsuppgift, muntlig redovising

Använda APIer och därmed kunna applicera programmering på nya applikationsområden

Obligatorisk inlämningsuppgift

Visa färdigheter i att använda grunderna i den objektorienterade programmeringsparadigmen

Obligatorisk inlämningsuppgift

Visa färdighet i att använda en projektmodell och redogöra för hur dess delar samverkar

Obligatorisk inlämningsuppgift, muntlig redovising

Visa färdighet att arbeta i en grupp utifrån en projektmodell, samt tillämpa de teoretiska kunskaperna ochobjektorienteringsparadigmet praktiskt på ett programmeringsprojekt

Obligatorisk inlämningsuppgift, muntlig redovising

Muntligt och skriftligt redovisa programmeringsprojekt på ett strukturerat sätt utifrån givna riktlinjer

Obligatorisk inlämningsuppgift

Beskriv hur betygssättningen på kursen fungerar. (Vilka betyg ges på kursen och hur sker bedömningen, dvs vilka delar betygssätts ochhur vägs de samman? Finns det skrivtliga betygskriterier och/eller lärmål (FSR) för de olika betygen?)

Kursen betygsätts utifrån tre obligatoriska uppgifter. Ingen tentamen ges på kursen. Betygen U, G och VG kan erhållas.De två fösta uppgifterna består av ett projektarbete i grupp med muntlig och skriftlig redovisning, samt opposition (skriftlig)på en annan projektgrupps arbete. Den sista uppgiften är en enskild uppgift med skriftlig redovisning som huvudsakligenavgör vilket betyg av G och VG som ges som kursbetyg. FSR används som utgångspunkt för betygsättningen. För att fåbetyget VG måste uppgiften vara objektorienterad, följa god programmeringsmetodik (definierad på kurssidan) ochprogrammet måste ha en smidigt och lättanvänt grafiskt gränssnitt. Dessutom måste en speciell metod användas för attkunna spara obegränsat antal relationer mellan personer i en databas.

Samläses denna kurs med andra kurser??

Nej

Om ja, hur många?

Hur stor andel av kursen samläses?

Samläser flera program denna kurs?

Ja

Om ja, hur många?

2

Arbetar studenterna i projektform på kursen?

Ja

Om ja, uppskattad omfattning i poäng på projektdelen:

3

Bilaga 5

Page 17: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

Antal projekt som varje student deltog i:

1

Antal studenter i projektgrupp:

3-4

Förväntades studenterna använda en projektmetodik för dokumentation och styrning (tex LIPS)?

Delvis

Hur skedde indelning av studenter i projektgrupper?

Studenterna skötte detta själva

Har studenterna uppmanats föra projektdagbok?

Nej

Om ja, Har dagboken utgjort grund för examination?

Nej

Kursens samverkan med forskning

Ingen samverkan med forskningsverksamhet förekommer på kursen

Annan samverkansform, nämligen:

Kursens samverkan med näringsliv eller offentlig verksamhet

Lärare/industridoktorander/adjungerade lärare med bakgrund från eller parallell verksamhet inom näringsliv eller offentligverksamhet är aktiva på kursen

Annan samverkansform, nämligen

Genomförda förändringar till detta kurstillfälle

Mer material om relationsdatabaser, tidigare i kursen

Förändringsförslag från föregående kursrapport

Fundera på att byta plats på om materialet hade kunnat omstruktureras så att det blir mer inslag av individuellprogrammering i början av kursen så att studenterna kommer in i detta igen snabbare.

Fundera på att lägga in ett schemalagt tillfälle för repetition i labbet i början av kursen.

Försök hitta fler programanpassade förslag på programmeringsprojekt.

Se över hur relationer i databaser gås igenom. Vart lite ont om tid på den föreläsningen detta år.

Lärare

Information om inblandade lärare

Kursansvarig

Thomas Johansson

Antal övrig personal som ej föreläser

0

Antal övriga föreläsare

0

Hur stor del av den schemalagda tiden på kursen undervisas av forskande lärare (dvs lärare med mer än 25% forskning i sintjänst)?

0

Hur stor del av den schemalagda tiden på kursen undervisas av lärare verksamma i näringsliv/offentlig verksamhet (dvs läraremed mer än 25% av sin tjänst förlagd till näringsliv/offentlig verksamhet)?

0

Kursvärd.

Totalt antal svarande

6/26 = 23 %

Page 18: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

Sammanställningsdatum

2018-06-19

När genomfördes kursvärderingen?

Efter genomfört första examinationstillfälle

För varje lärmål på kursen ange hur stor del av de studerande som uppger att det har behandlats på kursen - ange svaret i procent påformenhar behandlats/har inte behandlats/vet ej

Visa färdigheter i att utveckla applikationer som innehåller flera interagerande komponenter som exempelvis, grafiskaanvändarytor, XML samt webbapplikationer

53/0/17

Använda APIer och därmed kunna applicera programmering på nya applikationsområden

50/0/50

Visa färdigheter i att använda grunderna i den objektorienterade programmeringsparadigmen

83/1/0

Visa färdighet i att använda en projektmodell och redogöra för hur dess delar samverkar

83/0/1

Visa färdighet att arbeta i en grupp utifrån en projektmodell, samt tillämpa de teoretiska kunskaperna ochobjektorienteringsparadigmet praktiskt på ett programmeringsprojekt

100/0/0

Muntligt och skriftligt redovisa programmeringsprojekt på ett strukturerat sätt utifrån givna riktlinjer

100/0/0

Sammanf.

Sammanfattning av åsikterna i kursvärderingen - positivt och negativt kring föreläsningar, seminarier, grupparbeten, laborationer,examination etc

Samarbete med föregående Pythonkurs för att möjliggöra en smidigare övergång till kursen (vad kan studenterna ?).

Övningsuppgifter.

Riktlinjer för sista enskilda uppgiften.

Mer kodexempel.

Lärarnas synpunkter på kursens innehåll och genomförande

Kursen verkar ha fungerat bra. Ett problem är att eftersom det inte finns någon tentamen måste all examination ske viaobligatoriska inlämningsuppgifter, vilket gör att det inte finns så mycket att lägga sist i kursen och som inte behövs för någonuppgift. Vissa delar har dock flyttas om så att sista uppgiften ges mer tid.

Ett klagomål var att det var två helt nya saker som måste läras inför sista uppgiften, men syftet med denna kurs är ju just attbland annat lära sig dessa nya saker. Också övergången från att inte ha behövt använda klasser till att behöva dem varproblematiskt.

Ett stor programmeringsprojekt med i princip alla delar som behövs för att förstå sista uppgiften gicks igenom på kursen -dock var det bara ca hälften av studenterna i gruppen som var närvarande under hela kursen, vilken gör det svårt för desom inte var på föreläsningarna att studera exemplet själv.

Förslag till nästa kurstillfälle - ange vem som ansvarar för förändringen

ÖvningsuppgifterStörre inslag av liveprogrammeringCGI, HTML tidigare i kursen, om möjligt

Thomas Johansson

Bör kursplanen ändras till nästa kurstillfälle - vem ansvarar i så fall för att förändringen görs?

Nej

Granskn.

Granskare lärare (CAS-identitet)

thjo0002 [Johansson, Thomas]

Page 19: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

Granskare student (CAS-identitet)

leka0001 [Kallin Westin, Lena]

Granskare studieadministratör (CAS-identitet)

leka0001 [Kallin Westin, Lena]

Eventuella kommentarer på granskningsprocessen

Page 20: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

Kursrapport! ! ! ! ! !Kursnamn: Anm. Kod:

Kursledare: År: Termin:

Ev Programtillhörighet

Antal reg Antal godk. efter Antal inkomna stud totalt: Examination: kursutvärderingar:

Kursutvärdering Kursledarens sammanfattning av kursen med anledning av lärarlagets & studenters utvärdering:

Kursledarens samlade bedömning, 1: Vad har fungerat bra?, 2: Vad har fungerat mindre bra?, 3. Vilka förändringar anses nödvändiga inför nästa kurstillfälle?

Datum: Kursledarens underskrift

Projektarbete i kognitionsvetenskap 21110-UMU

Ulrich Olofsson 2018 VT

11 11 Gem 11

Studenterna tyckte det var en bra kurs, roligt att göra något "på riktigt". Referensgruppsmötena och den feedback grupperna fick uppskattades, men studenterna hade gärna sett något fler möte under inledningsfasen. Studenterna uppskattade också gruppkontrakt uppskattades och att få jobba agilt. Studenterna tyckte det var synd att VG baseras på individuella uppgifter och frörselog att feeback från företagen tas in i underlaget för betyget. Förslag att göra en gemensam reflektion istället för en indviduell.

Kursen hade utökade moment med en föreläsning och workshop om agila metoder med en scrummaster och en föreläsning och workshop om arbetsgruppens psykologi. Information om kursen gavs i god tid för att ge möjlighet till förberedelser.

1) Kursen flöt på bra och studenterna genomförde bra projekt för exernauppdragsgivare, kursmålen nåddes av samtliga.

2) Majoriteten av studeterna deltog inte i workshops och föreläsningar om agil metodoch arbetsgruppens psykologi. Ett visst underutnyttjande av handledningstid. Håller med studeterna att det hade varit fint att få sätta graderade betyg på själva projekten

3) Kursen fungerar bra men betygssättningskriterier och krav på deltagande iworkshopar bör ses över.

180910

Kandidatprogrammet i kognitionsvetenskap

Bilaga 6

Page 21: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

2018-09-10

Kursrapport Kursnamn: Statistik & empirisk metod Anm. Kod:

Kursledare: Patrik Hansson Ev Programtillhörighet

Antal reg stud totalt:

År:

Antal inkomna kursutvärderingar:

Kursutvärdering

Kursledarens sammanfattning av kursen med anledning av lärarlagets & studenters utvärdering:

Kursledarens samlade bedömning, 1: Vad har fungerat bra?, 2: Vad har fungerat mindre bra?, 3. Vilka förändringar anses nödvändiga inför nästa kurstillfälle?

Datum: Kursledarens underskrift

Patrik Hansson

1. I princip alla inslag har fungerat bra. Resultatet på salstentamen var överlag mycketbra, både vad gäller metoddelen och statistikdelen. 2. Det kvalitativa inslaget bör styras upp. Kursen bör bemannas med hänsyn till att dettainslag är en relativt stor examinerande del på kursen. 3. Det som måste göras inför Vt19 är att kontakta statistiska intuitionen och få klartvilken lärare som ska ta över efter Kenny Bränberg. Det har också kommit synpunkter från övriga lärare på programmet att variansanalys bör tas upp under statistikdelen och undertecknad håller med om detta. I samtal med Kenny anser han att detta inte är några problem. Min bedömning är att införandet av variansanalys inte innebära några ändringar i kursplanen vad gäller FSR.

Kenny Bränberg (statistiska institutionen) har haft hand om statistikdelen på kursen. En miss från kursledaren har gjort att inga utvärderingar inkommit vt18. Kursen har överlag fungerat bra. Dock har vi i lärarlaget tyckt att det råder lite oklarheter angående det kvalitativa inslaget. Anledningen till detta tros var en relativt stor omsättning av kursledare de senaste åren. Jenny Nilsson har varit en stor tillgång vad gäller det kvalitativa inslaget, dock bör hennes roll specificeras mer ingående Vt19.

0

21101 2018 Termin: VT

Kandidatprogrammet i kognitionsvetenskap

21 Antal godk. efter Examination: 15

Bilaga 7

Page 22: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

2018-09-10

Kursrapport Kursnamn: Tillämpad kognitiv psykologi Anm. Kod:

Kursledare: Michael Rönnlund Ev Programtillhörighet

Antal reg stud totalt:

År:

Antal inkomna kursutvärderingar:

Kursutvärdering

Kursledarens sammanfattning av kursen med anledning av lärarlagets & studenters utvärdering:

Kursledarens samlade bedömning, 1: Vad har fungerat bra?, 2: Vad har fungerat mindre bra?, 3. Vilka förändringar anses nödvändiga inför nästa kurstillfälle?

Datum: Kursledarens underskrift

1. Projekarbete och koordination av resurser i lärarlaget fungerade bra.Kompletterande litteratur (dvs. utöver Groome and Eysenck, som legat till grund för innehållet i föreläsningar i högre grad tidigare) verkar ha fallit ut relativt väl både i ljuset av bedömningarna och erfarenheter i lärarlaget. 2. Litteraturseminarierna hade lägre grad av uppslutning än tidigare, vilket särskilt bör betänkas inför nästa kurstillfälle. Dessa borde göras obligatoriska för att öka aktivitet, alt. modifieras på annat sätt.

Samtliga besvarade den skriftliga kursutvärderingen. Den visar på (måttligt) positiva skattningar (1-5, Likertskala) överlag för 1) grad av tydliga mål (M = 3.3), 2) kurslitteratur (M = 3.9), 3) föreläsningar (M = 4.0), 4), och höga skattningar av projektarbetets relevans för kursmål (M = 4.3) och dito för skriftlig tentamen (M = 4.3) på en femgradig skala (5 = hög relevans). Seminarier avviker lite (M = 2.). Projektarbetets relevans nämndes särskilt i skriftliga kommentarer. Inför detta kurstillfälle gjordes ansträngningar från kursledare/lärarlagets sida att undvika det överlapp som ett flertal studenter tidigare terminer påpekat (dvs. överlapp med baskurser i kogn/per på termin 1). Denna gång framkom i kursutvärderingar inte den typen av kritik mot kursinnehållet. Flera nämnde att kurslitteraturen var intressant/relevant. Flera föreslog att dessa skulle vara obligatoriska alt. att deras vikt för tentan skulle göras mer tydliga,; i nuläget upplevde några detta som oklart.

15

2KO017 2018 Termin: vt

Kandidatprogrammet i kognitionsvetenskap

15 Antal godk. efter Examination: 10

Bilaga 8

Page 23: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

Utkast 20180611

Institutionen för psykologi 901 87 Umeå www.umu.se

Gemensam Policy/Klasskontrakt på Psykologprogrammen

Syftet med gemensam Policy/klasskontrakt:

Tydliggöra förväntningar, rättigheter och skyldigheter. Bidra till ett gott lärandeklimat och arbetsmiljö i klassen. Ge tillfälle för synliggörande av värden och normer i klassen och på programmet

Relation till de nationella målen: Det här undervisningsinslaget kan också ställas i relation till de nationella mål för psykologexamen som finns i utbildningsplanen. Då tänker vi speciellt på följande mål:

• visa förmåga till lagarbete och samverkan med andra yrkesgrupper,• visa förmåga att kritiskt och självständigt granska, bedöma och använda

relevant information samt att diskutera nya fakta, företeelser och frågeställningarmed olika grupper och därmed bidra till utveckling av yrket och verk-samheten.

• visa förmåga att identifiera sitt behov av ytterligare kunskap och att fort-löpande utveckla sin kompetens.

Introduktion till Uppgiften

Läsa igenom Policyn och definiera vad den kan innebära i förhållande till varandra och lärare utifrån följande pedagogiska situationer:

• Självständiga studier• Föreläsning• Workshops/Seminarier• Grupparbeten

1) Indelning i grupper (befintliga självstudiegrupper?)2) Läs igenom Policyn (10 min)3) Välj gemensamt 1 ruta ur varje tema (vetenskapligt förhållningssätt och

färdigheter, En god lärmiljö, klassen) som ni väljer att konkretisera med tvåbeskrivande exempel från de pedagogiska situationerna ovan.

Ett exempel som beskriver hur det kan vara när det fungerar bra.Ett exempel som beskriver hur det kan vara när det fungerar dåligt.

Ta hjälp av bra och dåliga erfarenheter för att beskriva situationen (45 min)

4) Grupperna redovisar för varandra (5 min/grupp)3-4 grupper i varje redovisningsgrupp (20 min)

Bilaga 9

Page 24: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

Utkast 20180611

Institutionen för psykologi 901 87 Umeå www.umu.se

Pedagogiskt dokument vid Umeå Universitet, Institutionens för Psykologi, gällande gemensamt ansvar för kvalitetsarbete och studentinflytande. Detta dokument grundar sig Högskolelagens skrivningar kring lärares och studenters gemensamma ansvar för kvalitetsarbete, studenters rätt till inflytande över utbildningen. (HL § 4) Samt Umeå Universitets regelverk för utbildning på grund och avancerad nivå. Många av skrivningarna har hämtats ifrån Pedagogiskt program vid Uppsala Universitet. 1 Vetenskapligt förhållningssätt och färdigheter (rättigheter och skyldigheter) Universitets ansvarar för att: Studentens ansvarar för att: Undervisningen vilar på, vetenskaplig grund, beprövad erfarenhet och pedagogiska ställningstaganden. Ansvar för lärare att följa med i forskningsutvecklingen och uppdatera sina ämneskunskaper och pedagogik. (HL kap 4)

Det är studentens ansvar att läsa och reflektera över kurslitteraturen och annat kursmaterial samt kritiskt granska källor och referenser. Studenten skall vara öppen för nya perspektiv på ämnet och delta i diskussioner och reflektioner över kunskapssyn och vetenskaplighet.

Utbildningen skall stimulera nyfikenhet, reflektion, prövande hållning och självständighet. Utbildningen skall tillgodose såväl individen som samhällets behov av kunskap, färdigheter, bildning och vidgade perspektiv och ge förutsättning för personligt utveckling och livslångt lärande. (UMU:S kvalitetssystem för utbildning på grund och avancerad nivå)

Reflektera över påståenden och resonemang för att ifrågasätta, klargöra och förstå

Ge studenterna möjlighet att utöva inflytande över utbildning och ta aktiv del i vidareutveckling av utbildningen. (HL kap 1) Regler för student inflytande vid UMU)

Ta en aktiv och engagerad roll som individer och kollektiv (via studentkåren) i beredande och beslutande organ på samtliga nivåer vid UMU.

Inhämta information om utbildningsprogram och kurser via olika utvärderingar som underlag för utvecklingsarbete. (UMU:S kvalitetssystem för utbildning på grund och avancerad nivå)

Nyttja möjligheten att delta vid återkoppling i program och kursutvärderingar på lärandeformer, innehåll och ge konstruktiva förslag på hur undervisningen kan utvecklas.

Page 25: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

Utkast 20180611

Institutionen för psykologi 901 87 Umeå www.umu.se

2 En god Lärmiljö (Kultur/Öppet klimat) Universitetets ansvar för att: Studenten ansvarar för att: All undervisning skall bedrivas i ändamålsenliga lokaler, användbar teknisk utrustning skall tillhandahållas samt bibliotek. (UMU:S kvalitetssystem för utbildning på grund och avancerad nivå)

Studenten skall ta tillvara den information som erhålls om mål och syfte med olika undervisningsformer, samt utnyttja resurser som gynnar lärande så som lärplattformar och bibliotek.

Erhålla de studerande tillgång till studievägledning lärandestöd, studenthälsa (UMU:S kvalitetssystem för utbildning på grund och avancerad nivå)

Studenten förväntas i god tid informera lärare eller studievägledare om specifika behov eller funktionsvariationer som kan påverka kursmoment och vara beredd att diskutera och föreslå åtgärder och anpassning med lärare

Lärmiljöer och Undervisning utformas utifrån beaktande av likavillkors- och tillgänglighetsperspektiv (UMU:S kvalitetssystem för utbildning på grund och avancerad nivå)

Reflektera över den egna rollen i olika undervisningsformer så som föreläsning, seminarier, worshops mm och bidra aktivt och konstruktivt efter bästa förmåga.

Lärare skall förmedla information om schemaläggning, undervisningsformer och annan relevant information som underlättar undervisning och lärande. (Regler för studieadministration på grund och avancerad nivå UMU)

Delta vid diskussioner med lärare och medstudenter om undervisningsformens utvecklingsmöjligheter med hänsyn till undervisningens syfte och mål. Vid behov söka upp och nyttja befintliga stödresurser så som studieverkstad, informationssökning och studievägledning.

Tillhandahålla en funktionell lärplattform för lärare och studenter.

Tillägna sig och använda det digitala stödet som används i undervisningen. Reflektera över hur det digitala stödet kan användas och utvecklas för att berika lärmiljön.

Nya studenter skall tidigt få en introduktion till universitetsstudiernas upplägg och krav för att ha förutsättningar att utveckla goda studievanor samt självständigt söka och värdera information.

En ny student förväntas sätta sig in i vad universitetsstudier innebär genom att ta del av det pedagogiska dokumentet och formella introduktionsmoment så som välkomstarrangemang.

Varierande examinationsformer skall väljas med hänsyn till kunskaper och färdigheter kopplade till förväntade studieresultat.

Studenten skall ta del av och reflektera över de förväntade studieresultaten och bedömningskriterier samt fråga om något är oklart.

Arbeta för att kursvärderingar blir en integrerad del av kursen, genom återkoppling av tidigare resultat, regelbundna

Nyttja möjligheten att delta vid kursvärderingar och diskussionsforum

Page 26: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

Utkast 20180611

Institutionen för psykologi 901 87 Umeå www.umu.se

avstämningar under kursers gång samt ge studenter möjlighet att delta vid planering, genomförande och uppföljning av kursvärderingarna. (Handläggningsordning för kursvärderingar –genomförande och ansvar vid UMU)

Vända sig till läraren vid synpunkter på pedagogiskt upplägg eller till kursansvarig, studierektor, studievägledare eller ytterst prefekten i nämnd ordning om synpunkterna är svåra att framföra direkt till läraren.

Läraren skall vid kursintroduktion stödja underlätta för studenten att få en överblick över helheten och förstå kursinnehållet och sambandet med övriga kurser.

Söka information, närvara vid kursintroduktion, läsa kursplanen och annan information relaterad till kursen samt fråga om något oklart. Reflektera över kursinnehållet i relation till det egna lärandet, studieteknik.

3 Klassen (samarbete lärare/student och aktiverande undervisningsformer) Universitetets ansvar för att: Studenten ansvar för att: Läraren skall visa respekt för studenterna och ta tillvara deras varierande bakgrunder och skilda förutsättningar för lärande och funktionsvariationer.

Studenter skall samarbeta och visa respekt för alla medstudenter och lärare.

I introduktionen skall nya studenter ges information om befintliga stödresurser i studieteknik, stresshantering och psykisk ohälsa.

Utnyttja de allmänna resurser som finns i form av studietekniks föreläsningar, drop in tider i studieverkstad, resurslabb, kurser i informationssökning, studievägledning och studenthälsa.

Skapa en plattform för att värden och normer skall synliggöras och diskuteras.

studenter har ett ansvar att synliggöra normer och värden i klassen och på sitt utbildningsprogram.

Läraren skall välja varierande undervisnings och examinationsformer som stimulerar till studentaktivitet och djupinlärning samt uppmuntrar till samarbete.

Studenten ska ta ansvar för det egna lärandet och bidra till medstudenters lärande. Delta i och bidra till diskussioner och grupparbeten. Reflektera över det egna sättet att lära för att utveckla bra studievanor.

Läraren skall ta tillvara studenternas kunskaper, erfarenheter och perspektiv och ämnesinnehållet skall i möjligaste mån knytas till ett vidare sammanhang. Arbetslivsanknytning skall ske.

Tillvarata sina egna och sina medstudenters perspektiv och erfarenheter vid tex grupparbeten och seminarier. Reflektera över kopplingen mellan teori och tillämpning.

Lärare skall möjliggöra för konstruktiv återkoppling mellan studenter och ge

Studenten skall tillvarata tillfällen för muntlig och skriftig färdighetsträning samt uppmuntra

Page 27: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

Utkast 20180611

Institutionen för psykologi 901 87 Umeå www.umu.se

möjligheter till att utveckla dessa kommunikativa färdigheter.

och stödja sina medstudenter inför och under dessa tillfällen. Ge konstruktiv återkoppling till varandra när möjligheter till detta ges.

Länkar: http://www.umu.se/digitalAssets/193/193958_kvalitetssystem-fr-utbildning-p-grundniv-och-avancerad-niv-rektor-170221x.pdf http://www.umu.se/digitalAssets/175/175107_regler-fr-studentinflytande-151214.pdf http://www.umu.se/digitalAssets/126/126860_500-1022-13-handlggningsordning-fr-kursvrderingar.pdf http://www.umu.se/digitalAssets/184/184596_fs-1.1-340-16-regler-fr-studieadministration-p-grund--och-avancerad-niv.pdf http://regler.uu.se/dokument/?contentId=14251

Page 28: och - umu.se · 2018-10-30 · Kurs Applikationsprogramm ering i Python Kurskod 5DA000 Poäng 7.5 År 2018 Start v. 12 Institution Institutionen för datavetenskap Antal registrerade

Utkast 20180611

Institutionen för psykologi 901 87 Umeå www.umu.se

Hit vänder du dig om följande situationer uppstår Ytterst ansvarig för utbildningen vid institutionen för Psykologi och de beslut som fattas och åtgärder som vidtas är prefekt.

Typ av fråga Vem kan jag vända mig till? Problem med undervisningsinslag Undervisande lärare Problem med en specifik kurs Kursansvarig i 1:a hand sedan

studierektor Problem med bristande information om kurs

Kursansvarig i 1:a hand sedan studierektor

Problem med registrering på kurser/rapportering av kurspoäng

Studieadministratören

Problem med studierna Studievägledaren/Studentkåren Trakasserier och diskriminering Institutionens prefekt Problem med arbetsmiljön Studerandearbetsmiljöombud Du blir sjuk Studievägledaren Mår psykiskt dåligt Studievägledaren/Studenthälsan Behöver enskilda samtal Studenthälsan/Studentpräst Upplever bristande kvalitet i undervisningen.

Ta upp med kursledaren under kursens gång och vid kursutvärderingar

Du hamnar i konflikt med en medstudent

Studievägledaren i 1:a hand sedan studierektor

Du hamnar i konflikt med en lärare Studierektor Om det blir problem i klassen tex vid grupparbeten

Kursansvarig i 1:a hand sedan studierektor