På dette hovedforløb er fagene organiseret i projekter/case opgaver med hovedtemaer. Dette er med til at sikre et tværfagligt og helhedsorienteret læringsforløb med praksisnære cases. Den helhedsorienterede tilgang betyder også, at der arbejdes bevidst med differentiering.

I undervisningen arbejdes der med bevidst differentiering bl.a. i formuleringen af case opgaverne, hvilket giver eleven mulighed for at arbejde med casen på en måde, der passer til den enkelte eller til den gruppe, eleven er en del af. Det betyder også, at eksempelvis den faglige vejledning og feedback tilpasses elevens eller gruppens måde at tilrettelægge og arbejde på.

Gennem case-arbejdet opnår eleven både den viden og praktiske erfaring, der er indeholdt i fagenes målpinde. Arbejdet med cases giver en praksisnær læringssituation, da eleven får en direkte indsigt i og praktisk erfaring med at løse problemstillinger, som kan opstå ude i en professionel virkelighed. Dette giver samtidig eleven mulighed for at fortsætte sin faglige progression fra forrige hovedforløb samt direkte at anvende den opnåede læring fra hovedforløbet i forbindelse med sin læreplads.

HVORDAN ORGANISERES UNDERVISNINGEN

Undervisningen er organiseret i hold/klasser. Den tidligste del af et tema er mere lærerstyret, hvor læreren skaber struktur og gennemgår det faglige indhold samt introducerer caseopgaven, dens rammer og hvad der forventes af eleven/gruppen.
Efterhånden i forløbet vil undervisningen skifte til at blive mere elevstyret, hvor eleven enten selvstændigt eller i en gruppe skal arbejde med caseopgaven.

På hovedforløbet vil der både være selvstændig opgaveløsning og gruppearbejde. Dette stiller krav til elevens evne til at samarbejde; forberede sig, bidrage aktivt, kommunikere konstruktivt og tage ansvar for afleveringsfrister og den faglige kvalitet for delopgaver og det færdige ’slutprodukt’.

Hovedtemaer

Udviklingsopgave og projektstyring (3 uger)

Du skal under PRINCE2 gennemføre et avanceret udviklingsforløb, hvor emnerne enten er IoT / Embedded eller Machine Learning.
IoT og Embedded systemer bygger videre på principperne fra H4, Denne gang med fokus på MQTT, som det centrale punkt for kommunikation mellem de forskellige enheder.

Systemudvikling og processstyring (5 uger)

Som en af de mere erfarne udviklere i udviklingsvirksomheden er det dig der skal samle et team til en vigtig og kompleks udviklingsopgave. I skal udvikle en kompleks løsning, som gerne skal indeholde embedded controllere og mobile enheder, som skal kunne opsamle data fra flere lokationer, herunder fra et datacenter.

Valgfri specialefag (2 uger)

Indholdet varierer og benyttes til at specialisere de emner, der arbejdes med på dette hovedforløb.

Herunder Machine Learning

Ved at løse en række små problemstillinger ved brug af machine learning, bygger vi skridt for skridt vores forståelse op for, hvordan en maskine kan lære, og hvordan vi kan træne og anvende machinelearning modeller. Den første uge er der fokus på at tilegne sig forskellige teknikker indenfor både supervised, unsupervised og reinforcementlearning. Disse anvendes til at løse en konkret problemstilling i anden uge, som eleven er med til at definere.

Alle obligatoriske fag på hovedforløbet afsluttes med en standpunktskarakter efter 7-trinsskalaen. Valgfag afsluttes med bestået/ikke-bestået.

Bedømmelsen foretages dels på baggrund af en løbende (formativ) evaluering og feedback mellem lærer og elev, dels på baggrund af en afsluttende (summativ) evaluering af elevens faglige standpunkt.

FORMATIV EVALUERING OG FEEDBACK

Formativ evaluering er en evaluering af elevens arbejds- og læringsproces i forløbet.
Et vigtigt element i den formative evaluering er lærerens feedback til eleven. Feedbacken skal gøre eleven bevidst om, hvad der forventes, hvor eleven kan udvikle sig og hvordan udviklingen skal finde sted.

Den formative evaluering lægger ikke kun vægt på de faglige kriterier og målpinde, men også på elevens evne og engagement i forløbet. Det kan dreje sig om aktiv deltagelse i samarbejdet med andre elever i forbindelse med løsning af opgaver. Det kan også dreje sig om evnen til selvstændigt at løse en opgave ved at kombinere teori og praksis.
Elevens engagement i undervisningen og bidrag i det fælles læringsrum indgår også som en del af den formative evaluering. Formativ læring indeholder dermed et element af karakterdannelse, der handler om elevens udvikling og ikke kun om slutresultatet.

SUMMATIV BEDØMMELSE

Summativ bedømmelse er den afsluttende bedømmelse af elevens faglige standpunkt ved afslutningen af et fagligt forløb/caseopgave. Denne bedømmelse fokuserer på, om eleven har opnået den viden og de praktiske kompetencer – eller kunnen – til at bestå minimumskravene for faget.
Målpindene for fagene fortæller, hvad det forventes, at eleven kan og ved, når et fag eller projekt er afsluttet, og dermed også, hvad eleven forventes at kunne og dermed bedømmes på. 

BEDØMMELSESGRUNDLAG 

Der evalueres på elevens deltagelse i et helhedsorienteret projektforløb. Der evalueres på produkter skabt af eleven ud fra en af læreren stillet case-opgave.

Projektforløbet afsluttes med en mundtlig præsentation for læreren. Hvor eleven demonstrerer det færdige projekt og uddyber sin forståelse af emnet, fagene og de læringsmål der indgår i heri.

BEDØMMELSESKRITERIER

Case 1: Udviklingsopgave og projektstyring (IoT udgaven)

• Skriftlig aflevering
  • PRINCE2 projekter præsenteres med afsæt i de 7 principper, temaer og processer
  •  IoT dokumentation: Kort intro, anvendte hardware/software/sensorer, konklusion
• Mundlig præsentation af projektet
  • Demonstration af de opnåede kompetencer indenfor PRINCE2
  • Ligeledes de opnåede kompetencer indenfor IoT Embedded Casen (hardware/software, valg af teknikker)
• Demonstration af IoT hardware og funktionalitet.

Case 2: Systemudvikling og Processstyring 

• Eleven kan designe en softwareløsning (et produkt), tidsestimere og arbejde agilt ud fra en kravspecifikation.
• Vi kalder det en simuleret svendeprøve.
• Eleven evalueres på baggrund af dit udviklede produkt, din agile arbejdsproces og den skriftlige aflevering af en produkt- og procesrapport.

Case 3: Machine Learning

Læringsmål:

• Eleven kan identificere en problemstilling, som kan løses ved hjælp af kendte machine learning algoritmer.
• Eleven kan træne og anvende machine learning modeller til at løse problemstillinger.
• Eleven bedømmes på evnen til, dels at kunne identificere og løse problemstillinger, som kan løses med machine learning og dels i evnen til at gøre Machine Learning produkter tilgængelige for hverdagsbrugere. Dette gøres på baggrund af en selvvalgt problemstilling, som eleven har 1 uge til at løse.

Indhold
Eleven præsenteres for en række problemstillinger der skal løses med forskellige AI-algoritmer og værktøjer. Eleven får et overblik over de tre store hovedområder indenfor kunstig intelligens og stifter bekendtskab med Generative AI.

Løbende formativ evaluering og differentiering:

Løbende stilles eleverne opgaver mindre opgaver og modtager mundtlig feedback fra underviseren. Elever som har behov for det, får ekstra mundtlig feedback, feed up og feed forward af underviseren.

Bedømmelsesgrundlag (Summativ evaluering)
Eleven bedømmes på enten en selvvalgt eller af underviseren udvalgt problemstilling der skal løses med AI. Det kan enten være træningen af en AI-model eller at gøre en allerede trænet model tilgængelig for den almene bruger. Dette bedømmes på 12-skalaen.