Digitale temaer

Ni digitale temaer og kompetence-elementer konkretiserer, hvad alle fremtidige DTU-ingeniører skal have viden om. De ni digitale temaer og kompetence-elementer er udtryk for et minimumsniveau, og videnniveauet vil variere afhængig af uddannelsesniveau og retning.

De digitale temaer skal nu implementeres i alle uddannelser. Implementeringsarbejdet er allerede godt i gang på bacheloruddannelserne, hvor Polyteknisk Grundlag i sig selv kan dække de ni temaer og kompetence-elementer. Se illustration af igangværende arbejde med at vise hvordan de polytekniske grundlagskurser bidrager til de 9 digitale temaer på civilingeniøruddannelsen.

På diplomingeniøruddannelserne implementeres de digitale temaer og kompetence-elementer som led i en større revision af uddannelserne, og på kandidatuddannelserne vil der i løbet af efteråret blive udarbejdet en plan for, hvordan implementeringen bedst sker.

De ni digitale temaer indeholder følgende kompetence-elementer:

1. Begreberne ‘digital literacy’ og ‘computational thinking’
2. Data, datadeling og sikkerhed forbundet hermed samt grundlæggende etiske overvejelser og hensyn knyttet hertil
3. ‘Computational thinking’ og algoritmisk perspektiv på en kreativ problemløsning
4. Grundlæggende principper for behandling af data: Data skal kunne findes og genfindes, være tilgængelige, omsættelige og kunne genbruges og analyseres (visualisering, datamining, statistiske metoder, usikkerhedsberegning etc.)
5. Konstruktionen af matematiske modeller for ingeniørfaglige problemstillinger
6. Udvikling af computerprogrammer til at løse ingeniørfaglige problemer ved hjælp af versionsstyring og repositories
7. Kunstig intelligens og forholdet mellem AI og menneskelig intelligens
8. Brug af og begrænsninger ved digital hardware og infrastruktur
9. Evaluering af digitale resultater og betydningen heraf i social og fysisk kontekst

ENGLISH VERSION

1. Concepts of digital literacy and computational thinking
2. Data, data sharing and its security, and its ethical basis
3. Computational thinking and algorithmic perspectives on creative problem solving
4. Fundamental principles for collection and use of data (findability, accessibility, interoperability, reusability) and for data analytics (visualization, data mining, statistical methods, uncertainty quantification, etc.)
5. Construction of mathematical models of engineering problems
6. Development of computer programs to solve engineering problems using version control and repositories
7. Artificial intelligence, and its relation to human intelligence
8. The uses and limitations of digital hardware and infrastructure
9. Evaluation of digital outputs and what they mean in a social and physical context