DSK808: Visualisering

Studienævn for naturvidenskabelige IT-uddannelser

Undervisningssprog: Engelsk
EKA: N340146202
Censur: Ekstern prøve
Bedømmelse: 7-trinsskala
Udbudssteder: Kolding
Udbudsterminer: Efterår
Niveau: Kandidat

STADS ID (UVA): N340146201
ECTS-point: 5

Godkendelsesdato: 26-03-2026


Varighed: 1 semester

Version: Godkendt - aktiv

Intern kursuskode

DSK808

Indgangskrav

Kurset kan ikke vælges hvis du har bestået, er tilmeldt eller har fulgt DM878eller DS808, eller hvis DM878eller DS808 indgår som obligatorisk i din studieordning.

Faglige forudsætninger

Studerende, der følger kurset, forventes at have grundlæggende programmeringsfærdigheder.

Formål

Visualiseringer er et vigtigt værktøj for eksperter indenfor forskellige områder (f.eks. samfundsvidenskab, bioinformatik, digital humaniora og sport) for at få et overblik over datafordelinger og indsigt i fremherskende datamønstre på en forståelig, intuitiv og visuel form. Målet med kurset er at gøre det muligt for den studerende at udvikle passende visuelle grænseflader til (domænespecifikke) brugerløsninger. Dette er vigtigt, da mange studerende vil blive ansat i sektorer, der kan kræve løsninger til visuel dataudforskning.


Efter afsluttet kursus skulle studerende have fået viden om:
  • Metoder til visualiseringsdesign
  • Syn og menneskelig opfattelse
  • Data- og opgaveabstraktion til visuelt design
  • Visuel indkodning- og interaktionsværktøjer
Efter kurset skal de studerende have tilegnet sig færdighederne i at:
  • Vurdere brugerkrav til visuelt design
  • Udvikle visuelle grænseflader til multivariate datasæt
  • Anvende interaktionsværktøjer til at understøtte interaktiv visuel dataudforskning
  • Validere effektiviteten af ​​visualiseringsløsninger
Efter kurset skal studerende være kompetente i at:
  • Abstrahere domænespecifikke visualiseringsopgaver
  • Tilpasse eksisterende løsninger til understøttelse af relaterede visualiseringsopgaver
  • Udvikle nye visualiseringer til ikke-understøttede brugeropgaver
  • Argumentere omkring datakarakteristika på baggrund af visuelle mønstre

Målbeskrivelse

For at nå kursets mål er læringsmålet for kurset, at den studerende demonstrerer evne til at:  
  • Forklare visuelle designmetoder for vilkårlige brugeropgaver
  • Vælge passende visuelle karakteristika til kortlægning af datafunktioner
  • Forklare og anvende passende avancerede visualiseringmetoder
  • Evaluere kvaliteten af og foreslå forbedringer til visuelle kortlægninger
  • Løse visuelle designopgaver i teams

Indhold

Kurset indeholder følgende faglige hovedområder: 
  • Nestede modeller til visualiseringsdesign
  • Syn og menneskelig opfattelse og deres indflydelse på visuelt design
  • Hvilke typer data kan visualiseres? (dataabstraktion)
  • Hvorfor skal vi visualisere? (opgaveabstraktion)
  • Hvordan visualiserer vi? (visuel kodning)
  • Færdigheder til at interagere med visuelle repræsentationer
  • Informationssøgning og visuel analyse
  • Avanceret visualisering af numeriske, tekstmæssige, geospatiale, tidsmæssige og netværksdata.

Litteratur

Se itslearning for litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Efterår og januar

Udprøvninger

Portfolio med mundtligt forsvar

EKA

N340146202

Censur

Ekstern prøve

Bedømmelse

7-trinsskala

Identifikation

Fulde navn og SDU brugernavn

Sprog

Følger, som udgangspunkt, undervisningssprog

Hjælpemidler

Alle almindelige hjælpemidler tilladt med undtagelse af brug af AI værktøjer (f.eks., ChatGPT, Microsoft Copilot, Gemini etc.) 

ECTS-point

5

Uddybende information

Portfolioeksamenen består af følgende elementer:

  1. En individuel obligatorisk opgave, i løbet af semesteret.
  2. Et gruppeprojekt med en skriftlig videnskabelig kort artikel og en kort demonstrationsvideo, der beskriver gruppens visualiseringsprojekt.
  3. En fælles posterpræsentation af visualiseringsprojektet med en mundtlig gruppediskussion (efter element 2 er blevet bedømt).
  4. En individuel mundtlig eksamen (samme dag, efter element 3 er afsluttet).

For at opnå en bestået samlet karakter skal alle elementer hver især opfylde læringsmålene.

Bedømmelsen af element 2 finder sted i forbindelse med gennemførelsen af element 3 og 4. I den endelige karakter vægtes elementerne som følger, selvom der anvendes en samlet vurdering:

  1. 10%
  2. 40%
  3. 30%
  4. 20%

Vejledende antal undervisningstimer

36 timer per semester

Undervisningsform

Planlagte lektioner:  
Samlet antal planlagte lektioner: 36  
Fælles lektioner (forelæsninger) i klasseværelse/auditorium: 20  
Holdlektioner (øvelsesklasser) i klasseværelse: 16  

Forelæsningerne indeholder flere praktiske aktiviteter for at styrke forståelsen af det teoretiske indhold. Øvelsesklasserne omfatter diskussion og udvikling af visualiseringsprogrammer i Python. Derudover vil de studerende modtage feedback på gruppearbejder i øvelsesklasserne samt efter anmodning fra underviseren 

Andre planlagte undervisningsaktiviteter:  
Selvstudie af forskellige dele af kursusmaterialet  
Programmeringseksperimenter med materiale fra øvelsesklasserne

Ansvarlig underviser

Navn E-mail Institut
Alexandra Diehl diehl@imada.sdu.dk Institut for Matematik og Datalogi
Stefan Jänicke stjaenicke@imada.sdu.dk Data Science

Skemaoplysninger

Kolding
Vis fuldt skema

Administrationsenhed

Institut for Matematik og Datalogi (datalogi)

Team hos Registratur

NAT

Udbudssteder

Kolding

Anbefalede studieforløb

Overgangsordninger

Overgangsordninger beskriver, hvordan et kursus erstatter et andet kursus, når der ændres i et studieforløb.
Hvis der er lavet en overgangsordning for et kursus vil den fremgå af oversigten.
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.