0x010088F6312065A70A44B630A6848498EAD80093CFEAFE161DC94D83C7C5C9A5A748B8

Emnet utvikles som planlagt mot mer aktiv læring, detaljerte tilbakemeldinger fra studentassistenten, støtte i øvingstimer og oppbygning av et godt klassemiljø for bedre læring og komunikasjon (mellom studentene i klassen og mellom studentene og faglærer).Relativt dårlig oppmøte våren 2023, 2/3 deler av studentmassen.Klassen ble delt opp til faste grupper (egenpåmelding) for at alle hadde tilgang til levert og rettet versjon av øvinger!Studentassistenten ble veldig effektiv i å gi tilbakemeldinger på innleveringer, som skal brukes videre i emnet for å oppnå bedre læringsutbytte! I sensorikkdelen av emnet gis det først noe generelle teoriundervisning om hva sensorikk er, sanseapparatet vårt og hvordan vi bruker det til å vurdere f.eks. egenskaper og kvaliteten til mat og drikker. I denne innledende delen benyttes også små praktisk tester for å demonstrere sanseapparatets egenskaper, f.eks. synstest, lukttest, grunnsmaksvurdering og PROP-test. I selve hoveddelen lærer studentene om generelle og spesifikke forskjellstester, med vekt på tre ISO-standardiserte tester, triangeltest, partest og rangeringstest. I løpet av tre uker tar vi for oss en og en test, der det først gis en innføring i teori, deretter gjennomfører hele klassen sensorisk lab og til slutt har vi en workshop der vi jobber med resultatet fra lab-økta samme uke. I tillegg jobber studentene i grupper med ulike sensoriske «case» fra tidligere prosjekter, eksamen o.l. der vi har en gjennomgang av resultater og konklusjoner i plenum til slutt.Denne interaktive og studentaktive måten å undervise på er spesielt egnet i fagretningen sensorikk, og studentene liker måten å jobbe på, noe som tydelig fremgår av vedlagte sluttrapport fra referansegruppa. Faglærer for sensorikkdelen er selv godt fornøyd med hvordan denne delen av emnet fungerer, og ønsker å fortsette med samme undervisningsopplegg i framtid. Referansegruppa har foreslått at sensorikkdelen burde komme før statistikkdelen av emnet, men det er ikke praktisk gjennomførbart av hensyn til faglærerne arbeidsmengde i ulike deler av semesteret. Alternativet er å legge inn noe ekstra repetisjon i statistikk på slutten av semesteret for å friske opp neon hovedpoenger.

NTNU:TIA:REST

Institutt for bioteknologi og matvitenskap

Department of Biotechnology and Food Science

Ingen trykte eller håndskrevne hjelpemidler tillatt. Bestemt, enkel kalkulator tillatt.

Norsk

Mer om vurdering

Antall obligatoriske skriftlige øvinger er 5, antall obligatoriske labøvelser er 3, både øvinger og lab må være godkjent i sin helhet for å få adgang til eksamen. Øvingene leveres skriftlig gruppevis. Formelhefte og sensoriske tabellverk er vedlagt eksamenssettet. Hvis obligatoriske arbeidskrav er bestått, må ikke kandidaten gjennomføre skriftlige øvinger eller lab på nytt ved ny/utsatt eksamen.Ny/utsatt eksamen: AugustVed søknader om godskrivning, godkjenning og innpassing av emner fra tidligere årskull eller andre institusjoners tilsvarende utdanninger, vil hver søknad behandles individuelt og søker må kunne medregne studiepoengreduksjon ved overlappende emner.

Anbefalte forkunnskaper

Forkunnskapskrav

Studierettskrav. Emnet er forbeholdt studenter med studierett ved Bachelor i matvitenskap, teknologi og bærekraft, NTNU, Trondheim. Hvis kapasitet, kan andre studenter søke om å ta emnet.

Faglig innhold

- Grunnleggende begreper og størrelser: populasjon og utvalg, gjennomsnitt, median, varians, standardavvik - Grafiske framstillinger og presentasjon av statistiske data - Sannsynlighetsregning: mengdelære, betinget sannsynlighet, uavhengighet og kombinatorikk - Stokastiske modeller: notasjon, beregning av sannsynlighet, forventningsverdi og varians i diskrete og kontinuerlige modeller - Sannsynlighetsfordelinger: teori og praktisk bruk av binomisk og hypergeometrisk modell, Poissonfordelingen, normalfordelingen og sentralgrenseteoremet - Statistiske metoder: bestemmelse av punktestimatorer og konfidensintervall og gjennomføring av hypotesetest med p-verdier i kjente modeller - Sammenligning av grupper med t-test med formler og på PC - Gjennomføring av Kji-kvadrattest og variansanalyse på PC - Analyse av sammenheng med korrelasjon og lineær regresjon - Det sensoriske sanseapparatet - Sensorikk som analysemetode (fra planlegging til endelig resultat) - Sensoriske bedømmelsesmetoder med vekt på forskjellsmetodene

Kursmateriell

Statistikk for universiteter og høgskoler, Gunnar G. Løvås Utlevert materiell (Blackboard) i sensorikk-delen av emnet.

Læringsutbytte

Etter gjennomført emne er det forventet at kandidaten har hatt følgende læringsutbytte mht.:KUNNSKAP: Kandidaten har kjennskap til grunnleggende begreper og teori innenfor sannsynlighetsregning og statistisk inferens (K1). Kandidaten kan beregne statistiske mål for utvalgsdata og framstille resultater i tabeller og med grafikk (K2). Kandidaten kan anvende lineær regresjon og vurdere resultatene av regresjonsanalysen (K3). Kandidaten kan redegjøre for vanlige sannsynlighetsmodeller og beregne sannsynlighet for hendelser (K4). Kandidaten kan beregne konfidensintervaller og utføre hypotesetester på grunnlag av innsamlede data (K5). Kandidaten kan beskrive sanseapparatet som et sensorisk instrument og vite hva man må legge vekt på som dommer og panelleder ved gjennomføring av en sensorisk analyse (K6). Kandidaten har kunnskap om hvilke sensoriske problemstillinger som kan løses ved hjelp av forskjellstestene: partest, triangeltest og rangeringstest (K7). Kandidaten kan beskrive praktisk gjennomføring og resultatbehandling for forskjellstestene: partest, triangeltest og rangeringstest (K8).FERDIGHETER: Kandidaten kan tolke resultater av undersøkelser gjengitt med konfidensintervall og p-verdier fra hypotesetest (F1). Kandidaten kan bruke dataprogrammer for statistiske beregninger og analyser (F2). Kandidaten kan delta som dommer i et semitrent sensorisk panel (F3).GENERELL KOMPETANSE: Kandidaten har basiskunnskap til å planlegge og gjennomføre et prosjektarbeid som innebærer sensorisk analyse der også statistisk forståelse er vesentlig (G1).

Læringsformer og aktiviteter

Forelesninger (60 t), veileda teoriøvinger (34 t), obligatoriske laboratorieøvelser med etterarbeid (6 t) og selvstudium (105 t).

Obligatoriske regneøvinger

Obligatoriske laboratorieøvinger

Statistikk og sensoriske metoder

Næringsmiddelfag

Realfag

Statistikk

Bachelor i matvitenskap, teknologi og bærekraft

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(22709)/FieldValuesAsText

Emnet utvikles som planlagt mot mer aktiv læring, detaljerte tilbakemeldinger, støtte i øvingstimer og oppbygning av et godt klassemiljø for bedre læring og komunikasjon (mellom studentene og mellom studentene og faglærer).Klassen ble delt opp til faste grupper (egenpåmelding) for at alle hadde tilgang til levert og rettet versjon! Læringsassistent ble veldig effektiv i å gi tilbakemeldinger, som skal brukes videre i emnet!

Kvaliteten i emnet vurderes som høy (fra både studentene og faglærer) og læringsmålet bedømmes som oppnådd (gjennom forelesninger, gruppearbeid med øvinger, en del selvstudium/forberedelse og eksamen).Forelesningene og øvingstimene gikk veldig bra, studentenes deltakelse og samarbeid var på høyt nivå! Kull2021 var veldig engasjert og nysgjerrig!Kunnskap i emnet Statistiskk og Sensoriske metoder brukes videre til Produktutvikling (TMAT2005), Praksisstudier (TMAT201P) og Bacheloroppgave (MATV3006).

Statistikk for universiteter og høgskoler, Gunnar G. Løvås Sensorisk Studiegruppe (2015) Sensorikk: Måling med menneskelige sanser, 3. utg. Kopinor Pensum AS ISBN 9788213030762

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(17228)/FieldValuesAsText

Kvaliteten i emnet vurderes som høy og læringsmålet bedømmes som oppnådd. Eksamensresultatene var som forventet, med en hovedtyngde på A, C og D (7, 7 og 8 henholdsvis), ingen som fikk B og 3 som fikk E, 8 F (av 33).Strykprosent: 24%, som er typisk til statistikk-basert emnet.

Læringsutbyttet er relevant til studieprogrammet for matteknologi (MTMAT).Kunnskap i statistiske og sensoriske metoder brukes videre til Produktutvikling (<a href="http://www.ntnu.no/studier/emner/TMAT2005/" target="_blank">TMAT2005</a>), Praksisstudier (<a href="http://www.ntnu.no/studier/emner/TMAT201P/" target="_blank">TMAT201P</a>) og Bacheloroppgave (<a href="http://www.ntnu.no/studier/emner/MATV3006/" target="_blank">MATV3006</a>). Etter gjennomført emne er det forventet at kandidaten har hatt følgende læringsutbytte mht.:KUNNSKAP: Kandidaten har kjennskap til grunnleggende begreper og teori innenfor sannsynlighetsregning og statistisk inferens (K1). Kandidaten kan beregne statistiske mål for utvalgsdata og framstille resultater i tabeller og med grafikk (K2). Kandidaten kan anvende lineær regresjon og vurdere resultatene av regresjonsanalysen (K3). Kandidaten kan redegjøre for vanlige sannsynlighetsmodeller og beregne sannsynlighet for hendelser (K4). Kandidaten kan beregne konfidensintervaller og utføre hypotesetester på grunnlag av innsamlede data (K5). Kandidaten kan beskrive sanseapparatet som et sensorisk instrument og vite hva man må legge vekt på som dommer og panelleder ved gjennomføring av en sensorisk analyse (K6). Kandidaten har kunnskap om hvilke sensoriske problemstillinger som kan løses ved hjelp av forskjellstestene: partest, triangeltest og rangeringstest (K7). Kandidaten kan beskrive praktisk gjennomføring og resultatbehandling for forskjellstestene: partest, triangeltest og rangeringstest (K8).FERDIGHETER: Kandidaten kan tolke resultater av undersøkelser gjengitt med konfidensintervall og p-verdier fra hypotesetest (F1). Kandidaten kan bruke dataprogrammer for statistiske beregninger og analyser (F2). Kandidaten kan delta som dommer i et semitrent sensorisk panel (F3).GENERELL KOMPETANSE: Kandidaten har basiskunnskap til å planlegge og gjennomføre et prosjektarbeid som innebærer sensorisk analyse der også statistisk forståelse er vesentlig (G1).

Forelesninger (60 t), veileda teoriøvinger (34 t), obligatoriske laboratorieøvelser med etterarbeid (6 t) og selvstudium (100 t). I vår 2021 undervisning ble påvirket av COVID-19, som konsekvens delvis digital (hybrid) undervisning og litt varierende oppmøte pga helse/testing og andre tiltak/retningslinjer. Faglærere har gjort alt som kunne bli gjort for å gi beste undervisning og læringsutbytte oppnåelse i gitt situasjonen! Det var ganske høyt oppmøte på fysiske aktivitetene, studentene har vist høyt engasjement med faget og stor egeninnsats. Faglærer har prøvd å skape en atmosfære av tillit og trygghet, hvor alle kan stille spørsmål fritt.

Etter undervisningsslutt gjennomførte faglærer en annen type «spørretime» enn den klassiske forelesningsvarianten. Spørretimen var mer lagt opp som en workshop der studentene satt i selvvalgte grupper og faglærerne gikk rundt og svarte på spørsmål. Hvis det var noe flere spurte om, tok man det opp i plenum. Denne formen for «spørretime» synes studentene at man burde bruke mer fordi det er utfordrende å stille spørsmål i plenum om ting man personlig lurer på. Det er lettere å spørre om ting som flere eller hele gruppa lurer på når de sitter sammen i mindre enheter og faglærer snakker bare med den ene gruppa.Studentene ønsket seg også mer detaljerte løsningsforslag av tidligere eksamensoppgaver. I en normalsituasjon ville studentene fått mer detaljerte løsningsforslag, men faglærerne valgte å være restriktive i år grunnet eksamenssituasjonen der det ble hjemmeeksamen med alle hjelpemidler tilgjengelig, inkludert gamle løsningsforslag. Når oppgavetypen blant annet går på å utlede likninger, må studenten vise at han kan det og ikke bare skrive av gamle løsningsforslag. Studentene fikk derimot mulighet til å levere forslag til løsning på tidligere eksamensoppgaver og få de rettet og gjennomgått personlig av faglærer.Studentene ønsket også at selve den tekniske utformingen av eksamen ble vurdert til senere for å unngå for mange sider, dvs. mye «klikking» på Inspera.

Antall obligatoriske skriftlige øvinger er 5, antall obligatoriske labøvelser er 3, både øvinger og  lab må være godkjent i sin helhet for å få adgang til eksamen.
Øvingene leveres skriftlig gruppevis.
Formelhefte og sensoriske tabellverk er vedlagt eksamenssettet.

Hvis obligatoriske arbeidskrav er bestått, må ikke kandidaten gjennomføre skriftlige øvinger eller lab på nytt ved ny/utsatt eksamen.
Ny/utsatt eksamen: August


Ved søknader om godskrivning, godkjenning og innpassing av emner fra tidligere årskull eller andre institusjoners tilsvarende utdanninger, vil hver søknad behandles individuelt og søker må kunne medregne studiepoengreduksjon ved overlappende emner.

Studierettskrav. Emnet er forbeholdt studenter med studierett ved Bachelor i matteknologi, NTNU, Trondheim. Hvis kapasitet, kan andre studenter søke om å ta emnet.

- Grunnleggende begreper og størrelser: populasjon og utvalg,
gjennomsnitt, median, varians, standardavvik
- Grafiske framstillinger og presentasjon av statistiske data
- Sannsynlighetsregning: mengdelære, betinget sannsynlighet,
uavhengighet og kombinatorikk
- Stokastiske modeller: notasjon, beregning av sannsynlighet,
forventningsverdi og varians i diskrete og kontinuerlige
modeller
- Sannsynlighetsfordelinger: teori og praktisk bruk av binomisk
og hypergeometrisk modell, Poissonfordelingen,
normalfordelingen og sentralgrenseteoremet
- Statistiske metoder: bestemmelse av punktestimatorer og
konfidensintervall og gjennomføring av hypotesetest med p-verdier
i kjente modeller
- Sammenligning av grupper med t-test med formler og på PC
- Gjennomføring av Kji-kvadrattest og variansanalyse på PC
- Analyse av sammenheng med korrelasjon og lineær regresjon
- Det sensoriske sanseapparatet
- Sensorikk som analysemetode (fra planlegging til endelig resultat)
- Sensoriske bedømmelsesmetoder med vekt på forskjellsmetodene

Statistikk for universiteter og høgskoler, Gunnar G. Løvås
Sensorisk Studiegruppe (2015) Sensorikk: Måling med menneskelige sanser, 3. utg. Kopinor Pensum AS ISBN 9788213030762

Forelesninger (60 t), veileda teoriøvinger (34 t), obligatoriske laboratorieøvelser med etterarbeid (6 t) og selvstudium (105 t). 



Etter gjennomført emne er det forventet at kandidaten har hatt følgende læringsutbytte mht.: 
KUNNSKAP:
Kandidaten har kjennskap til grunnleggende begreper og teori innenfor sannsynlighetsregning og statistisk inferens (K1).
Kandidaten kan beregne statistiske mål for utvalgsdata og framstille resultater i tabeller og med grafikk (K2).
Kandidaten kan anvende lineær regresjon og vurdere resultatene av regresjonsanalysen (K3).
Kandidaten kan redegjøre for vanlige sannsynlighetsmodeller og beregne sannsynlighet for hendelser (K4).
Kandidaten kan beregne konfidensintervaller og utføre hypotesetester på grunnlag av innsamlede data (K5).
Kandidaten kan beskrive sanseapparatet som et sensorisk instrument og vite hva man må legge vekt på som dommer og panelleder ved gjennomføring av en sensorisk analyse (K6).
Kandidaten har kunnskap om hvilke sensoriske problemstillinger som kan løses ved hjelp av forskjellstestene: partest, triangeltest og rangeringstest (K7).
Kandidaten kan beskrive praktisk gjennomføring og resultatbehandling for forskjellstestene: partest, triangeltest og rangeringstest (K8).
FERDIGHETER:
Kandidaten kan tolke resultater av undersøkelser gjengitt med konfidensintervall og p-verdier fra hypotesetest (F1).
Kandidaten kan bruke dataprogrammer for statistiske beregninger og analyser (F2).
Kandidaten kan delta som dommer i et semitrent sensorisk panel (F3).
GENERELL KOMPETANSE:
Kandidaten har basiskunnskap til å planlegge og gjennomføre et prosjektarbeid som innebærer sensorisk analyse der også statistisk forståelse er vesentlig (G1).

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(11642)/FieldValuesAsText

Statistikk og sensoriske metoder - MATV2002