0x010088F6312065A70A44B630A6848498EAD80093CFEAFE161DC94D83C7C5C9A5A748B8

Teorivideoer er utarbeidet og disse ble benyttet for første gang høstsemesteret 2023. Som diskutert under har dette medført et mye større oppmøte til fysisk undervisning, noe som vi betrakter som en forutsetning for et godt læringsutbytte i emnet.

Undervisningsopplegget for hver uke var dette semesteret var som følger:<ul><li>Studentene ser teorivideoer (som forøvrig omtales som introvideoer).</li><li>En dobbelttime med ganske tradisjonell tavleundervisning med fokus på hvordan teorien fra introvideoen kan benyttes til å kunne regne på konkrete situasjoner.</li><li>En dobbelttime med plenumsregning, der studentene får presentert oppgaver og tid til å se/regne på disse selv før løsning diskuteres på tavla.</li><li>Elektronisk øving bestående av relativt korte oppgaver hvor man umiddelbart får tilbakemelding om oppgavene er korrekt besvart. </li><li>Skriftlig innlevering (annenhver uke) bestående av litt større oppgaver som skal løses ved hjelp av blyant og papir. Disse leveres inn og rettes og kommenteres av læringsassistenter.</li><li>Statistikklab: Studentene kan få svar på spørsmål relatert til elektroniske øvinger og skriftlig innlevering og til annet angående pensum ved å gå på (fysisk) statistikklab (8 timer i uka) eller ved å stille spørsmål i digital statistikklab (forum).</li></ul> Da undervisning av teori i stor grad ofte blir en enveiskommunikasjon (i så store klasser som vi har i TMA4240) valgte vi å legge denne biten av undervisningen inn i introvideoer, slik at vi i de fysiske forelesningene kunne ha mer fokus på oppgaveløsning. Erfaringsmessig er oppgaveløsning noe studenter lettere blir engasjert i og da er det lettere å oppnå en toveiskommunikasjon i undervisningen. Hensikten ved elektroniske øvinger og skriftlige innleveringer er å aktivisere studentene til i størst mulig grad selv å løse oppgaver relatert til pensum. Det skal her også nevnes at pensum fra dette semesteret er noe endret og modernisert ved å inkludere stokastiske simulering (Monte Carlo simulering) og bruk av dette i pensum. Nytt undervisningsopplegg, spesielt med bruk av introvideoene, har medført betydelig økt oppmøte i fysisk undervisning, noe som vurderes som meget positivt med tanke på studentenes læringsutbytte i emnet. Dog skal det sies at det fremdeles er kun cirka halvparten av studentene som møter opp til fysisk undervisning, og dette gjelder helt fra første undervisningstime. Det virker altså som om svært mange studenter allerede før de skal ta emnet har bestemt seg for at de ikke vil møte opp til fysisk undervisning. Hva dette skyldes er uklart. Vi har forsøkt å spørre om dette i spørreundersøkelsene vi gjennomførte, men studentene som ikke møter til fysisk undervisning svarer stort sett heller ikke på spørreundersøkelser. For studentevaluering har vi valgt å benytte spørreundersøkelser, og ikke referansegruppe. Vi gjennomførte tre spørreundersøkelser. Antall studenter som besvarte den første undersøkelsen var bra, men så gikk antall svar nedover på de to siste undersøkelsene. Det er en utfordring å få et representativt inntrykk av hva studentene i emnet mener om undervisningen. Spesielt er det vanskelig å få de studentene som velger ikke å møte opp til fysisk undervisning i tale. Vi har dog positiv erfaring med bruk av spørreundersøkelse i stedet for referansegruppe og vil anbefale at spørreundersøkelser benyttes også i senere semestre. I spørreundersøkelsene gir et stort flertall av studentene uttrykk for stor grad av tilfredshet med både innholdet i emnet og undervisningsopplegget i emnet. MEN, studentene som ikke møter til fysisk undervisning svarer stort sett heller ikke på spørreundersøkelser, så hva de tenker og mener vet vi stort sett intet om!

NTNU:TIA:REST

Institutt for matematiske fag

Department of Mathematical Sciences

Spesifiserte trykte og håndskrevne hjelpemidler tillatt. Bestemt, enkel kalkulator tillatt.

Norsk

Mer om vurdering

Karakter gis basert på en avsluttende skriftlig eksamen. Ved utsatt eksamen (kontinuasjonseksamen) kan skriftlig eksamen bli endret til muntlig eksamen.

Anbefalte forkunnskaper

TMA4100 Matematikk 1 eller tilsvarende, samt TDT4109 eller TDT4110 Informasjonsteknologi grunnkurs eller tilsvarende.

Link til informasjon om emnet

Faglig innhold

Deskriptiv statistikk. Sannsynlighet for hendelser og stokastiske variabler. Uavhengige og avhengige stokastiske variabler. Betinget sannsynlighet. Monte Carlo simulering. En- og flerdimensjonale sannsynlighetsfordelinger. De viktigste klassene av endimensjonale sannsynlighetsfordelinger. Parameterestimering, intervallestimering og hypotesetesting for et- og to-utvalgsdata. Enkel lineær regresjon.

Kursmateriell

Læringsutbytte

1. Kunnskap. Studenten kjenner de grunnleggende begrepene og prinsippene for sannsynlighetsregning og statistisk inferens. Videre kjenner studenten til enkle statistiske modeller og prosesser ofte brukt innen teknologi og naturvitenskap, og vet hvordan slike situasjoner best kan analyseres. 2. Ferdigheter. Studenten kan regne ut sannsynligheter for hendelser i enkle situasjoner. Studenten kan videre anvende sin kunnskap om sannsynlighetsregning og statistikk til å gjenkjenne og analysere data fra enkle statistiske situasjoner innen teknologi og naturvitenskap. I slike analyser er studenten i stand til å benytte Python eller lignende programmeringsverktøy når dette er formålstjenlig.

Læringsformer og aktiviteter

Forelesninger og øvinger. Deler av undervisningen kan bli gitt på engelsk.

Øvinger

Statistikk

Teknologiske fag

Materialteknologi - masterstudium (5-årig)

Nanoteknologi - masterstudium (5-årig)

Petroleumsfag - masterstudium (5-årig)

Tekniske geofag - masterstudium (5-årig)

Ingeniørvitenskap og IKT - masterstudium (5-årig)

Bygg- og miljøteknikk - masterstudium (5-årig)

Kjemi - bachelorstudium

Fysikk - bachelorstudium

Industriell design - masterstudium (5-årig)

Fysikk og matematikk - masterstudium (5-årig)

Lektorutdanning i realfag for trinn 8 – 13

Datateknologi - masterstudium (5-årig)

Energi og miljø - masterstudium (5-årig)

Industriell økonomi og teknologiledelse - masterstudium (5-årig)

Industriell kjemi og bioteknologi - masterstudium (5-årig)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(26762)/FieldValuesAsText

Utarbeide (korte) teorivideoer som diskuterer teoribitene i emnet, som studentene skal se før de kommer på fysiske forelesninger. Dermed kan de fysiske forelesningene fokusere mer på eksempelregning (gjerne interaktivt) og hvordan teorien kan anvendes til å løse oppgaver.

For å kunne gjennomføre dette tiltaket forutsettes det at det blir avsatt en ekstra faglærer i TMA4240 høstsemesteret 2022. Det er tidkrevende å lage slike videoer (med god kvalitet) så det er ikke realistisk å kunne gjøre dette med det vanlige antall faglærere i TMA4240.

Tiltak

Teorivideoer

Det har over tid blitt utvikla ei mengde digitale læringsressursar for emnet. Desse utgjer både førelesingsvideoar, temasider og stack-øvingar. Ein god del av dette har høg kvalitet.Men for høg utvikla digitalisering kan og ha ein pris. Mange studentar (altfor mange) kjøper ikkje læreboka. Pensum i kurset er gitt med referanse til kapittel i læreboka. Dermed går ei mengdestudentar opp til eksamen utan å ha anna kontroll på pensum i faget enn det dei får gjennom dei stack-øvingane dei har gjort, dei skriftlege innleveringane og dei eksamensoppgåvene med løysingsforslag som dei har vore igjennom.Eit eksempel: På eksamen fekk dei oppgitt ein momentgenererande funksjon (eksponentialfordelinga), og bedt om å bruke den til å finne forventing og varians til ein stokastisk variabel. Sannsynstettleiken var og oppgitt. Av dei 131 som eg retta, var det meir enn 85% som ikkje hadde peiling på kva dei skulle gjere med ein momentgenererande funksjon for å finne momenta. Eg er ganske sikker på at det kunne ikkje ha skjedd sist eg gav kurset i 2014.Som replikk til studentane sin kommentar om følgefeil. Ja, dei fekk bruk for denne forventinga og variansen seinare. Om dei ikkje hadde peiling på momentgenerande, kunne dei likevel då slå opp i Tabeller og formler eller bruke den oppgitte sannsynstettleiken til å få det dei trengde.

Kurset var delt inn i 2 parallellar. Emnerapport for den andre parallellen følgjer separat. Diverre var det ikkje på førehand sett opp tilstrekkeleg store auditorium, til dei over 1000 som hadde meldt seg på kurset. Dette gjorde at ein del førhandsplanar blei lagt om. Alt som eksisterte av videoar blei lagt ut og førelesingane blei streama. Dermed sank frammøtet på min parallell til ca. 50 og heldt seg stabilt heile semesteret. Det var og sett opp statistikk-lab 3 gonger i veka, kvar på 4 timar, der studentane kunne få hjelp med øvingane. Studentane rosa særleg strukturen i kursinnhaldet, øvingsopplegg, temasider samt hjelpa dei fekk på statistikk-laben av dyktige PhD studentar. Av dei 840 som avla eksamen for vurdering var det om lag 15% som strauk på eksamen. I andre enden av skalaen var det eit rimeleg antal A, litt få B, men elles heilt greit.

Det vil og bli lagt ved ein emnerapport frå den andre parallellen. Kursinnhaldet og måten kurset blir gitt på vil bli forandra slik at det meir blir i samsvar med FTS og den kunnskapen studentane har frå vidaregåande. Vi som gav kurset i år er ikkje invovert i dette.

Skriftlig avsluttende eksamen gir grunnlag for sluttkarakter i emnet. Ved utsatt eksamen (kontinuasjonseksamen) kan skriftlig eksamen bli endret til muntlig eksamen.

Deskriptiv statistikk. Sannsynlighet for hendelser og stokastiske variabler. Uavhengige og avhengige stokastiske variabler. Betinget sannsynlighet. En- og flerdimensjonale sannsynlighetsfordelinger. De viktigste klasser av endimensjonale sannsynlighetsfordelinger. Ekstremvariabler. Parameterestimering, intervallestimering og hypotesetesting for et- og to-utvalgsdata. Enkel lineær regresjon

1. Kunnskap. Studenten kjenner de grunnleggende begrepene og prinsippene for sannsynlighetsregning og statistisk inferens. Videre kjenner studenten til enkle statistiske modeller og prosesser ofte brukt innen teknologi og naturvitenskap, og vet hvordan slike situasjoner best kan analyseres. Studenten forstår også begreper innen statistikk og sannsynlighetsregning tilstrekkelig til å kunne kommunisere med fagstatistikere om mer kompliserte situasjoner. 2. Ferdigheter. Studenten kan regne ut sannsynligheter for hendelser i enkle situasjoner. Studenten kan videre anvende sin kunnskap om sannsynlighetsregning og statistikk til å gjenkjenne og analysere data fra enkle statistiske situasjoner innen teknologi og naturvitenskap, også med bruk av deskriptive metoder. Videre er studenten i stand til å kommunisere med fagstatistikere om mer kompliserte situasjoner.

Forelesninger, anbefalte oppgaver og obligatoriske øvinger.

Kommunikasjonsteknologi og digital sikkerhet - masterstudium (5-årig)

Produktutvikling og produksjon - masterstudium (5-årig)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(21266)/FieldValuesAsText

Ingen handlingsplan fra forrige evaluering finnes. Følgelig er det ikke noe mer å tilføye her.

Corona-pandemien satte begrensninger på gjennomføringen av undervisningen. Corona-restriksjoner forhindret fysiske forelesninger de første ukene av semesteret, studentene ble da bedt om å se på videoer av opptak av forelesninger fra tidligere år. Etter noen uker med slik digital undervisning ble det åpnet for fysisk undervisning, og vanlige fysiske forelesninger ble da gitt samtidig som videoopptak fra forelesninger fra tidligere år fremdeles var tilgjengelige for studentene. Oppmøtet på de fysiske forelesningene var lavt (10-20% av alle studenter oppmeldt i emnet). På referansegruppemøtene rapporterte studententrepresentantene at studentene var meget godt fornøyd med undervisningsopplegget. Senere i semesteret gikk oppmøtet på de fysiske forelesningene ytterligere noe ned og vi faglærere gjennomførte da en digital spørreundersøkelse angående hvilken form for (fysisk) undervisning studentene ønsket å delta på. Cirka 50% av studentene oppmeldt i emnet svarte på spørreundersøkelsen. De fysiske undervisningsformene som flest studenter ønsket å delta på var følgende: "vanlige fysiske forelesninger", "eksempelregning hvor faglærer regner eksempler på tavla", og "interaktiv eksempelregning hvor studentene først får noe tid til å regne på en oppgave samtidig som faglærer går rundt å snakker med/hjelper studenter, og hvor faglærer deretter regner oppgaven på tavla". Det kan spesielt nevnes at antall studenter som oppgav at de ønsket å delta på "vanlige fysiske forelesninger" var betydelig høyere enn antall studenter som faktisk møtte opp på slik vanlige fysiske forelesninger. Da oppmøte på de vanlige fysiske forelesningene var svært lavt valgte vi de siste ukene av semesteret å gå over til de andre to fysiske undervisningsformene nevnt over i forbindelse med spørreundersøkelsen, en dobbelttime av hver per uke. Oppmøtet på disse ble litt høyere enn på de vanlige fysiske forelesningene tidligere i semesteret, men fremdeles var oppmøtet svært lavt i forhold til antall studenter oppmeldt i emnet. Det skal dog nevnes at de studentene som møtte opp uttrykte at de var svært godt fornøyd med opplegget. I tillegg til undervisningsopplegget diskutert over var det obligatoriske digitale øvinger (som ble rettet automatisk) hver uke, skriftlige innleveringsoppgaver som ble rettet av studass annenhver uker, anbefalte oppgaver hvor løsningsforslag var tilgjengelig, og statistikklab (fysisk når corona-restiksjonene tillot dette og alltid digitalt i tillegg). Dette undervisningsopplegget er brukt i emnet i flere år og studentene uttrykker hver gang stor tilfedshet med dette, og så også i år. Til tross for labert oppmøte på fysiske forelesninger gav studentrepresentantene i referansegruppa gjennom hele semesteret uttrykk for at studentene var svært godt fornøyd med undervisningsopplegget. Faglærernes inntrykk er dog, både gjennom semesteret og etter å ha rettet eksamensbesvarelser, at studentenes mangel på oppmøte på fysiske forelesninger har redusert studentene læring (i forhold til studenter i tidligere semestre). I senere semestre bør det derfor være et mål å øke (mye) andelen av studentene som møter til fysiske forelesninger. For å oppnå dette må vi i de fysiske forelesningene tilby noe annet og bedre enn i de tilgjengelige videoforelesningene fra tidligere år. Vårt forslag for å oppnå dette er følgende:<ul><li>Utarbeide (korte) videoer hvor man diskuterer de ulike teoridelene i emnet, og be studentene om å se disse videoene før de kommer på fysiske forelesninger.</li><li>I de fysiske forelesningene ta utgangspunkt i regning av eksempler. Men utgangspunkt i disse eksemplene bør man repetere deler av teorien og illustrere hvordan teorien benyttes til å løse oppgavene. Disse fysiske forelesningene kan med fordel være (helt eller delvis) interaktive.</li></ul>

Deskriptiv statistikk. Sannsynlighet for hendelser og stokastiske variabler. Uavhengige ogavhengige stokastiske variabler. Betinget sannsynlighet. En- og flerdimensjonale sannsynlighetsfordelinger. De viktigste klasser av endimensjonale sannsynlighetsfordelinger. Ekstremvariabler. Parameterestimering, intervallestimering og hypotesetesting for et- og to-utvalgsdata. Enkel lineær regresjon

Forelesninger, anbefalte oppgaver og obligatoriske øvinger. Skriftlig avsluttende eksamen gir grunnlag for sluttkarakter i emnet. Ved utsatt eksamen (kontinuasjonseksamen) kan skriftlig eksamen bli endret til muntlig eksamen.

1. Kunnskap. Studenten kjenner de grunnleggende begrepene og prinsippene for sannsynlighetsregning og statistisk inferens. Videre kjenner studenten til enkle statistiske modeller og prosesser ofte brukt innen teknologi og naturvitenskap, og vet hvordan slike situasjoner best kan analyseres. Studenten forstår også begreper innen statistikk og sannsynlighetsregning tilstrekkelig til å kunne kommunisere med fagstatistikere om mer kompliserte situasjoner. 2. Ferdigheter. Studenten kan regne ut sannsynligheter for hendelser i enkle situasjoner. Studenten kan videre anvende sin kunnskap om sannsynlighetsregning og statistikk til å gjenkjenne og analysere data fra enkle statistiske situasjoner innen teknologi og naturvitenskap, også med bruk av deskriptive metoder. Videre er studenten i stand til å kommunisere med fagstatistikere om mer kompliserte situasjoner.

Lektorutdanning i realfag - masterstudium (5-årig)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(15731)/FieldValuesAsText

Because of the COVID-19 situation, during the semester there were no physical lectures. Instead the students followed a lecture series that was recorded in the past years. Link to the videos were published every week on the course wiki page so that the students could follow some kind of plan. In addition to the video lectures, the students were offered smaller discussion/exercise classes (called PDF). Such classes were voluntary to follow. The same class was offered two or three times per week, depending on the number of interested students, so that no one would be left out. The statlabb, that in normal circumstances would have involved physical meetings has been substituted by a forum on Blackboard. Some students and TAs report that a forum on PIAZZA would have been easier to maintain and administrate. Some students says that the forum should be kept working also after the pandemic is over. Since sometimes it can be hard to express questions in a good way in writing, a digital solution where the students could talk to the TA has also been tried out.

1. Kunnskap. Studenten kjenner de grunnleggende begrepene og prinsippene for sannsynlighetsregning og statistisk inferens. Videre kjenner studenten til enkle statistiske modeller og prosesser ofte brukt innen teknologi og naturvitenskap, og vet hvordan slike situasjoner best kan analyseres. Studenten forstår også begreper innen statistikk og sannsynlighetsregning tilstrekkelig til å kunne kommunisere med fagstatistikere om mer kompliserte situasjoner. 2. Ferdigheter. Studenten kan regne ut sannsynligheter for hendelser i enkle situasjoner. Studenten kan videre anvende sin kunnskap om sannsynlighetsregning og statistikk til å gjenkjenne og analysere data fra enkle statistiske situasjoner innen teknologi og naturvitenskap, også med bruk av deskriptive metoder. Videre er studenten i stand til å kommunisere med fagstatistikere om mer kompliserte situasjoner.

In general, the students seem to be satisfied with the lectues and the PDF. This gave the possibiity to meet the lecturers and to have some interactions. Students were also happy about the forum and they propose that a forum should be kept also after the pandemic is over as a supplement to the physical statlabb. The level of both the electronic and the written exercises was found to be good. Some students wish all the exercises to be posted at once, to have the possibility to self organize the work load&gt; The lecturers believe that following a given schedule can help especially the weaker students and those that have less capacity to organize their own work.

The exam was a digital home exam, with letter grades. Some students were unsure when this was announced and feared that many would have cheated. The exam consisted in several exercises that where randomized in Inspera. The distribution of the final grades this semester is not very different from the previous semesters.Students seem to be satisfied about the exam and think that, given the situation, the exam was fair and well handed.

Deskriptiv statistikk. Sannsynlighet for hendelser og stokastiske variabler. Uavhengige og
avhengige stokastiske variabler. Betinget sannsynlighet. En- og flerdimensjonale sannsynlighetsfordelinger. De viktigste klasser av endimensjonale sannsynlighetsfordelinger. Ekstremvariabler. Parameterestimering, intervallestimering og hypotesetesting for et- og to-utvalgsdata. Enkel lineær regresjon


Forelesninger, anbefalte oppgaver og obligatoriske øvinger. Skriftlig avsluttende eksamen gir grunnlag for sluttkarakter i emnet. Ved utsatt eksamen (kontinuasjonseksamen) kan skriftlig eksamen bli endret til muntlig eksamen.


1. Kunnskap. Studenten kjenner de grunnleggende begrepene og prinsippene for sannsynlighetsregning og statistisk inferens. Videre kjenner studenten til enkle statistiske modeller og prosesser ofte brukt innen teknologi og naturvitenskap, og vet hvordan slike situasjoner best kan analyseres. Studenten forstår også begreper innen statistikk og sannsynlighetsregning tilstrekkelig til å kunne kommunisere med fagstatistikere om mer kompliserte situasjoner.

2. Ferdigheter. Studenten kan regne ut sannsynligheter for hendelser i enkle situasjoner. Studenten kan videre anvende sin kunnskap om sannsynlighetsregning og statistikk til å gjenkjenne og analysere data fra enkle statistiske situasjoner innen teknologi og naturvitenskap, også med bruk av deskriptive metoder. Videre er studenten i stand til å kommunisere med fagstatistikere om mer kompliserte situasjoner.

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(10099)/FieldValuesAsText

Statistikk - TMA4240