DS822: Thick Data Analytics

Det Naturvidenskabelige Studienævn

Undervisningssprog: På dansk eller engelsk afhængigt af underviser
EKA: N340077102
Censur: Intern prøve, to eller flere bedømmere
Bedømmelse: 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Efterår
Niveau: Kandidat

STADS ID (UVA): N340077101
ECTS-point: 5

Godkendelsesdato: 13-05-2020


Varighed: 1 semester

Version: Godkendt - aktiv

Indgangskrav

Dette kursus kan ikke tages af bachelor- eller kandidatstuderende på Datalogi

Faglige forudsætninger

Ingen

Formål

Formålet med seminaret er at give de studerende en forståelse for teknologisk udvikling i et antropologisk perspektiv. Fokus vil være på relationer mellem innovation, social forandring og forbrugspraksisser og på implikationer af disse relationer for beslutningstagere.  Kurset dækker bl.a. følgende emner:

Etnografiske praksisser ved innovation, design og organisationskultur, eksempler på hvordan hverdagsforhold og fremtid konstrueres i interaktionen mellem mennesker og teknologi, teknologiens rolle  i samspillet mellem borgere, organisationer og stat; og Internet of Things som et nyt domæne for social relationalitet.

Overordnet udstyrer kurset den studerende med viden og kompetencer til at håndtere processer, der involvere teknologi- og forbruger-samspil, og anvende markedsetnografisk viden til at designe og evaluere på menneske-teknologi interaktion. Disse kompetencer er anvendelige i en bred vifte af servicer og velfærds-kontekster.

I lyset af globaliseringen, og de medfølgende udfordringer ved at udføre lokale studier af kulturelle processer, ses der en stigende interesse for innovation og teknologi indenfor antropologi. Studerende er præsenteret for brugen af etnografi og antropologi i design af apparater, produkter, servicer og infrastruktur, som værktøjer til at håndtere de kulturelle kompleksiteter og organisatoriske dynamikker, der kan spille ind på designet.

Kurset vil beskæftige sig med teknologi på følgende måder:

  1. Teknologi anvendt på individuelt niveau: Sociale medier, algoritmer og Selv-analyse (når mennesket måler, monitorere og tracker sig selv), Analog vs. Digitale medier materialitet.
  2. Tekniske systemer såsom kommunikationsnetværk, energiinfrastruktur, vej-, vand- og affaldssystemer, der oplever øget interesse som steder for etnografiske samtidsstudier af udvikling, interessentnetværker, projekter og relationer.
  3. Robotter – fx droner og velfærdsteknologiske løsninger.

Faget indgår som valgfag i Data Science fagretningen "Economics and Business Adminstration"

Generelle kompetencer:

  • viden om fagretningens behov og muligheder i arbejdet med og behandling af data
  • kompetencer i at udvælge, anvende og sammensætte de rette programmerings-, statistik- og maskinlæringsværktøjer og -metoder til at arbejde med data inden for fagretningen
  • færdigheder i at styre arbejds- og udviklingssituationer, der er komplekse inden for databehandlings- og analyseområde samt i at igangsætte og gennemføre analyse

Målbeskrivelse

For at opfylde læringsmålet for kurset skal de studerende:

Demonstrere, at de besidder viden ved at være i stand til:

  • at forklare hvordan antropologi kan bidrage til analysen af relationen mellem teknologi, kultur og erhvervsliv.
  • at forklare de kulturelle principper og metoder, der bruges i udviklingen af en bestemt teknologi.

Demonstrere, at de har færdigheder til at analysere og vurdere et specifikt teknologisk indhold ved at: 

  • Analysere de teoretiske forhold og koblinger mellem teknologier, kultur og menneskelig praksis
  • Undersøge og analysere drivere og barrierer omkring teknologisk innovation og udvikling, med særligt fokus på nævntes kulturelle dimensioner
  • Være i stand til at påvise kulturelle mønstre bag dataanalyse og anvende denne indsigt til strategisk beslutningstagning
  • Foretage analyse af de etiske spørgsmål, i spil ved interaktion med teknologi
  • Reflektere kritisk over teknologisk innovation i et samfundsfagligt perspektiv
  • Baseret på analysen af en given teknologi at bidrage med input til udviklingsbeslutninger.
  • Reflektere over, hvordan modeller og teorier om teknologier kan inddrages til at understøtte beslutninger i en velfærdssammenhæng.

Indhold

Kurset indeholder følgende faglige hovedområder: 

  • Teorier om organisationskultur og teknologi
  • Teorier og cases om innovation og designantropologi information
  • Teknologier og Socialt liv
  • Teknologisk infrastruktur og kultur

Litteratur

Se itslearning for pensumlister og yderligere litteraturhenvisninger.

For eksempel:

  • Hyysalo, Sampsa Torben Elgaard Jensen and Nelly Oudshoorn (2016) The New Production of Users Changing innovation collectives and Involvement strategies. New York: Routledge.
  • Verbeek. Paul (2011) Moralising technology, Understanding and Designing the Morality of things. London: University of Chicago press.
  • Ruckenstein, Minna 2014. Visualized and Interacted Life: Personal Analytics and Engagements with Data Doubles. Societies 4(1):68–84.
  • Taina Bucher (2017) The algorithmic imaginary: exploring the ordinary affects of Facebook algorithms, Information, Communication & Society, 20:1, 30-44.
  • Von Schnitzler, Antina. 2013. Travelling Technologies. Infrastructure, Ethical Regimes, and the Materiality of Politics in South Africa. Cultural Anthropology 28 (4): 670-693.
  • Larkin, Brian. Signal and noise: media, infrastructure, and urban culture in Nigeria. Duke University Press, 2008.
  • Kristin Asdal, Brita Brenna and Ingunn Moser (eds.) (2007) & Technoscience. The Politics of Interventions. Oslo: Oslo University Press.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Efterår

Udprøvninger

Hjemmeopgave

EKA

N340077102

Censur

Intern prøve, to eller flere bedømmere

Bedømmelse

7-trinsskala

Identifikation

Fulde navn og SDU brugernavn

Sprog

Følger, som udgangspunkt, undervisningssprog

Hjælpemidler

Oplyses på kurset

ECTS-point

5

Uddybende information

Læringsmålene, der opnås gennem semesteret vurderes gennem en skriftlig rapport, der udarbejdes på baggrund af den studerendes uafhængige forskning og inkorporerer de data, der indsamles i løbet af semesteret. Sådanne materialer kan vedlægges som bilag til rapporten på 10 sider. Rapporten skal være i overensstemmelse med standardformater for forskningsartikler.

Supplerende oplysninger om reeksamen: Et forbedret forskningsartikel. Der gives kort vejledning i form af en uddybning af de større svagheder i den originale udgave. 

Vejledende antal undervisningstimer

32 timer per semester

Undervisningsform

På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen.

  • Introfase: 4 timer 
  • Træningsfase: 28 timer. Seminar gennemført som rundbordssamtaler mellem studerende og lærer. Hvis mere end 20 studerende tilmeldes kurset, ændres undervisningens format til forelæsninger. Det forventes, at de studerende forbereder en mundtlig præsentation af 1) læsninger, der relaterer sig til temaerne i kurset og til de studerendes eget individuelle forskningsprojekt 2) deres egne projekter

Ansvarlig underviser

Navn E-mail Institut
Christian Møller Dahl cmd@sam.sdu.dk Econometrics and Data Science
Dorthe Brogård Kristensen dbk@sam.sdu.dk Consumption, Culture and Commerce (CCC)
Julie Emontspool juli@sam.sdu.dk Consumption, Culture and Commerce (CCC)
Oliver Baumann oliv@sam.sdu.dk Strategic Organization Design (SOD)

Skemaoplysninger

Administrationsenhed

Institut for Matematik og Datalogi (datalogi)

Team hos Uddannelsesjura & Registratur

NAT

Udbudssteder

Odense

Anbefalede studieforløb

Profil Uddannelse Semester Udbuds periode