0x010088F6312065A70A44B630A6848498EAD80093CFEAFE161DC94D83C7C5C9A5A748B8

Muntlig justering ble som planlagt ikke avholdt. Studentene leverte heller et refleksjonsnotat.

Emnet undervises gjennom forelesning med øvinger, og ved et større obligatorisk prosjektarbeid som studentene arbeider med gjennom brorparten av semesteret.Prosjektarbeidet er et gruppearbeid der studentene (til dels) selv fikk muligheten til å velge hvem de vil samarbeide med. Alle gruppene hadde 3 medlemmer. 11 grupper totalt. Antall studenter i år var vesentlig høyere enn tidligere. Dette gjorde planlagt oppfølging vanskligere.En del av studenten har kolliderende timeplaner, som er problematisk. Underviser kom selv i tidsklemme i forhold til forberedelser pga. ugunstig timeplan i forhold til annen undervisning. Når det gjelder studentenes oppnåelse av læringsutbytte, så er dette vurdert som bedre enn tidligere gjennomføringer.Kvaliteten på arbeidet i år var høyere enn tidligere, noe som også vises på karakterene. Mye av dette kan skyldes at mange av årets studenter hadde AIS1002 fra før. Studentundersøkelsen viste blandede tilbakemeldinger, men svarprosenten her var noe lav. Emnet har nok et forbedringspotensial, der bla. underviser bør ta en mer førende rolle for å forbedre resultatet.Undervisningen bør struktureres bedre og flere tema bør undervises samt eksisterende tema mer grundig.

Nivået på studentene var høyere enn tidligere da dette var første kull med forhåndskunnskap med (C++) programmering. Robotplattformen som blir brukt fungerer greit og bruk vil fortsette, men med mer guiding fra underviser. Emnet har for dårlig oppmøte i lab. Tiltak må gjøres her. Bl.a. mer struktur.Oppgaver tidlig i semsteret bør forbedres, og gruppene bør i større grad presentere arbeidet sitt til medstutenter og lærer underveis.Dette for å oppfordre til kontinuitet i arbeidet. Studentene har nok tid til å utføre oppgaven, men studentene viser å bomme på tidsallokering og/eller oppgavefordeling/prioritering. Mer bruk av Arduino &lt;--&gt; PC samt bruk av GUI bør inngå i forelesning. Simulering av fysiske prosesser for testing bør inn. Mappen bør leveres tidligere i semesteret (slik at arbeidet ikke utsettes) eller programvaredelen bør ivertfall inn minst en uke før rapport.

NTNU:TIA:REST

Institutt for IKT og realfag

Department of ICT and Natural Sciences

Engelsk

Norsk

Mer om vurdering

Endelig karakter settes basert på en helhetlig vurdering av mappen. Mappen består av arbeid som utføres og dokumenteres gjennom digitale innleveringer gjennom semesteret. Både individuelt arbeid og gruppearbeid kan forekomme. Arbeidet er utformet for å bidra til at studentene oppnår de ønskede læringsmål i emnet, og det gis tilbakemeldinger underveis. Ved utsatt eksamen gjennomføres muntlig prøve i løpet av det påfølgende vårsemesteret.

Anbefalte forkunnskaper

<ul><li>AIS1002 Objektorientert programmering og algoritmer</li><li>AIS1003 Objektorientert programmering for kyberfysiske systemer</li></ul>

Forkunnskapskrav

Emnet har ikke forkunnskapskrav. Det er et krav at innrullerte studenter er tatt opp på teknologistudiet som emnet er tilknyttet.

Faglig innhold

Emnet inneholder følgende tema innen sanntids datateknikk for kyberfysiske systemer (f.eks. intelligente IoT-produkter, industriroboter, mobile roboter, kamerasystemer, sensorer og verktøymaskiner): <ul><li>Parallelle aktiviteter. Prosesser og tråder. </li><li>Tilstander og "context switching". Omkjørbare program (reentrancy). </li><li>Scheduler. Synkronisering og tråd-administrasjon. "Thread pools". </li><li>Ressurser og ressursallokering: Minnehåndtering. Monitor. Semafor. "Mutex". Flagg. Buffer. Kringkasting. </li><li>Asynkrone hendelser. Avbruddshåndtering. </li><li>Sanntidsklokke. Tidsadministrasjon. </li></ul>

Kursmateriell

En oppdatert oversikt over emnet, inkludert pensum, gjøres tilgjengelig innen oppstart av semesteret og vil typisk også inneholde engelskspråklig materiale. 

Læringsutbytte

Kunnskap <ul><li>Kandidaten kan forklare begreper, mekanismer og programmeringsmetoder i sanntids datateknikk for kyberfysiske systemer. </li><li>Kandidaten kan beskrive sanntidsanvendelser i objektorienterte utviklingsmiljø. </li><li>Kandidaten kan forklare hvordan sanntids datateknikk inngår i styring/regulering av kyberfysiske systemer, f.eks. roboter. </li></ul>Ferdigheter <ul><li>Kandidaten kan utvikle sanntidsapplikasjoner i objektorienterte programvaremiljø. </li><li>Kandidaten kan implementere sanntidsløsninger lokalt og i distribuerte systemer. </li><li>Kandidaten kan integrere sanntids dataløsninger i mekatroniske produkter. </li><li>Kandidaten kan designe operatørgrensesnitt for systeminteraksjon i sanntid. </li></ul>Generell kompetanse <ul><li>Kandidaten kan bidra til planlegging og utvikling av sanntids kyberfysiske systemer, inkludert systemintegrasjon. </li><li>Kandidaten kan vurdere betydningen av sanntids datateknikk i autonome og IoT-baserte anvendelser. </li></ul>

Læringsformer og aktiviteter

Emnet benytter forelesninger, øvingstimer og praktisk rettet laboratoriearbeid/prosjektarbeid som læringsformer. Det benyttes en konstruktivistisk tilnærming til læring, med stort fokus på problemløsing og praktisk anvendelse av teori.

Sanntids datateknikk for kyberfysiske systemer

Datateknikk og informasjonsvitenskap

Teknisk kybernetikk

Ingeniør

Bachelor i ingeniørfag - data

Bachelor i ingeniørfag - automatisering og intelligente systemer

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(24142)/FieldValuesAsText

Det ble i år avholdt muntlig justering som planlagt. Øvinger ble til en viss grad justert basert på fjorårets tilbakemeldinger.

Gjennomføringen av emnet er i tråd med læringsmålene, der graden av måloppfyllelse fremkommer gjennom prosjektrapportene, og annet arbeid som mappen består av.I år som i fjor besto mappen av et større prosjektarbeid (gruppe). Nytt av året var at vi holdt en muntlig justering i stedet for individuell innlevering. Ingen som leverte innhold i mappen fikk stryk. Median på karakteren C. 14 av 17 oppmeldte studenter leverte i Inspera. Emnet undervises gjennom forelesning med øvinger, og ved et større obligatorisk prosjektarbeid som studentene arbeider med gjennom brorparten av semesteret.Prosjektarbeidet er et gruppearbeid, der gruppestørrelsen varierer fra 2-4 medlemmer, og der studentene selv får muligheten til å velge hvem de vil samarbeide med. Når det gjelder studentenes oppnåelse av læringsutbytte, så er dette vurdert som noe dårlig. Årets, som fjorårets, studenter mangler kodeerfaring, som er essensielt i dette faget som på mange måter er et programmeringskurs for viderekommne. Studentene har kun basiskompetanse i Python og datakommunikasjon. Dette vil bli bedre for 2021 kullet som har AIS1002 som obligatorisk kurs i andre semester. AIS2203 undervises i femte semester. Studentundersøkelsen der ca. halvparten av studentene viste i hovedsak positive tilbakemeldinger, men absolutt med et forbedringspotensial. Underviser bør ta en mer førende rolle for å forbedre resultatet.

Robotplattformen som blir brukt fungerer bra og bruk vil fortsette, men med mer guiding av bruk fra underviser. Selv om muntlig justering fungerte greit, så er planen å ikke fortsette med dette. Det skal heller utvikles en bedre individuell del av mappen, da dette er lettere å etterkontrollere. Emnet har dårlig oppmøte i lab. Tiltak må gjøres her. Blant annet bør gruppene i større grad presentere arbeidet sitt til medstutenter og lærer underveis. Dette for å oppfordre til kontinuitet i arbeidet. Studentene har nok tid til å utføre oppgaven, men studentene viser å bomme på tidsallokering. Mer vektlegging på antall timer det forventes at studentene jobber aktivt med prosjektet (% av timer for et 7.5stp emne), samt hvordan de bør gå frem i utføringen.

Endelig karakter settes basert på en helhetlig vurdering av mappen. Mappen består av arbeid som utføres og dokumenteres gjennom digitale innleveringer gjennom semesteret. Både individuelt arbeid og gruppearbeid kan forekomme. Arbeidet er utformet for å bidra til at studentene oppnår de ønskede læringsmål i emnet, og det gis tilbakemeldinger underveis. Dersom karakteren på mappen settes til F (stryk), kan en ny versjon av mappen leveres til utsatt eksamen i august. 

AIS1002 Objektorientert programmering og algoritmer

Bachelor i ingeniørfag, data

Bachelor i ingeniørfag, automatisering og intelligente systemer

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(18657)/FieldValuesAsText

Gjennomføringen av emnet er i tråd med læringsmålene, der graden av måloppfyllelse fremkommer gjennom prosjektrapportene, og annet arbeid som Mappen består av.I år besto Mappen av et større prosjektarbeid (gruppe), samt en individuell skriftlig innlevering. Det mest optimale hadde vært muntlig justering i stedet for skriftlig innlevering.Usikkerhet i forhold til gjennomføring i Inspera samt grunnlag i emnebeskrivelse førte til at det ble sånn. Ingen stryk registrert for faget i år, med B som høyeste og D som laveste karakter. Hovedvekt på karakteren C. Emnet undervises gjennom forelesning med øvinger, og ved et større obligatorisk prosjektarbeid som studentene arbeider med gjennom brorparten av semesteret.Prosjektarbeidet er et gruppearbeid, der gruppestørrelsen varierer fra 2-4 medlemmer, og der studentene selv fikk mulighet til å velge hvem de ville samarbeide med. AIS2203 bygger på det tidligere emnet IE303812. Nytt av i år er ny emnekode og emnebeskrivelse, ny faglærer, redusering av studiepoeng, samt nytt kodespråk og en felles utviklings-platform for alle gruppene. IE303812 la Java til grunn som kodespråk, og lot studentene i større grad velge prosjektoppgave selv. I år var C++ brukt og gikk vi til innkjøp av en fysisk robot-plattform som alle gruppene jobbet med. Hva som ble gjort med plattformen var opp til gruppen selv å bestemme. Prosjektarbeidet anses som en motiverende faktor for studentene gjennom semesteret og tilbakemeldingene på plattformen som ble brukt var bra. Læringsmiljøet vurderes som godt, men det kan tenkes at studentene gjerne kunne ha lært mer av hverandres erfaringer. Lite erfaringsutveksling mellom gruppene.Det kan tenkes at korona-situasjonen var en faktor her. Bruk av GitHub Classrom for øvingsaktiviteter fungerte godt. En tilbakemelding her var at oppgavene til tider føltest vel syntetiske ut. Dette vil det jobbes med til neste gang. Når det gjelder sammenheng i læringsutbytte, så er dette vurdert som noe dårlig. Årets og neste års studenter mangler kodeerfaring, som er essensielt i dette faget som på mange måter er et programmeringskurs for viderekommne. Studentene har kun basiskompetanse i Python og datakommunikasjon. Dette vil bli bedre for 2021 kullet som har AIS1002 som obligatorisk kurs i andre semester. AIS2203 undervises i femte semester.

Det bør gjennomføres individuell muntlig justering mot mappe.

Endelig karakter settes basert på en helhetlig vurdering av mappen, som består av øvinger/arbeider som leveres gjennom semesteret. Ved utsatt eksamen kan mappen forbedres og må leveres på nytt.

Emnet har ikke forkunnskapskrav. Det er et krav at innrullerte studenter er tatt opp på teknologistudiet som emnet er tilknyttet.

Emnet inneholder følgende tema innen sanntids datateknikk for kyberfysiske systemer (f.eks. intelligente IoT-produkter, industriroboter, mobile roboter, kamerasystemer, sensorer og verktøymaskiner): <ul><li>Parallelle aktiviteter. Prosesser og tråder.  </li><li>Tilstander og "context switching". Omkjørbare program (reentrancy). </li><li>Scheduler. Synkronisering og tråd-administrasjon. "Thread pools". </li><li>Ressurser og ressursallokering: Minnehåndtering. Monitor. Semafor. "Mutex". Flagg. Buffer. Kringkasting. </li><li>Asynkrone hendelser. Avbruddshåndtering. </li><li>Sanntidsklokke. Tidsadministrasjon. </li></ul>

En oppdatert oversikt over emnet, inkludert pensum, gjøres tilgjengelig innen oppstart av semesteret og vil typisk også inneholde engelskspråklig materiale. 

Kunnskap  <ul><li>Kandidaten kan forklare begreper, mekanismer og programmeringsmetoder i sanntids datateknikk for kyberfysiske systemer.  </li><li>Kandidaten kan beskrive sanntidsanvendelser i objektorienterte utviklingsmiljø.  </li><li>Kandidaten kan forklare hvordan sanntids datateknikk inngår i styring/regulering av kyberfysiske systemer, f.eks. roboter.  </li></ul>Ferdigheter  <ul><li>Kandidaten kan utvikle sanntidsapplikasjoner i objektorienterte programvaremiljø.  </li><li>Kandidaten kan implementere sanntidsløsninger lokalt og i distribuerte systemer.  </li><li>Kandidaten kan integrere sanntids dataløsninger i mekatroniske produkter.  </li><li>Kandidaten kan designe operatørgrensesnitt for systeminteraksjon i sanntid.   </li></ul>Generell kompetanse  <ul><li>Kandidaten kan bidra til planlegging og utvikling av sanntids kyberfysiske systemer, inkludert systemintegrasjon.  </li><li>Kandidaten kan vurdere betydningen av sanntids datateknikk i autonome og IoT-baserte anvendelser.  </li></ul>

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(13099)/FieldValuesAsText

Sanntids datateknikk for kyberfysiske systemer - AIS2203