Engelskt namn: Human Robot Interaction
Denna kursplan gäller: 2017-06-26 och tillsvidare
Kursplan för kurser med start efter 2017-06-26
Kurskod: 5DV173
Högskolepoäng: 7,5
Utbildningsnivå: Avancerad nivå
Huvudområden och successiv fördjupning:
Datavetenskap: Avancerad nivå, har endast kurs/er på grundnivå som förkunskapskrav
Betygsskala: Med beröm godkänd, icke utan beröm godkänd, godkänd, väl godkänd, godkänd, underkänd
Ansvarig institution: Institutionen för datavetenskap
Beslutad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2017-03-06
Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2017-10-02
Kursen handlar om fysiska robotar som används i tillämpningar med nära interaktion mellan robotar och människor. Fokus ligger på designöverväganden, utformning av mjukvara, och utvärdering av sådana tillämpningar.
Kursen är indelad i ett teoretiskt moment (Moment 1: Teori, 4.5 hp) och ett praktiskt moment (Moment 2: Praktik, 3 hp). Det teoretiska momentet tar upp aktuella frågeställningar, etablerad praxis, och använda metoder för att designa, konstruera, och utvärdera system av samverkande robotar och människor, och ger viss praktisk övning i att tillämpa denna kunskap. Exempel på begrepp som normalt tas upp i detta moment är autonomi, user-centered design, embodiment, anthropomorphism, emotions, design patterns, proxemics, deictic gestures, och natural language processing.
Det praktiska momentet löper parallellt med det teoretiska, och består i huvudsak av projektarbeten i grupp. Teorier, metoder och tekniker från det teoretiska momentet tillämpas för att designa och utveckla program för robotar som samverkar med människor. Praktiskt arbete med utvärdering av sådana robotar ingår också.
Kunskap och förståelse
Efter avslutad kurs ska studenten kunna
Färdigheter och förmågor
Efter avslutad kurs ska studenten ha praktiska färdigheter i
Värderingar och förhållningssätt
Efter avslutad kurs ska studenten kunna
För tillträde till kursen krävs följande (eller motsvarande): 60 hp i huvudområdet datavetenskap eller 2 års avklarade studier (120hp), i båda fallen inkluderande minst 7.5hp kurser på kandidatexamensnivå som behandlar Artificiell intelligens (tex Artificiell Intelligens - grunderna).
Engelska A/5 och svenska för grundläggande behörighet för högskolestudier (om kursen ges på svenska).
Undervisningen bedrivs i form av föreläsningar, arbete i mindre grupper, studentpresentationer, samt projektarbete i datorlabb och andra miljöer. Utöver schemalagda aktiviteter krävs även individuellt arbete med materialet.
Examinationen av det teoretiska momentet (FSR 1-6, 10) sker genom en skriftlig examen i skrivsal. 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 provtillfällen.
Examination av det praktiska momentet (FSR 7-9) sker genom skriftlig och muntlig redovisning i grupp av de utförda projektarbetena. Antalet projektarbeten kan variera mellan olika kurstillfällen och beror på deras omfattning men är aldrig mer än 5. Betyget på det praktiska momentet är något av betygen Underkänd (U) eller Godkänd (G).
Student som inte godkänns på det praktiska momentet, men som deltagit i de flesta aktiviteter kan ges ett omprov för de saknade 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 gör då om det praktiska momentet i sin helhet och har ingen automatisk rätt att åberopa godkända delresultat.
På hela kursen ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). Betyget på teoridelen bestämmer betyget på kursen 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.
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.
Litteraturlistan är inte tillgänglig via den webbaserade utbildningskatalogen. Kontakta aktuell institution.