DV1689 - Introduktion till visuell dataanalys

1. Beslut

Denna kurs är inrättad av dekan 2023-06-12. Kursplanen är fastställd av prefekten vid institutionen för datavetenskap 2026-09-01 och gäller från 2026-09-01.

2. Förkunskaper

2.1 Behörighetskrav

För tillträde i kursen krävs avklarade kurser omfattande 60 hp inom datavetenskap.

3. Syfte och innehåll

3.1 Syfte

Kursen syftar till att utveckla studenternas förståelse för principer och tekniker inom datavisualisering. Den fokuserar på grundläggande begrepp inom datavisualisering samt på att lära ut hur man väljer effektiva visualiseringsmetoder för att analysera, utforska och kommunicera komplexa och stora datamängder. Kursen belyser den breda tillämpningen av datavisualisering inom områden såsom datavetenskap, spelanalys, e‑hälsa, miljövetenskap och datorstödd affärsanalys.

3.2 Innehåll

Kursen integrerar både teoretiska och praktiska aspekter av datavisualisering. Den introducerar grundläggande begrepp såsom visualiseringsprocessen, visuell perception och kognition, visuell kodning, användaruppgifter, interaktion samt visualiseringstekniker. De praktiska momenten omfattar användning av programmeringsbibliotek för att skapa visualiseringar av olika typer av data inom ramen för informationsvisualisering.

4. Lärandemål

Följande lärandemål examineras i kursen:

4.1. Kunskap och förståelse

Efter genomförd kurs ska studenten kunna:

beskriva grundläggande begrepp och principer inom datavisualisering
förklara vanliga visualiseringstekniker utifrån givna ramverk

4.2. Färdighet och förmåga

Efter genomförd kurs ska studenten kunna:

designa och utveckla lämpliga interaktiva visualiseringar med hjälp av relevanta visualiseringsbibliotek
välja och motivera lämpliga visualiseringstekniker utifrån datakarakteristik och användarbehov

4.3. Värderingsförmåga och förhållningssätt

Efter genomförd kurs ska studenten kunna:

kritiskt diskutera relevanta etiska aspekter av användningen av datavisualisering

5. Läraktiviteter

Kursen kombinerar flera undervisnings- och lärandeaktiviteter, inklusive föreläsningar, laborationer, projekthandledning och studentpresentationer. Dessa aktiviteter organiseras genom olika kursmoment som genomförs individuellt och/eller i grupp.
Föreläsningarna introducerar de teoretiska grunderna för datavisualisering. Relevant vetenskaplig litteratur integreras också för att stödja förståelsen och ligga till grund för det fortsatta praktiska arbetet.
Laborationerna fokuserar på att utveckla de programmeringsfärdigheter i Python som krävs för flerfasexaminationen.
Under hela kursen arbetar studenterna med ett projekt där de tillämpar både teoretiska kunskaper och programmeringsfärdigheter på ett praktiskt användningsfall. Handledning ges som stöd i detta arbete.
Allt kursmaterial tillhandahålls via BTH:s lärplattform. Undervisningen ges på engelska, men visst stöd på svenska kan förekomma.

6. Bedömning och examination

Examinationsmoment för kursen

Kod	Benämning	Omf.	Betyg
2705	Flerfasexamination	1,5 hp	AF
2715	Projekt	4,5 hp	AF

Kursen bedöms med betygen A Utmärkt, B Mycket bra, C Bra, D Tillfredställande, E Tillräckligt, FX Underkänd, något mer arbete krävs, F Underkänd.

Examinator har möjlighet att muntligen följa upp skriftliga examinationer.

I kurstillfällets information inför kursstart framgår i vilka examinationsmoment som kursens lärandemål examineras samt gällande bedömningsgrunder.

Examinator kan, efter samråd med högskolans FUNKA-samordnare, fatta beslut om anpassad examinationsform för att en student med varaktig funktionsvariation ska ges en likvärdig examination jämfört med en student utan funktionsvariation.

7. Kursvärdering

Kursvärdering ska göras i enlighet med BTH:s beslut om frågeställning i kursvärderingar och beslut om process för hantering och uppföljning av kursvärderingar.

8. Begränsningar i examen

Kursen kan ingå i examen men inte tillsammans med annan kurs vars innehåll, helt eller delvis, överensstämmer med innehållet i denna kurs.

9. Kurslitteratur och övriga lärresurser

Huvudlitteratur:
- Visualization Analysis and Design, Tamara Munzner, A K Peters/CRC Press, 2015 (ISBN-13: 9781466508910).

Referenslitteratur:
- Information Visualization: Perception for Design, 4th Edition, Colin Ware, 2020, (ISBN-13: 9780128128756).
- Visual Thinking for Information Design, 2nd Edition, Colin Ware, 2022, (ISBN-13: 9780128235676).
- Information Visualization: An Introduction, Robert Spence, 3rd edition, Springer, 2014, (ISBN-13: 9783319073408)
- Game Analytics: Maximizing the Value of Player Data, Magy Seif El-Nasr, Anders Drachen, Alessandro Canossa (Editors), Springer, 2013, (ISBN-13: 9781447147695).

- Valda vetenskapliga artiklar inom visualisering kommer att tillhandahållas vid kursen.

Böckerna och vetenskapliga artiklarna finns tillgängliga i digital form via BTH:s bibliotek.