Kunstmatige Intelligentie Masteropleidingen Artificial Intelligence en Operational Research Transnationale Universiteit Limburg

Kunstmatige Intelligentie Masteropleidingen Artificial Intelligence en Operational Research Transnationale Universiteit Limburg

Juni 2007 versie t.b.v. aanvraag accreditatie

Uitgave: Quality Assurance Netherlands Universities (QANU) Catharijnesingel 56 Postbus 8035 3503 RA Utrecht Telefoon: Fax: E-mail: Internet:

030 230 3100 030 230 3129 [email protected] www.qanu.nl

© 2007 QANU Tekst en cijfermateriaal uit deze uitgave mogen, na toestemming van QANU en voorzien van bronvermelding, door middel van druk, fotokopie, of op welke andere wijze dan ook, worden overgenomen.

2

QANU / Kunstmatige Intelligentie, Transnationale Universiteit Limburg

Inhoudsopgave Voorwoord

5

Deel I

7

Algemeen deel

1. De visitatie Kunstmatige Intelligentie Transnationale Universiteit Limburg

Deel II

Opleidingsdeel

9

11

1. De masteropleiding Artificial Intelligence en de masteropleiding Operations Research aan de Transnationale Universiteit Limburg

13

Bijlagen

45

Bijlage A: Bijlage B: Bijlage C: Bijlage D:

Curricula vitae van de leden van de visitatiecommissie Referentiekader KION Programma visitatie masteropleidingen Transnationale Universiteit Limburg Beoordelingsformulier scripties


47 49 69 71

3

4


VOORWOORD Dit rapport is onderdeel van de kwaliteitsbeoordeling van universitaire bachelor- en masteropleidingen in Nederland. Het doel van het rapport is om een betrouwbaar beeld te geven van de resultaten van de voor beoordeling voorgelegde opleidingen, alsmede een terugkoppeling te geven naar de interne kwaliteitszorg van de betrokken organisaties en als basis te dienen voor de accreditatie van de betrokken opleidingen door de Nederlands-Vlaamse Accreditatie Organisatie (NVAO). De stichting Quality Assurance Netherlands Universities (QANU) beoogt onafhankelijke, objectieve en kritische beoordelingen te laten plaatsvinden en opbouwende kritiek te leveren, zo veel mogelijk uitgaande van een gestandaardiseerde set van kwaliteitscriteria met oog voor specifieke omstandigheden. De visitatiecommissie Kunstmatige Intelligentie van QANU heeft haar taken met grote toewijding uitgevoerd in een periode die wordt gekenmerkt door de overgang naar de bachelor-masterstructuur. De opleidingen van de Transnationale Universiteit Limburg zijn beoordeeld op een grondige en zorgvuldige manier en binnen een duidelijk beoordelingskader. Wij verwachten dat de oordelen en de aanbevelingen in zorgvuldige overweging zullen worden genomen door de betrokken opleidingen, faculteitsbesturen en Colleges van Bestuur. Wij zeggen dank aan de voorzitter en de leden van de visitatiecommissie voor hun bereidheid deel te nemen aan deze beoordeling en voor de toewijding waarmee ze hun taak hebben uitgevoerd. Ook gaat onze dank uit naar de staf van de betrokken afdelingen aan de universiteiten voor hun inspanningen en hun medewerking aan deze beoordeling. Quality Assurance Netherlands Universities mr. C.J. Peels directeur


drs. J.G.F. Veldhuis voorzitter bestuur

5

6


DEEL I: ALGEMEEN DEEL


7

8


1.

De visitatie Kunstmatige Intelligentie Transnationale Universiteit Limburg

Inleiding In dit rapport brengt de visitatiecommisie Kunstmatige Intelligentie (hierna: de commissie) verslag uit van haar bevindingen ten aanzien van de masteropleidingen Artificial Intelligence en Operational Research aan de Transnationale Universiteit Limburg (tUL). Het bezoek vond plaats op 27 en 28 februari 2007. Taak van de commissie De commissie heeft als taak om op basis van de door de faculteit aan te leveren informatie en door middel van ter plaatse te voeren gesprekken een oordeel te geven over de zes onderwerpen (en de daaronder vallende facetten) die worden vermeld in het QANU-kader, Gids voor de externe kwaliteitsbeoordeling van wetenschappelijke bachelor- en masteropleidingen ten behoeve van accreditatie: Doelstellingen (3 facetten); Programma (8 facetten); Personeel (3 facetten); Voorzieningen (2 facetten); Interne kwaliteitszorg (3 facetten) en Resultaten (2 facetten). Bovendien dient de commissie een integraal oordeel te geven over elke opleiding afzonderlijk. Deze indeling is terug te vinden in het rapport. Samenstelling van de commissie De visitatiecommissie Kunstmatige Intelligentie bestaat uit de volgende personen: • • • • • •

prof. dr. W.A. (Willem-Albert) Wagenaar, emeritus hoogleraar Universiteit Leiden en Universiteit Utrecht prof. dr. W. (Walter) Daelemans, gewoon hoogleraar Computational Linguistics and Artificial Intelligence, Universiteit van Antwerpen prof. dr. A. (Ann) Nowé, hoofddocent Computer Science, Vrije Universiteit Brussel E. (Elske) van der Vaart, student Kunstmatige Intelligentie Rijksuniversiteit Groningen, studentlid prof. dr. F.J.M.M. (Frank) Veltman, hoogleraar Logica Universiteit van Amsterdam ir. E.M. (Evert) van de Vrie, docent Wiskunde en Kunstmatige Intelligentie Open Universiteit Nederland, onderwijsdeskundige.

Secretaris van de commissie is J.W.M. Meijer, medewerker bureau QANU. Voor de cv’s van de commissieleden zij verwezen naar bijlage A. Voorzitter, leden en secretaris hebben de QANU-onafhankelijkheidsverklaring getekend. De heer Van de Vrie heeft vanwege zijn betrokkenheid bij het opzetten van een samenwerking van opleidingen van de Universiteit Maastricht en de Open Universiteit niet aan het bezoek aan de tUL deelgenomen. Werkwijze De commissie is op 24 januari 2007 door het bestuur van QANU geïnstalleerd. In die vergadering heeft zij besloten in grote lijn het Referentiekader van het KION aan te houden en maakte zij afspraken over de onderlinge taakverdeling. Het bezoek is georganiseerd volgens het als bijlage C bijgevoegde programma.


9

De secretaris heeft van tevoren een analyse opgesteld van de opleidingen aan de hand van de zelfstudie. Mede op grond daarvan is aan de opleidingen nog om aanvullende informatie gevraagd. De antwoorden op die vragen werden voordat het bezoek plaatsvond aan de leden van de commissie ter beschikking gesteld. Voorafgaand aan het bezoek heeft de commissie, in overleg met de opleidingen ook een open spreekuur aangekondigd, waarvoor belangstellenden zich, met opgave van het te bespreken onderwerp, bij de secretaris van de commissie konden opgeven. Niet alleen in het mededelingenblad van de universiteit/faculteit maar ook via e-mail is dit aangekondigd. Hiervan is geen gebruik gemaakt. De commissie heeft negentien scripties geselecteerd. Deze scripties zijn van tevoren opgevraagd en naar de leden gestuurd. De leden van de commissie hebben ze bestudeerd en er een cijfer aan toegekend op basis van een beoordelingsformulier (zie bijlage D). De oordelen zijn daarna in de commissie gezamenlijk besproken en vergeleken met de beoordeling die de opleiding had gegeven. Teneinde een goed zicht te krijgen op de wijze waarop begeleiding en beoordeling van de scripties heeft plaatsgevonden, heeft de commissie met een aantal oud-studenten over hun scriptie gesproken. De commissie sprak daarnaast met een delegatie van de opleidingscommissie en een delegatie van de examencommissie alsmede met docenten, studenten en de studieadviseur, waarbij erop werd toegezien dat zij niet steeds met dezelfde functionarissen van gedachten wisselde. Tijdens het bezoek nam de commissie kennis van tentamenopgaven, evaluatieverslagen, syllabi, handboeken, voorlichtingsmateriaal, ICT-materiaal en dergelijke. Tevens bracht zij een bezoek aan de onderwijsruimten. De studenten met wie de commissie heeft gesproken, zijn voor de helft op verzoek van de commissie door de opleiding, studievereniging en/of studentbestuursleden aangewezen. Voor de andere helft heeft de secretaris een steekproef getrokken. Aangezien er nog geen rendementscijfers van KUO over de opleidingen beschikbaar waren, heeft de commissie de rendementscijfers en de instroomcijfers van de opleidingen gehanteerd. Na afloop van de bezoeken heeft de secretaris een conceptrapport opgesteld. Dit is voorgelegd aan de leden van de commissie met verzoek waar nodig correcties of aanvullingen aan te brengen en de beoordeling in te vullen. Het aldus bijgewerkte rapport is, nadat de voorzitter er zijn fiat aan had gehecht, naar de betrokken faculteit gestuurd met het verzoek feitelijke onjuistheden aan te geven. De feitelijke onjuistheden zijn vervolgens verbeterd. Ten slotte heeft de gehele commissie zich akkoord verklaard met de eindversie die thans voorligt. Het conceptrapport is op het bureau van QANU ook collegiaal getoetst en het bestuur van QANU heeft het concept tegen het licht gehouden teneinde te bezien of het ook de bestuurlijke toets der kritiek kon doorstaan. Het rapport heeft de bestuurlijke toets doorstaan. Rapport over de opleidingen In de onder elk facet opgenomen paragraaf ‘Beschrijving overgenomen uit de zelfstudie’ staat letterlijk de tekst uit de zelfstudie, zij het niet steeds integraal. In enkele gevallen zijn minder terzake doende uitspraken achterwege gelaten evenals uitspraken over de eigen kwaliteit; ook is de naam van de opleiding niet steeds herhaald. Verwijzingen naar bijlagen en dergelijke zijn eveneens weggelaten. De overgenomen teksten zijn grafisch (door het gebruik van cursieve tekst) herkenbaar. Ook de nagekomen gegevens worden letterlijk weergegeven, tenzij anders vermeld.

10


Beslisregels In het accreditatiestelsel is voor de beoordeling op facetniveau een vierpuntsschaal voorgeschreven: ‘onvoldoende’, ‘voldoende’, ‘goed’ en ‘excellent’; op onderwerpniveau een tweepuntsschaal: ‘voldoende’ of ‘onvoldoende’. De commissie heeft de standaard QANU-beslisregels gevolgd. Deze zijn: • • • •

De beoordeling ‘onvoldoende’ wijst erop dat het facet beneden de gestelde verwachting ligt en dat beleidsaandacht op dit punt nodig is. De beoordeling ‘voldoende’ houdt in dat het facet beantwoordt aan de basisstandaard of basisnorm en internationale vergelijking kan doorstaan. De beoordeling ‘goed’ houdt in dat het niveau van het facet uitstijgt boven de basiskwaliteit en positief opvalt in nationale vergelijking. De beoordeling ‘excellent’ houdt in dat voor het facet een niveau wordt gerealiseerd waardoor de beoordeelde opleiding ook internationaal als een voorbeeld van opmerkelijk goede praktijk kan functioneren.


11

12


DEEL II: OPLEIDINGSDEEL


13

14


1.

De masteropleiding Artificial Intelligence en de masteropleiding Operations Research aan de Transnationale Universiteit Limburg

Administratieve gegevens Masteropleiding Artificial Intelligence: Naam opleiding: CROHO-nummer: Niveau: Oriëntatie: Studielast: Graad: Variant(en): Locatie(s): Einddatum accreditatie:

Artificial Intelligence 66981 master wo 60 EC master of science voltijd Maastricht 31 december 2007

Masteropleiding Operations Research: Naam opleiding: CROHO-nummer: Niveau: Oriëntatie: Studielast: Graad: Variant(en): Locatie(s): Einddatum accreditatie:

Operations Research 60125 master wo 60 EC master of science voltijd Maastricht 31 december 2007

Het bezoek van de commissie aan de tUL vond plaats op 27 en 28 februari 2007.

1.0. Structuur en organisatie van de universiteit De transnationale Universiteit Limburg (tUL) is een ‘aangewezen universiteit’ die in 2001 is opgericht om de samenwerking tussen de Universiteit Maastricht (UM) en de Universiteit Hasselt, voorheen het Limburgs Universitair Centrum (LUC) te Diepenbeek, vorm te geven. Voorafgaand aan de oprichting van de tUL vormde sinds 1992 de gezamenlijke opleiding Informatica-Kennistechnologie al een transnationaal samenwerkingsverband met het Limburgs Universitair Centrum. Deze samenwerking bood aan Nederlandse zijde de mogelijkheid om een nieuwe (bèta)studierichting te starten. Aan Vlaamse zijde bood het de mogelijkheid voor het LUC om uit te groeien tot een volwaardige universiteit. (Voorheen mocht het LUC enkel kandidaatsstudenten opleiden.) Deze samenwerking kende obstakels van praktische, organisatorische en culturele aard. Met de introductie van de tUL werd een formele organisatie geïntroduceerd waarbij veel van de met grote inspanning tot stand gekomen samenwerkingsvormen binnen de opleiding Kennistechnologie werden verstoord. Het belangrijkste negatieve effect op de opleiding Kennistechnologie aan Nederlandse zijde was dat de opleiding niet meer zichtbaar was voor de studiekiezers. Aangezien de tUL een aangewezen universiteit is, worden studierichtingen van de tUL niet genoemd in de keuzegids hoger onderwijs en ook niet in andere door studiekiezers geraadpleegde overzichten. Zo worden de tUL-opleidingen niet opgenomen in de Instroomwijzer van de Informatie Beheer Groep. Hierdoor daalde de instroom aan Nederlandse zijde drastisch. Met de introductie van het bachelor-masterstelsel in Nederland, heeft dit uiteindelijk geleid tot de ontkoppeling van het bachelordeel van de opleiding


15

uit de tUL. Met ingang van 1-9-2004 is de bachelor Knowledge Engineering onderdeel van de Universiteit Maastricht, waarmee de zichtbaarheid voor de Nederlandse studiekiezer weer is hersteld. De masters Artificial Intelligence (AI) en Operations Research (OR) bleven wel een onderdeel van de tUL vormen. Beide worden door het MICC in Maastricht aangeboden. De zelfstudie van de master Artificial Intelligence voor de onderwijsvisitatie 2006 wordt aangeboden door het Maastricht ICT Competence Centre (MICC; voorheen de Faculteit der Algemene Wetenschappen). Tot mei 2005 bestond het MICC uit de capaciteitsgroepen Informatica en Wiskunde. Het MICC vormt een onderdeel van de Faculty of Humanities and Sciences (FHS) van de Universiteit Maastricht. Deze nieuw opgerichte faculteit bestaat uit vier onderdelen, te weten: MICC, University College Maastricht (UCM), Maastricht Graduate School of Governance (MGSoG) en het International Centre for Integrative assessment & Sustainable development (ICIS). Verantwoordelijk voor het bestuur en beheer van de FHS is de decaan, die tevens voorzitter van het MICC-bestuur is. Daarnaast worden de volgende functies onderscheiden: • • •

het hoofd van het MICC, eindverantwoordelijk voor de dagelijkse gang van zaken van het MICC; de opleidingsdirecteur, verantwoordelijk voor het onderwijs; de projectmanager, verantwoordelijk voor het bureau.

Onder Bureau Onderwijs vallen de examenadministratie, de verroostering, voorlichting en pr, internationalisering, studieadviseur en het secretariaat van het bureau. Oordeel De commissie heeft zich in het gesprek met het bestuur van de tUL niet kunnen laten overtuigen van de meerwaarde van de gehanteerde constructie waarbij deze masteropleidingen formeel onder de tUL vallen. In feite biedt het MICC deze opleidingen aan. De commissie heeft niet vernomen dat er nu kansen worden geschapen die er niet zouden zijn als de masteropleidingen onder de UM zouden vallen. Van intensieve contacten met de Universiteit van Hasselt is haar weinig gebleken. Ook de studenten hebben naar voren gebracht dat deze opleidingen in de praktijk een louter Nederlandse aangelegenheid zijn. Van de kant van de tUL is gewezen op de motorfunctie van de tUL-constructie; ook is er een studiedag georganiseerd. De commissie heeft de indruk gekregen dat met name door de gedwongen eenjarige cursusduur de tUL constructie eerder als een blok aan het been dan als een positief, mogelijkheden scheppend fenomeen wordt ervaren. Wellicht dat er meer gestalte aan de samenwerking met Hasselt gegeven kan worden als beide masteropleidingen tweejarig worden.

1.1. Invoering bachelor-masterstructuur en afbouw ongedeelde opleidingen: stand van zaken Beschrijving overgenomen uit de zelfstudie De examencommissie heeft samen met de studieadviseur met name gekeken naar die doctoraalstudenten die niet meer in staat zouden zijn conform het OER hun doctoraalopleiding af te ronden. Deze studenten, met sterk achterblijvende resultaten, is dan ook geadviseerd om van de doctoraalopleiding over te stappen naar de bachelor- of de masteropleiding. Dit adviesmoment heeft plaatsgevonden in het najaar van 2004. Uiteindelijk zijn 13 studenten overgestapt naar de nieuwe structuur. De overgangscriteria om studenten dit advies te geven zijn niet formeel vastgelegd maar zijn steeds in gesprek met de student, examencommissie en studieadviseur besproken en getoetst op haalbaarheid. In geen van deze gevallen was de student het oneens met het gegeven advies. Uitgangspunt was steeds om de student zo min mogelijk extra studievertraging te laten oplopen. Algemene informatie wordt via de universiteitskrant Observant verstrekt. Alle individuele verzoeken en problemen zijn altijd besproken in de examencommissie om te bekijken wat tot de formele mogelijkheden behoorde om lacunes, problemen en keuzemomenten op te lossen dan wel te realiseren.

16


Oordeel De overgang is naar behoren geregeld. Een aantal doctoraalstudenten heeft een intensieve scriptiebegeleiding ontvangen teneinde op tijd af te studeren. In de gesprekken met de studenten zijn geen problemen naar voren gekomen. De commissie heeft geconstateerd dat de invoering probleemloos is verlopen.

1.2.

Het beoordelingskader

1.2.1.

Doelstellingen van de opleiding

F1: Domeinspecifieke eisen De eindkwalificaties van de opleiding sluiten aan bij de eisen die door (buitenlandse) vakgenoten en de beroepspraktijk gesteld worden aan een opleiding in het betreffende domein (vakgebied/discipline en/of beroepspraktijk).

Beschrijving overgenomen uit de zelfstudies De master Artificial Intelligence beoogt studenten met een bachelor Kennistechnologie (of een gelijkwaardig diploma) een degelijke vervolgopleiding te geven in het wetenschapsgebied Artificial Intelligence. De master Operations Research beoogt studenten met een bachelor Kennistechnologie (of een gelijkwaardig diploma) een degelijke vervolgopleiding te geven in het wetenschapsgebied Operations Research. Hierbij wordt het ‘frame of reference’ (KION, april 2006) gehanteerd, dat onlangs door het KION (Kunstmatige Intelligentie Opleidingen Nederland) is geformuleerd. Het ‘frame of reference’ definieert alle gebieden die onder het begrip Artificial Intelligence vallen. De zelfstudie haalt de KION-eindtermen aan en voegt daar het volgende aan toe: Naast bovengenoemde domeinspecifieke eisen wordt met de opleiding eveneens academische vorming beoogd in het kader van het specifieke Maastrichtse onderwijsconcept en profielkenmerken, in het bijzonder het project centred learning (PCL). PCL is studentgecentreerd en heeft tot doel actief leren van studenten te bevorderen. Studenten krijgen in kleine groepen van maximaal 5 studenten opdrachten aangeboden waaraan zij gedurende een semester in teamverband werken. De opdrachten zijn gerelateerd aan de vakken die gedurende die periode worden onderwezen. Op deze wijze leert de student opgedane kennis en inzichten te integreren, te bediscussiëren, te beargumenteren en toe te passen op de opdrachten. Deze opdrachten worden in samenspraak met betrokken docenten en indien mogelijk met externe opdrachtgevers geformuleerd. De projecten worden uiteindelijk beoordeeld aan de hand van het product, meestal in de vorm van een softwareprogramma, een rapport of artikel en een groepspresentatie. De commissie heeft in aanvulling op de zelfstudie nog gevraagd naar specifieke eindtermen van de opleidingen en de volgende informatie ontvangen: De master of science in Artificial Intelligence beschikt over diepgaande kennis van algoritmen, methoden en technieken uit de Kunstmatige Intelligentie, Agentsystemen, Zoektechnieken, Machine Learning, Datamining en Computerspelen, om intelligentie in kunstmatige en natuurlijke omgevingen te modelleren en te analyseren. Hierdoor is de master in de beroepspraktijk in staat om werkbare oplossingen te bepalen en/of dienaangaande adviezen te verstrekken. De master heeft een wetenschappelijk verantwoorde probleemoplossende instelling en is in staat om zelfstandig relevante literatuur en softwareapplicaties via bibliotheken of internet te vinden, als ook om deze op toepasbaarheid te beoordelen. De master of science in AI beschikt over de basiscompetenties van een wetenschappelijk onderzoeker en is tevens getraind in teamwerk, in schrijfvaardigheden en in presentatietechnieken. De graad van Master of Science in Artificial Intelligence biedt goede perspectieven voor een werkplek als onderzoeker bij een universiteit, overheidsinstelling of bij een onderzoeksafdeling in een industriële omgeving. Anderen vinden hun werkplek bij bedrijven of instituten die zich richten op meer toegepaste domeinen als kennismanagement, expertsystemen of softwareontwikkeling. De master of science in Operations Research beschikt over diepgaande kennis van algoritmen, methoden en technieken uit de Besliskunde, de Systeem- en Regeltheorie en de Mathematische Simulatie om complexe beslissings- of besturingsproblemen te modelleren en te analyseren. Hierdoor is de master in de beroepspraktijk in staat om werkbare oplossingen te bepalen en/of dienaangaande adviezen te verstrekken. De master heeft een wetenschappelijk verantwoorde probleemoplossende instelling en is in staat om zelfstandig relevante literatuur en softwareapplicaties via bibliotheken of internet te vinden, als ook om deze op toepasbaarheid te beoordelen. De master of science in OR beschikt over de


17

basiscompetenties van een wetenschappelijk onderzoeker en is tevens getraind in teamwerk, in schrijfvaardigheden en in presentatietechnieken. De graad van Master of Science in Operations Research biedt goede perspectieven voor een werkplek als onderzoeker bij een universiteit, overheidsinstelling of bij een onderzoeksafdeling in een industriële omgeving. Anderen vinden hun werkplek in managementfuncties in de wiskundige modellering, in de logistiek of in de planning en scheduling van productieprocessen. Oordeel De zelfstudies nemen de KION-doelstellingen over. Deze doelstellingen zijn als handvat voor wat betreft masteropleidingen echter niet geheel bevredigend omdat ze weinig diepgaand zijn en geen informatie geven over de duur van de opleiding. Wel geven ze een overzicht van vergelijkbare masteropleidingen in het buitenland, met name Edinburgh en Stanford, met daarbij de kanttekening dat het toch lastig blijft om opleidingen te vinden die geheel vergelijkbaar zijn qua structuur en inhoud. De commissie heeft geïnformeerd naar de signatuur van de opleidingen AI en OR. Zij heeft vernomen dat beide meer exact gericht zijn dan de opleidingen aan zusterfaculteiten. AI kijkt vanuit de informatica naar kunstmatige intelligentie en OR is in feite een moderne invulling van bedrijfswiskunde. De commissie heeft waardering voor de beschrijving van het onderwijsconcept (Project Centered Learning), dat hier ook bijdraagt aan het bereiken van de eindkwalificaties. De studenten werken in kleine groepen aan opdrachten. Deze opdrachten worden in samenspraak met betrokken docenten en indien mogelijk, met externe opdrachtgevers geformuleerd. De commissie heeft vastgesteld dat dit inderdaad zo gebeurt. De afgestudeerden van beide opleidingen hebben de competenties van een wetenschappelijk onderzoeker en beschikken over een wetenschappelijk verantwoorde probleemoplossende instelling. De commissie betrekt ook de beschrijving van de eindkwalificaties vermeld onder facet 2 bij haar oordeel over onderhavig facet. Zij stelt vast dat de vermelde eindkwalificaties van beide opleidingen aansluiten bij de eisen die vakgenoten en de beroepspraktijk stellen conform landelijke afspraken. Beide opleidingen voldoen hiermee aan de criteria behorende bij dit facet. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. F2: Niveau De eindkwalificaties van de opleiding sluiten aan bij algemene, internationaal geaccepteerde beschrijvingen van de kwalificaties van een Bachelor of een Master.

Beschrijving overgenomen uit de zelfstudies Hierna volgt een toelichting van de eindtermen aan de hand van de Dublin-descriptoren:

Artificial Intelligence

Knowledge and understanding De colleges beslaan sleutelgebieden uit de kunstmatige intelligentie (Engels: Artificial Intelligence, AI) met in het bijzonder aandacht voor de volgende 8 onderzoeksgebieden: 1) intelligente zoektechnieken voor bordspelen zoals schaak en Go; 2) intelligente technieken om virtuele karakters te besturen (Game AI) in commerciële computerspelen; 3) agenttechnologie om één of meer agenten te coördineren en te besturen; 4) formele technieken voor kennisrepresentatie en redeneren in agenten; 5) machine learning om in verscheidene domeinen te leren uit voorbeelden; 6) gesitueerde agenten om de aard van laagniveau-denkprocessen te bestuderen; 7) kennismanagement om de uitwisseling en distributie van kennis tussen menselijke en kunstmatige agenten te faciliteren; 8) technieken en methoden voor het verkrijgen en terugvinden van kennis in grote gedistribueerde databestanden. In de tentamens wordt via open vragen getoetst op begrip en kennis. Door hun onderzoekswerk voor de masterthesis komen de studenten in aanraking met de frontline van het onderzoek op dat gebied. Zowel tijdens het researchproject en tijdens het masterthesisonderzoek, als ook tijdens het praktische werk bij verschillende colleges, ervaren studenten de veranderlijkheid van het onderzoeksproces en leren zij daar op een juiste wijze

18


mee om te gaan. Bij verschillende colleges presenteren en bediscussiëren studenten recente wetenschappelijke AIpublicaties. Tijdens die discussies komen ook sociale en ethische aspecten aan bod. In het college Knowledge Management and Knowledge-System Development wordt een aparte les aan ethiek besteed. Applying knowledge and understanding for problem solving and design Door de projectvorm ontwikkelen studenten de vaardigheid tot integratie van relevante vakgebieden bij het toepassen van de theorie in de praktijk. Hierdoor is de master in de beroepspraktijk in staat om problemen uit andere disciplines te abstraheren, in het eigen onderzoek te betrekken en te modelleren en vervolgens de procesgang en uitkomsten naar die andere disciplines te vertalen. Door de projectvorm van het onderwijs is de master vertrouwd met het reflecteren op probleemaanpak, werkwijze, tijdsplanning en resultaten. Making judgements Het vermogen om modellen, theorieën, hypothesen en ideeën binnen het domein van de kunstmatige intelligentie te kiezen, toe te passen, te formuleren en te valideren wordt in alle colleges en skills classes verder ontwikkeld. De master heeft een wetenschappelijk verantwoorde probleemoplossende instelling en is in staat om zelfstandig relevante literatuur en softwareapplicaties via bibliotheken of internet te vinden, en deze op toepasbaarheid te beoordelen. Projectverslag en masterthesis resulteren veelal in een gericht advies. Communication Gedurende de masteropleiding geven de studenten verschillende presentaties en discussiëren hierover en geven commentaar op elkaars werk. De masteropleiding wordt afgesloten met een onderzoeksstage uitmondend in een masterthesis en, idealiter, publiceerbare resultaten. De masterthesis wordt individueel gepresenteerd. Learning skills Door de intensieve contacten tussen de studenten onderling en de kleine afstand tot docenten krijgen studenten snel feedback op hun vaardigheden. De projectgroepen en skills classes spelen hier een belangrijke rol, als ook de informele sfeer. Verder zijn de opdrachten in het algemeen zo uitdagend dat er een flink beroep op de creativiteit en de leervaardigheden van de studenten gedaan wordt.

Operations Research

Knowledge and understanding De colleges beslaan sleutelgebieden uit de Operations Research, Wiskundige Modellering, Optimalisering, Systeem- en Regeltheorie, Speltheorie en Signaalverwerking om een grote diversiteit aan wetenschappelijke vraagstellingen en praktijkproblemen wiskundig te modelleren en te analyseren. In de tentamens wordt via open vragen getoetst op begrip en kennis. Door hun onderzoekswerk voor de masterthesis komen de studenten in aanraking met de frontline van het onderzoek op dat gebied. Zowel tijdens het researchproject als tijdens het masterthesisonderzoek, als ook tijdens het praktische werk bij verschillende colleges, ervaren studenten de veranderlijkheid van het onderzoeksproces en leren zij daar op een juiste wijze mee om te gaan. Applying knowledge and understanding for problem solving and design Door de projectvorm ontwikkelen studenten de vaardigheid tot integratie van relevante vakgebieden bij het toepassen van de theorie in de praktijk. Hierdoor is de master in de beroepspraktijk in staat om problemen uit andere disciplines te abstraheren, in het eigen onderzoek te betrekken en te modelleren en vervolgens de procesgang en uitkomsten naar die andere disciplines te vertalen. Door de projectvorm van het onderwijs is de master vertrouwd met het reflecteren op probleemaanpak, werkwijze, tijdsplanning en resultaten. Voor de overige descriptoren zie AI. Oordeel De eindtermen zijn weergegeven in inhoudelijke beschrijvingen, maar niet in termen van doelstellingen. De KION-eindtermen daarentegen geven wel een heldere beschrijving die overeenstemt met de Dublin-descriptoren. Wat kennis en inzicht betreft beschikt de afgestudeerde master over kennis en inzicht op een niveau dat dat van de bachelor overtreft. Hij heeft vergaande kennis van de hoofdgebieden van kunstmatige intelligentie en specialistische kennis van ten minste één van de kerngebieden van KI.


19

De master kan deze kennis en inzicht op een wetenschappelijke manier toepassen in zijn werk. Met betrekking tot oordeelsvorming is de master in staat tot het geven van een oordeel of het formuleren van een plan op basis van onvolledige, beperkte en gedeeltelijk zelfs niet-betrouwbare gegevens. Wat betreft communicatie kan de master informatie, ideeën, problemen en oplossingen overbrengen op zowel specialisten als niet-specialisten. Met betrekking tot leervaardigheden: hierover beschikt de master voor zover ze nodig zijn in een succesvolle loopbaan op hoog niveau. Op grond van het bovenstaande concludeert de commissie dat in termen van eindkwalificaties het niveau van de beide opleidingen correspondeert met het niveau van een afgestudeerde master. De eindkwalificaties voldoen aan het niveau dat van opleidingen als deze verwacht kan worden, zoals vastgelegd in de Dublin-descriptoren. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. F3: Oriëntatie WO De eindkwalificaties van de opleiding sluiten aan bij de volgende beschrijvingen van een Bachelor en een Master: • De eindkwalificaties zijn ontleend aan eisen vanuit de wetenschappelijke discipline, de internationale wetenschapsbeoefening en voor daarvoor in aanmerking komende opleidingen de relevante praktijk in het toekomstige beroepenveld. • Een WO-bachelor heeft de kwalificaties voor toegang tot tenminste één verdere WO-studie op masterniveau en eventueel voor het betreden van de arbeidsmarkt. • Een WO-master heeft de kwalificaties om zelfstandig wetenschappelijk onderzoek te verrichten of multi- en interdisciplinaire vraagstukken op te lossen in een beroepspraktijk waarvoor een WO-opleiding vereist is of dienstig is.

Beschrijving overgenomen uit de zelfstudies De eindtermen van de master Artificial Intelligence zijn ontleend aan de domeinspecifieke eisen zoals eerder verwoord (zie f1 en f2). Hiernaast is ook rekening gehouden met de ‘Criteria for Academic Bachelor’s and Master’s Curricula’, zoals verwoord in het gelijknamige boekje van A.W.M. Meijers, C.W.A.M. van Overveld en J.C. Perrenet (Drukkerij Lecturis, Eindhoven University of Technology, Eindhoven, The Netherlands, 2nd edition, 2005). Het programma is zo ingericht, dat het niveau en de kwalificaties van de masterstudenten op zijn minst vergelijkbaar zijn met die van de afstudeerders uit de oorspronkelijke doctoraalopleiding. Wat betreft de masteropleidingen Kunstmatige Intelligentie neemt de opleiding in Maastricht een aparte plaats in. Deze masteropleidingen in Maastricht hebben ten gevolge van de samenwerking met de Universiteit Hasselt (voorheen Limburgs Universitair Centrum) in de transnationale Universiteit Limburg een duur van één jaar, terwijl de overige vergelijkbare Nederlandse masteropleidingen tweejarig zijn. Eindkwalificaties van de masteropleiding Artificial Intelligence zijn tot stand gekomen vanuit de eindkwalificaties voor de gelijknamige afstudeerrichting van de voormalige transnationale doctoraalopleiding Kennistechnologie. Afgestudeerden van die opleiding en afstudeerrichting zijn werkzaam op diverse promotieonderzoeken op het gebied van kunstmatige intelligentie en op vele plaatsen in het bedrijfsleven. Oordeel De opleidingen zijn aangesloten bij het landelijk overleg KION. Dat heeft onder andere geleid tot het gezamenlijk opstellen van het referentiekader. De commissie verwijst naar het onder de facetten 1 en 2 gestelde. De afgestudeerden kunnen in aanmerking komen voor een promotieplaats, ook bij zusterfaculteiten. De commissie heeft geconstateerd dat dit ook werkelijk gebeurt. De eindtermen zijn naar het oordeel van de commissie ontleend aan de eisen van de (internationale) wetenschappelijke discipline c.q. wetenschapsbeoefening. Zij baseert zich op de overweging dat bij de inrichting van de opleidingen is gekeken naar opleidingen in het buitenland (via KION). De commissie gaat bij facet 7 in op de cursusduur van één jaar. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende.

20


Oordeel over het onderwerp ‘Doelstellingen opleiding’ Op basis van de beoordelingen per facet komt de commissie tot een samenvattend oordeel over het onderwerp ‘Doelstellingen opleiding’. Voor de masteropleiding Artificial Intelligence luidt dat oordeel voldoende, voor de masteropleiding Operations Research luidt het voldoende. 1.2.2.

Programma

Beschrijving overgenomen uit de zelfstudies De master Artificial Intelligence is geheel Engelstalig. Hij bestaat uit 6 blokken, volgens het 8-8-4-8-8-4systeem. De eerste 2 blokken van ieder 8 weken (ruwweg september-december) bestaan uit een 4-tal colleges met bijbehorende skills classes. Een blok van 8 weken bestaat uit 7 weken onderwijs en 1 week toetsing. Parallel aan de blokken van 8 weken starten de studenten met een researchproject. In blokperiode 3 (4 weken, ruwweg januari) werken de studenten uitsluitend aan het project. Vervolgens volgen weer 2 blokken van 8 weken met een 4-tal colleges (ruwweg februari-mei), waarna blokperiode 6 (ruwweg juni) aan het afsluiten van de masterthesis wordt besteed. Overigens vindt het thesisonderzoek plaats gedurende het gehele collegejaar. De blokken zijn zodanig samengesteld dat de stof van blokperiodes 1 en 2 onafhankelijk van de stof uit blokperiodes 4 en 5 is. Dientengevolge kunnen studenten ook in periode 4 instromen (februari), waarbij periodes 3 en 6 worden omgewisseld. Hieronder volgt de beschrijving van het programma van de master AI studiejaar 2005-2006. In dit programma staan de skills classes nog separaat vermeld. Vanaf het programma 2006-2007 zijn de skills classes geïntegreerd in de vakken.

Program Master AI Block1

EC 2005-2006

Multi-Agent Systems Machine Learning Skills Class

EC 2006-2007 3 3 3

5 5 -

3 3 3

5 5 -

Research project

6

6

Intelligent Search Techniques Knowledge Management and Knowledge-System Development Skills Class

3 3 3 3 3 3 3

5 5 5 5 5 -

18

14

Block 2 Foundations of Knowledge Representation Reasoning Situated Agents Skills Class

Block 3 Block 4

Block 5 Games and AI Knowledge Retrieval Skills Class

Block 6 Master Thesis

De master Operations Research is eveneens geheel Engelstalig en bestaat ook uit 6 blokken, volgens het 8-8-48-8-4-systeem. De eerste 2 blokken van ieder 8 weken (ruwweg september-december) bestaan uit een 4-tal colleges met bijbehorende skills classes. Een blok van 8 weken bestaat uit 7 weken onderwijs en 1 week toetsing. Parallel aan de blokken van 8 weken starten de studenten met een researchproject. In blokperiode 3 (4 weken, ruwweg januari) werken de studenten uitsluitend aan het project. Vervolgens volgen weer 2 blokken van 8 weken met een 4-tal colleges (ruwweg februari-mei), waarna blokperiode 6 (ruwweg juni) aan het afsluiten van de masterthesis wordt besteed (zie Bijlage G). Overigens vindt het thesisonderzoek plaats gedurende het gehele collegejaar. De blokken zijn zodanig samengesteld dat de stof van blokperiodes 1 en 2 onafhankelijk van de stof uit blokperiodes 4 en 5 is. Dientengevolge kunnen studenten ook in periode 4 instromen (februari), waarbij periodes 3 en 6 worden omgewisseld. Hieronder volgt de Engelstalige beschrijving van het programma


21

van de master OR studiejaar 2005-2006. In dit programma staan de skills classes nog separaat vermeld. Vanaf het programma 2006-2007 zijn de skills classes geïntegreerd in de vakken. The Master Operations Research is a one-year master programme that leads to the title Master of Science (MSc). Operations Research (OR) is the discipline of applying advanced analytical methods to help make better decisions. Operations Research emerged as a serious branch of mathematics during WW II, when its techniques proved to be effective at missions such as locating enemy submarines. Today, OR also has applications in a wide variety of sectors in the economy, such as transportation, telecommunication, retailing, health care, airline industries, and more. Its prevalence reflects the growing complexity of managing large organizations that require the effective use of money, materials, equipment, and people. The Master programme Operations Research covers a wide range of research topics, including the following ones: 1. network formation, network maintenance and cost sharing 2. dynamic and evolutionary games 3. production planning 4. scheduling 5. biomedical signal processing for real-time sensing of cardiac signals 6. modelling and identification of gene regulatory networks 7. complex pattern formation in electrophysiological wave propagation on cardiac walls 8. analysis of complex patterns using fractal wavelet analysis The members of the teaching staff are actively involved in one or more of the eight research topics. As a result, the educational contents of the courses relate directly to the research performed.

Program Master OR Block1 Optimization Business Intelligence Systems Skills Class

EC 2005-2006

EC 2006-2007 3 3 3

5 5 -

3 3 3

5 5 -

6

6

Bio-Informatics Identification Skills Class

3 3 3

5 5 -

Games and Chance Process Control Skills Class

3 3 3

5 5 -

18

14

Block 2 Simulation Combinatorial Optimization Skills Class

Block 3 Research project

Block 4

Block 5

Block 6 Master Thesis

22


F4: Eisen WO Het programma sluit aan bij de volgende criteria voor het programma van een HBO- of een WO-opleiding: • Kennisontwikkeling door studenten vindt plaats in interactie tussen het onderwijs en het wetenschappelijk onderzoek binnen relevante disciplines. • Het programma sluit aan bij ontwikkelingen in de relevante wetenschappelijke discipline(s) door aantoonbare verbanden met actuele wetenschappelijke theorieën. • Het programma waarborgt de ontwikkeling van vaardigheden op het gebied van wetenschappelijk onderzoek. • Bij daarvoor in aanmerking komende opleidingen heeft het programma aantoonbare verbanden met de actuele praktijk van de relevante beroepen.

Beschrijving overgenomen uit de zelfstudies Het instituut IKAT (Instituut voor Kennis en Agent Technologie) binnen het MICC is belast met het onderwijs in de master AI. Er is een nauwe samenhang tussen het onderwijs in de master en het wetenschappelijk onderzoek binnen IKAT. Het onderwijs in de master AI wordt ontwikkeld door seniormedewerkers (gepromoveerde wetenschappelijk medewerkers) van IKAT. Deze zijn naast hun onderwijstaken actief betrokken binnen het onderzoek in IKAT. Daarnaast worden andere onderzoekers betrokken bij het onderwijs, zoals junioronderzoekers en promovendi. In 2005 is IKAT’s onderzoek geformaliseerd in 4 onderzoeksgroepen. Deze zijn achtereenvolgens 1) Neural Networks and Adaptive Behaviour (NNAB); 2) Agent Technology (AT); 3) Games and Artificial Intelligence (GAI); 4) Knowledge Management (KM). Het onderwijs in de master AI bestaat, naast een project en de masterthesis, uit een achttal vakken die gedetailleerd ingaan op de onderwerpen gerelateerd aan de vier onderzoeksdomeinen. Het programma wordt systematisch geëvalueerd en gereviseerd. Daarbij worden door de inhoudsdeskundigen vanuit de verschillende onderzoeksgroepen onderdelen van het blok vervangen of geactualiseerd als gevolg van wetenschappelijke ontwikkelingen op dat deelgebied. Daarbij wordt zo nodig ook de gebruikte literatuur aangepast. In toenemende mate wordt ook gebruikgemaakt van actuele en relevante informatie op het internet. Er wordt in het studieprogramma van uitgegaan dat de masterstudent onderzoeksvaardigheden op het niveau van de bachelor heeft. In het bachelorprogramma Knowledge Engineering is dit gegarandeerd. Deze vaardigheden worden in het masterprogramma verder getraind in de colleges, de practica, het project en het thesisonderzoek. Vanwege de kleinschaligheid van het onderwijs is het contact tussen docenten en studenten heel nauw, waardoor de studenten intensief ‘meelopen’ met de laatste ontwikkelingen in onderzoek en zich gemakkelijk wetenschappelijke vaardigheden eigen maken. Een tweede manier waarbij studenten direct met relevante beroepen in contact komen is het inzetten van gastdocenten uit bedrijfsleven of onderzoeksinstituten bij de hoorcolleges. De gastdocenten worden daarbij aangemoedigd niet alleen over ‘droge stof’ te praten, maar vooral verbanden te leggen tussen de aangeboden stof en hun eigen beroepspraktijk. Ten slotte zij vermeld dat studenten de mogelijkheid hebben hun masterthesisonderzoek bij een bedrijf te verrichten, mits het onderzoek daar van voldoende hoog wetenschappelijk niveau is. In dat geval is er altijd zowel een interne wetenschappelijke begeleider als een externe begeleider binnen het bedrijf. Indien het thesisonderzoek niet in een bedrijf plaatsvindt, is het zeer wel mogelijk een externe adviseur bij het onderzoek te betrekken. De onderzoeksgroep NS (Networks and Systems) binnen het MICC is belast met het onderwijs in de master OR. Er is een nauwe samenhang tussen het onderwijs in de master en het wetenschappelijk onderzoek binnen de onderzoeksgroep. Het onderwijs in de master OR wordt ontwikkeld door seniormedewerkers (gepromoveerde wetenschappelijk medewerkers) van NS. Deze zijn naast hun onderwijstaken actief betrokken bij het onderzoek. Ook worden promovendi betrokken bij het onderwijs. Het onderzoek binnen NS richt zich op onderwerpen binnen de Operations Research, de Speltheorie, en de Systeem- en Regeltheorie. Voor de masterthesis en het project van de opleiding wordt altijd een onderwerp gekozen binnen een van deze drie onderzoeksgebieden, vaak gerelateerd aan de onderzoeksinteresse van de begeleider. Van de vakken in de opleiding zijn Optimization, Business Intelligence en Combinatorial Optimization gerelateerd aan onderwerpen in de Operations Research. De vakken Identification en Process Control zijn gerelateerd aan Systeem- en Regeltheorie, en het vak Games and Chance behandelt onderwerpen uit de (evolutionaire) Speltheorie. Bij het vak Bioinformatics wordt aandacht besteed aan toepassingen uit de verschillende onderzoeksdomeinen.


23

De dagelijkse begeleiding van het onderzoek voor de masterthesis is in handen van een onderzoeker uit een van bovengenoemde groepen. De onderzoeker begeleidt de student zowel bij het uitvoeren van het onderzoek als bij het schrijven van de thesis.

Het programma sluit aan bij ontwikkelingen in de relevante wetenschappelijke discipline(s) door aantoonbare verbanden met actuele wetenschappelijke theorieën.

Het programma van de master OR leidt op tot aan actuele grenzen van wetenschappelijke kennis in een aantal relevante wetenschappelijke disciplines. Dit doel wordt bereikt door gebruik te maken van state-of-the-art software (Matlab, Mathematica, C-plex, etc.) en onderwijsmateriaal dat gedeeltelijk bestaat uit recente wetenschappelijke publicaties op het gebied van de Operations Research, de Speltheorie, en de Systeem- en Regeltheorie. Daarnaast is er substantiële aandacht voor toepassingen op het gebied van de Bio-informatica/Systems Biology. Dit toepassingsgebied is bij uitstek interessant bevonden, omdat het zich mag verheugen in een grote internationale belangstelling en een snelle ontwikkeling doormaakt, waarbij wiskundige technieken uit de Kennistechnologie uitermate succesvol blijken. Praktische vaardigheden, zoals geoefend met behulp van PCL in skills classes en via het groepsproject, zijn onder andere gebaseerd op open probleemstellingen en lopend wetenschappelijk (promotie)onderzoek.

Het programma waarborgt de ontwikkeling van vaardigheden op het gebied van wetenschappelijk onderzoek.

Ten aanzien van de ontwikkeling van vaardigheden op het gebied van wetenschappelijk onderzoek is een substantiële plaats ingeruimd in het programma voor het uitvoeren van een individuele afstudeerstage, die wordt afgesloten met een afstudeerscriptie en een openbare presentatie. Oriëntatie op het afstudeeronderwerp geschiedt al in het eerste semester. In het eerste semester wordt in groepsverband gewerkt aan een projectopdracht met een open karakter, zoals dat bij veel wetenschappelijk onderzoek ook het geval is. In het tweede semester vindt het individuele afstudeerwerk plaats, veelal via een stage. Stages kunnen extern plaatshebben bij een bedrijf of instelling, maar ook intern aansluiten bij lopend (promotie)onderzoek. De afstudeerscriptie kan de vorm hebben van een wetenschappelijk artikel en leidt soms tot een publicatie op een wetenschappelijk congres en/of in een wetenschappelijk tijdschrift. Er wordt in het studieprogramma van uitgegaan dat de masterstudent onderzoeksvaardigheden op het niveau van bachelor heeft. In het bachelorprogramma Kennistechnologie is dit gegarandeerd. Deze vaardigheden worden in het masterprogramma verder getraind in de colleges, de practica, het project en het thesisonderzoek. Vanwege de kleinschaligheid van het onderwijs is het contact tussen docenten en studenten heel nauw, waardoor de studenten intensief ‘meelopen’ met de laatste ontwikkelingen in onderzoek en zich gemakkelijk wetenschappelijke vaardigheden eigen maken.

Bij daarvoor in aanmerking komende opleidingen heeft het programma aantoonbare verbanden met de actuele praktijk van de relevante beroepen.

Het programma heeft diverse verbanden met relevante beroepen. In de eerste plaats komt dit voort uit de vorm van het Project Centred Learning (PCL) binnen de master OR, waarbij de studenten in kleine groepen aan een project werken, dat dikwijls rechtstreeks verband houdt met de praktijk. Daarbij is een dergelijk project niet alleen vaak afkomstig uit praktische situaties, maar dikwijls werken mensen uit de praktijk ook rechtstreeks aan het project mee. Dit kan zijn als inhoudsdeskundige, die door studenten geïnterviewd wordt, of als adviseur bij het project. Verder zij vermeld dat studenten de mogelijkheid hebben voor hun masterthesis onderzoek bij een bedrijf te verrichten, mits het onderzoek daar van voldoende hoog wetenschappelijk niveau is. In dat geval is er altijd zowel een interne wetenschappelijke begeleider als een externe begeleider binnen het bedrijf. Indien het thesisonderzoek niet in een bedrijf plaatsvindt, is het zeer wel mogelijk een externe adviseur bij het onderzoek te betrekken. Het programma heeft diverse verbanden met relevante beroepen. In de eerste plaats komt dit voort uit de vorm van het Project Centred Learning (PCL) binnen de master AI, waarbij de studenten in kleine groepen aan een project werken, dat dikwijls rechtstreeks verband houdt met de praktijk. Daarbij is een dergelijk project niet alleen vaak afkomstig uit praktische situaties, maar dikwijls werken mensen uit de praktijk ook rechtstreeks aan het project mee. Dit kan zijn als inhoudsdeskundige, die door studenten geïnterviewd wordt, of als adviseur bij het project. Oordeel De commissie heeft geconstateerd dat in beide studieprogramma’s docenten van de aan het MICC verbonden onderzoeksgroepen optreden. Dat zijn vier groepen van het Instituut voor Kennis en Agent Technologie (IKAT) voor AI en de onderzoeksgroep Networks and Systems voor OR. Op grond van ontwikkelingen binnen het onderzoek wordt het programma waar nodig telkens aangepast.

24


Bij AI gaan de vakken gedetailleerd in op de onderwerpen gerelateerd aan de vier onderzoeksdomeinen. Op basis van de bachelor KE worden onderzoeksvaardigheden verder getraind. Vanwege de kleinschaligheid hebben de studenten intensief contact met hun docenten en lopen de studenten gemakkelijk mee met de nieuwste ontwikkelingen in onderzoek. Ook door het inschakelen van gastdocenten worden studenten bij onderzoek betrokken. Ten slotte kunnen ze hun masterthesis bij een bedrijf opzetten en uitwerken, als het onderzoek daar tenminste van voldoende hoog niveau is. De PCL-projecten houden vaak rechtstreeks verband met de praktijk. Ook werken mensen uit de praktijk vaak aan deze projecten mee. De commissie constateert dat kennisontwikkeling bij studenten plaatsvindt in interactie tussen het onderwijs en het wetenschappelijk onderzoek en dat er verbanden zijn met de actuele beroepspraktijk. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. F5: Relatie tussen doelstellingen en inhoud programma Het programma is een adequate concretisering van de eindkwalificaties, qua niveau, oriëntatie en domeinspecifieke eisen. De eindkwalificaties zijn adequaat vertaald in leerdoelen van (onderdelen van) het programma.

Beschrijving overgenomen uit de zelfstudies De zelfstudies noteren bij beide opleidingen een Engelse omschrijving van de acht vakken, het project en de thesis. Als voorbeeld is het eerste vak van beide opleidingen hieronder overgenomen.

Master Artificial Intelligence

Course Title Multi-Agent Systems EC: 3 Description: A Multi-Agent System is a system consisting of several agents that interact in a single environment. These agents can be autonomous computer programs, robots or humans. Since agents interact in a single environment issues such as collaboration, competition, negotiation, privacy and trust play an important role. The agents’ attitude to one another, benevolent or self-interested, plays an important role with respect to these issues. The course discusses the following topics: agents & agent architectures, distributed decision-making, coordination & cooperation, distributed incident management, agent communication, research topics. Knowledge and understanding Making the student familiar with agents, multi-agent systems and their applications. Applying knowledge The student should be able to apply the gained knowledge in practical applications. Making judgements The student should be able to judge whether it is beneficial to use a multi-agent approach over other approaches for handling the same problem. Communication The student should have sufficient understanding of multi-agent systems and should be able to thoroughly motivate his/her choices concerning the application of multi-agent systems. Skills The student should be able to study autonomously the literature describing developments in the topics of MultiAgent Systems that were addressed in the course.

Operations Research

Course title Optimization EC: 3 Description: Many real-life decision problems can be viewed, mathematically, as a problem of optimizing a function over a possibly restricted domain. This course focuses on applications, where the function to be optimized is a continuous function of several variables, and the domain of these variables is a connected subset of Euclidean space. In the first part of the course, theory, algorithms and applications for the unconstrained case are discussed. In part two, this is extended to the more difficult case that the variables are constrained to some proper subset of Euclidean space. A considerable part of the course is devoted to solving example problems with the use of Matlab. Key words: optimality conditions, non-linear programming, duality, (projected) gradient methods, Newton methods, quasi-Newton methods, Lagrange methods, penalty methods, interior point methods. Prerequisites: Basic knowledge of calculus and linear algebra.


25

Oordeel Zoals uit de voorbeeldbeschrijving van de cursus Multi-Agent Systems blijkt heeft de opleiding leerdoelen omschreven. In de omschrijving van de cursus Optimization is die omschrijving impliciet gebleven. De commissie heeft vastgesteld dat deze vakken een adequate realisering bieden van de doelstellingen. Daarmee is aan de eisen van dit facet voldaan. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. F6: Samenhang programma Studenten volgen een inhoudelijk samenhangend studieprogramma.

Beschrijving overgenomen uit de zelfstudies AI De samenhang binnen het studieprogramma wordt bevorderd door gebruik te maken van het PCL-concept, geconcretiseerd door middel van het groepsproject. Doordat de opleiding twee instroommomenten kent (namelijk bij aanvang van ieder semester) is er sprake van twee verschillend gerichte projecten, waarvan de student er met één te maken krijgt. Doordat bijna alle verantwoordelijke docenten van de vakken betrokken worden bij de projecten is ook dit een plaats waar samenhang bevorderd wordt en waarbij overlap of hiaten in de door de docenten aangeboden stof geconstateerd kunnen worden om vervolgens aan te passen. Verder wordt samenhang verkregen door het regelmatig overleggen van de bij het onderwijs betrokken docenten en bewaakt door de opleidingsdirecteur en opleidingscommissie. Bij de standaardevaluatie van de blokperiodes wordt aan studenten gevraagd naar de samenhang, overlap en hiaten in de aangeboden stof, waarbij de resultaten wederom in detail worden bekeken. Een voordeel hierbij dat ook zeker genoemd moet worden is de kleinschaligheid van het onderwijs, waardoor het contact tussen docent en student erg groot is en de lijnen kort. Ten slotte wordt samenhang ontleend aan het voortbouwen op het programma van de bacheloropleiding Kennistechnologie.

OR Het eerste semester is gericht op onderwerpen die vooral samenhangen met Operations Research en toepassingen in

bedrijfsomgevingen via de vakken Optimization, Business Intelligence, Combinatorial Optimization, Simulation. Technieken uit de discrete wiskunde zijn hier dominant. In het tweede semester ligt de nadruk op onderwerpen en toepassingen op het gebied van dynamische modellen en processen, via de vakken Identification, Bio-informatics, Games and Chance, Process Control. Samenhang tussen de vakken ontstaat onder andere door verschillende invalshoeken en toepassingen van een gemeenschappelijke onderliggende thematiek. Optimalisering wordt behandeld vanuit het perspectief van continue functies (Optimization), discrete (netwerk)modellen (Combinatorial Optimization), heuristieken (Simulation), besturingsproblemen (Process Control), statistische schattingsproblemen (Identification). Wiskundige modellen komen in de meeste vakken en in vele gedaanten voor (differentie- en differentiaalvergelijkingen, netwerken, statisch/dynamisch, discrete events, deterministisch/stochastisch, etc.). Data-analyse, data-mining en machine learning-technieken (onder andere automatische clustering en classificatie) komen aan bod vanuit verschillende gezichtspunten bijvoorbeeld bij Business Intelligence, Simulation, Bio-informatics, Identification. Er wordt daarnaast gebruikgemaakt van dezelfde software (Matlab, Mathematica) bij verschillende vakken. Oordeel Bij AI wordt gewezen op het PCL-concept, dat samenhang bevordert. Ook het regelmatig overleg van de docenten bevordert de samenhang. Bovendien werken de docenten ook in de projecten samen. Bij OR wordt gewezen op een gemeenschappelijke onderliggende thematiek waarnaar wordt gekeken vanuit verschillende invalshoeken. Ook bijvoorbeeld data-analyse komt vanuit verschillende gezichtspunten aan bod. In het gesprek met de studenten is naar voren gekomen dat een project waarin drie vakken samenkomen beter loopt dan een project met vier vakken. De projecten sluiten niet bij alle vakken aan, zo is de commissie gebleken uit evaluatieresultaten van de blokken. Dat betekent dat het integrerende karakter soms moeilijk te realiseren is. De opleidingen bieden geen keuzemogelijkheden aan. Het programma zit strak in elkaar. Wel is het mogelijk om één of twee vakken te kiezen uit de andere opleiding. Goedkeuring van de examencommissie is daarvoor ook nog nodig.

26


De commissie constateert op grond van opgevraagde informatie dat de projecten losjes worden geformuleerd en dat het toch moeilijk is in te zien, voor buitenstaanders, wat er nu eigenlijk precies gebeurt in zo’n project. Er worden geen geaccepteerde methodieken gebruikt, waardoor de voorbereiding op de beroepspraktijk eigenlijk tekortschiet. De commissie is van mening dat de opleidingen voldoende maatregelen nemen om de inhoudelijke samenhang te bevorderen, zoals de thematiek die aan de verschillende projecten en vakken ten grondslag ligt en het regelmatige docentenoverleg. De commissie stelt vast dat de samenhang inhoudelijk gezien in voldoende mate aanwezig is. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. F7: Studielast Het programma is studeerbaar doordat factoren, die betrekking hebben op dat programma en die de studievoortgang belemmeren zoveel mogelijk worden weggenomen.

Beschrijving overgenomen uit de zelfstudies Studeerbaarheid Ten einde de studeerbaarheid van het programma te optimaliseren zijn de volgende maatregelen genomen: • De studiebelasting van de 2 semesters is zo gelijk mogelijk verspreid. • Aan het eind van elk semester wordt een herkansingsweek verroosterd waarin geen ander onderwijs gepland wordt. • De projecten worden door de projectexaminator en projectbegeleider nauwlettend gevolgd, opdat uitvoerbaarheid van de opdracht in relatie tot de omvang van de projectgroep haalbaar geacht wordt. Studielast De eerste evaluatiegegevens laten zien dat het masterprogramma een hoge studielast kent. Deze studielast wordt onder andere veroorzaakt door de duur van de masteropleiding. Deze kent op de campus Maastricht een studieduur van 1 jaar, terwijl andere gelijksoortige opleidingen 2-jarig zijn. Er worden colleges geboden met daaraan gekoppelde trainingen en practica, zogenaamd skills classes. Om deze skills classes te behalen moet de student aan een aantal eisen wat betreft aanwezigheid, opdrachten en presentaties voldoen. Naast de vakken en de skills classes voeren de studenten in groepsverband een opdracht uit die gerelateerd is aan de vakken die tijdens de duur van een project (een semester) geboden worden. De projectgroepen hebben wekelijkse bijeenkomsten met de projectcoördinator. Bovendien moeten de masterstudenten zich in de eerste helft van hun opleiding richten op een onderwerp voor hun masterthesis. Studenten van andere vooropleidingen krijgen extra trainingen in projectgecentreerd onderwijs. De gemiddelde studiebelasting is in het eerste blok van het eerste semester 35 uur per week, zowel voor activiteiten op de faculteit als elders. Studenten geven aan gemiddeld 3 uur per week in blok 1 aan het project besteed te hebben. Opgemerkt dient te worden dat de evaluatiegegevens van blok 1 gebaseerd zijn op zowel de masterstudenten AI als de studenten OR en KE (N=17). Vanaf blok 2 zijn de vragenlijsten aan de masteropleidingen afzonderlijk verstrekt. In het tweede blok zijn de cijfers van de studielast voor de AI-masterstudenten respectievelijk 34 en 4 uur. Gedurende de intensieve projectweken is de studielast voor het project gemiddeld 41 uur per week. De responsrate bij deze gegevens bedraagt 9 bij een studentpopulatie van 13. De studiebelasting in blokperiode 4 bedroeg 38 uur per week (N=10). Daar de instroom per 1 februari 2 studenten telde, worden hier geen evaluatiegegevens met betrekking tot de studielast van het project vermeld. De masterstudenten worden gevolgd door de projectexaminator. Hij/zij evalueert na semester 1 (instroom september) of na semester 2 (instroom februari) de studieresultaten tot dusver. Indien nodig wordt de student uitgenodigd voor een gesprek. Het was voor de studenten moeilijk zich te oriënteren op mogelijke onderwerpen en op tijd te starten met de thesis gezien de totale studiebelasting. Verder kwam in de wekelijkse bijeenkomsten met de projectbegeleider en in individuele gesprekken naar voren dat studenten met een andere vooropleiding meer moeite hadden met het volgen van de vakken en met het leveren van een gelijkwaardige bijdrage aan het project. Veelal werden deze studenten door een van de doorstromende masterstudenten bijgewerkt.


27

Oordeel Uit gesprekken met alle betrokkenen, zowel docenten als studenten, is gebleken dat de programma’s van beide opleidingen te zwaar zijn voor één jaar (60 EC). De gegevens betreffende de studieduur bevestigen dit. Het is te verklaren uit het feit dat de opleidingen de KION-normen willen halen. Met name de scriptie is een struikelblok. Het blijkt voor studenten niet mogelijk te zijn om naast het gewone onderwijs aan hun masterthesis te werken, waardoor de studie uitloopt. De commissie is van oordeel dat doelstellingen en studielast dienen te worden aangepast aan een programma van 60 EC, tenzij het programma tweejarig wordt. De commissie concludeert dat de programma’s te zwaar zijn gezien de toegemeten cursusduur van 60 EC en kent aan dit facet dan ook een onvoldoende toe. Masteropleiding Artificial Intelligence: het oordeel van de commissie is onvoldoende. Masteropleiding Operations Research: het oordeel van de commissie is onvoldoende. F8: Instroom Het programma sluit qua vorm en inhoud aan bij de kwalificaties van de instromende studenten: WO-bachelor: VWO, HBO-propedeuse of daarmee vergelijkbare kwalificaties, blijkend uit toelatingsonderzoek. WO-master: bachelor en eventueel (inhoudelijke) selectie.

Beschrijving overgenomen uit de zelfstudies De toelatingseisen voor instromende studenten zijn: 1. Een bacheloropleiding Kennistechnologie van de UM of Informatica van de Universiteit Hasselt. Deze diploma’s geven onvoorwaardelijk recht op toegang tot de master Artificial Intelligence, Operations Research of Knowledge Engineering (doorstroommasters); of 2. Een bacheloropleiding Kunstmatige Intelligentie aan een andere Nederlandse universiteit. Met deze studenten zal wel een toelatingsgesprek plaatsvinden om na te gaan of er in de voorkennis en vaardigheden lacunes zijn; of 3. Een bacheloropleiding of een equivalent diploma in een veld dat gerelateerd is aan Kennistechnologie en een: • motivatie-essay van 2 pagina’s (A4) in het Engels; en • een GRE-score van 3.0 of hoger. Over een score tussen 2.0 en 2.9 wordt besloten door de toelatingscommissie; een score onder 2.0 geeft geen toegang tot de master; en • een IELTS-score van 6.0 of hoger. Voor alle groepen instromende studenten bestaan er geschikte toelatingseisen. Bij de start van de master waren er nog geen gegevens beschikbaar of de instromende studenten problemen hadden ten aanzien van de aansluiting. Dit jaar zal geëvalueerd worden of er sprake is van mogelijke aansluitingsproblemen. Studenten kunnen een vrijstelling aanvragen voor de IELTS- en GRE-test. De ervaring leert dat instromers van een hbo het gewenste niveau van onderzoeksvaardigheden bij aanvang van het masterprogramma niet hebben. Om ervoor te zorgen dat zij het gewenste niveau bereiken zijn deze studenten verplicht een schakelprogramma te volgen, dat bestaat uit 30 EC aan derdejaarsvakken en het derdejaarsproject. Tevens worden zij gestimuleerd om een bachelorthesis te schrijven. Oordeel De commissie heeft met instemming kennisgenomen van het voornemen om mogelijke aansluitingsproblemen in het cursusjaar 2006-2007 nog na te gaan, zoals in de zelfstudie staat geformuleerd. Daarmee lijkt de uitspraak dat er voor alle instromende studenten geschikte toelatingseisen bestaan wat voorbarig. Op het moment dat de commissie op bezoek kwam, waren de uitkomsten nog niet beschikbaar. Voor hbo’ers is het volgen van een schakelprogramma verplicht, zo blijkt uit het OER en uit nagekomen informatie. De commissie vindt dat een verstandige eis. Het aangeboden programma voor hbo-ers is adequaat; het bestaat uit 30 EC derdejaarsvakken en het derdejaarsproject. Tevens worden zij gestimuleerd een bachelorthesis te schrijven.

28


Bij AI en OR zijn er in 2005 27 mannelijke en 2 vrouwelijke studenten ingestroomd. Bij KE is in 2005 één mannelijke student ingestroomd. Nagekomen informatie leert dat per 1 februari 2006 3 hbo’ers zijn ingestroomd in AI. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. F9: Duur De opleiding voldoet aan formele eisen m.b.t. de omvang van het curriculum: WO-bachelor: in de regel 180 studiepunten. WO-master: minimaal 60 studiepunten, afhankelijk van de opleiding.

Het opleidingsprogramma van de masters bevat 60 EC. De opleidingen voldoen daarmee aan het formele criterium met betrekking tot de omvang van het curriculum. Een probleem is dat alle andere opleidingen KI in Nederland een tweejarige masteropleiding kennen. Oordeel De opleidingen hebben een aanvraag ingediend via de NVAO voor een tweejarige cursusduur. In de gesprekken met studenten is naar voren gekomen dat sommige studenten bewust voor een eenjarige masteropleiding hebben gekozen. Als reden daarvoor zijn genoemd: minder kosten dan bij een tweejarige opleiding en de ambitie om zo snel mogelijk het bedrijfsleven in te gaan. Ter illustratie zij nog aangevuld dat de studenten met wie de commissie heeft gesproken en die het in één jaar wilden halen geen baantje hadden naast de studie, hebben, tenzij ze reeds werkten in het bedrijf waar ze als afgestudeerde verder willen gaan. Een vakantie zat er voor hen ook niet in. De commissie is van oordeel dat indien de opleiding niet tweejarig wordt, een aantal onderdelen moet worden geschrapt. Zij kan echter niet aangeven welke dat zouden kunnen zijn. Bovendien zullen de doelstellingen van het programma dan moeten worden bijgesteld. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. F10: Afstemming tussen vormgeving en inhoud Het didactisch concept is in lijn met de doelstellingen. De werkvormen sluiten aan bij het didactisch concept.

Beschrijving overgenomen uit de zelfstudies Het onderwijs in het eerste semester van de master Artificial Intelligence is gebaseerd op Project Centred Learning (PCL). PCL is een studentgecentreerde onderwijsvorm waarbij studenten in kleine groepen werken aan opdrachten. Het uitvoeren van authentieke opdrachten draagt bij aan een academisch werken denkniveau. Studenten dienen de stof die hun bij de verschillende vakken wordt onderwezen te verbinden en toe te passen. De projectopdracht vormt hierbij als het ware de motor voor leren. Door de opzet van het projectonderwijs, waarbij regelmatig door middel van tussenpresentaties bijsturing plaatsvindt, wordt de ontwikkeling van leervaardigheden gewaarborgd. De leden van de projectgroep dienen zich voortdurend af te vragen in hoeverre de gevolgde aanpak leidt tot een bevredigende uitwerking van de opdracht. Het projectonderwijs biedt de student eveneens de mogelijkheid meer algemene academische vaardigheden te verwerven, zoals het vermogen om problemen te analyseren, verworven inzichten aan medestudenten en docenten te presenteren en mogelijke oplossingen te evalueren waarbij de student gemaakte keuzes dient te beargumenteren. Algemene en specialistische beroepsvaardigheden worden verworven in de trainingen en practica, behorend bij de vakken. De werkvormen sluiten aan bij het didactisch concept. Zoals hierboven vermeld, staat in het eerste semester van de master Artificial Intelligence het projectonderwijs centraal. Studenten werken gedurende het semester met elkaar in kleine groepen aan opdrachten, geformuleerd door zowel interne als externe opdrachtgevers. De projectopdrachten worden regelmatig opnieuw geformuleerd. Door het PCL-model leren studenten als een team samen te werken. Zij leren kennis en inzicht van verschillende vakdomeinen te integreren en toe te passen op een wetenschappelijke wijze. Tijdens de duur van een project vinden QANU / Kunstmatige Intelligentie, Transnationale Universiteit Limburg

29

wekelijks vergaderingen plaats in aanwezigheid van de projectbegeleider. Een van de studenten heeft de rol van voorzitter, die de bijeenkomst leidt. Van elke bijeenkomst wordt verslag gedaan. Deze verslagen met de projectplanning en het logboek vormen het projectdossier. De projectbegeleider heeft als taak het proces te begeleiden en waar mogelijk te faciliteren door contacten met inhoudsdeskundigen te leggen. Na de 8-weekse blokken vinden tussenpresentaties plaats waarbij elke projectgroep afzonderlijk aan de betrokken docenten zijn interpretatie, stand van zaken en planning voortgang van het project toont. Deze tussenpresentaties vinden afzonderlijk plaats omwille van de competitie tussen de groepen onderling. Elk project wordt uiteindelijk getoetst door middel van een presentatie voor de gehele groep studenten en betrokken docenten tezamen, een product en een wetenschappelijk artikel of rapport. Om ervoor te zorgen dat iedereen in een projectgroep een taak heeft en om ‘meeliftgedrag’ te voorkomen, is het maximum aantal leden van een projectgroep op 5 studenten gesteld. De examinator beoordeelt voortdurend de eisen van de projectopdracht op haalbaarheid, rekening houdend met het aantal projectleden van de groep. Het eindcijfer van een project geldt voor alle projectgroepleden mits iedereen zich van zijn of haar taken heeft gekweten. Mocht een student onvoldoende participeren gedurende het project, dan bestaat de mogelijkheid om, na een schriftelijke waarschuwing gegeven te hebben, van het groepsresultaat af te wijken. De vakken worden klassikaal onderwezen. De hoorcolleges zijn niet verplicht. De vakken worden door middel van een schriftelijk tentamen, veelal met open vragen, getoetst. Twee vakken worden door middel van een praktische opdracht afgesloten. Elk vak kent tevens een vaardigheidstraining. In deze vaardigheidstraining leren studenten hun kennis en inzicht op het betreffende domein toe te passen. Ze worden met modellen en vragen geconfronteerd die geanalyseerd, gevalideerd en opgelost moeten worden. Door deze opzet worden zowel algemene als specifieke vakkennis en vaardigheden aangeleerd. In de colleges verwerft de student kennis en inzicht. In de vaardigheidstrainingen leren de studenten deze kennis te gebruiken, te evalueren en te beoordelen. Daarnaast leren de studenten zowel schriftelijk als mondeling te communiceren over hun resultaten op een authentieke wijze (essay, computerprogramma, mondelinge presentatie, enz.). De bij de vakken behorende vaardigheidstrainingen zijn verplicht. Voorafgaand aan elke training worden richtlijnen gegeven met betrekking tot aanwezigheid en participatie. Pas als voldaan is aan de vooraf gestelde eisen, wordt een training met voldaan beoordeeld. Oordeel De opleidingen hebben een duidelijk didactisch concept, zo heeft de commissie vastgesteld naar aanleiding van de zelfstudie. Het uitvoeren van authentieke opdrachten draagt bij, naar de mening van de commissie, aan een academisch werken denkniveau. Door de opzet van het projectonderwijs, waarbij regelmatig door middel van tussenpresentaties bijsturing plaatsvindt, wordt de ontwikkeling van leervaardigheden gewaarborgd. De werkvormen (PCL) sluiten daarbij aan. De vakken, die naast het projectonderwijs worden aangeboden, worden klassikaal onderwezen en getoetst. De vaardigheidstrainingen dagen de student uit om het op college of in de groep verworvene te gebruiken en toe te passen. Het projectgecentreerd leren is een ideaal concept om de verschillende theoretisch georiënteerde vakken op een praktisch niveau te integreren. In de praktijk gebeurt dit tot tevredenheid van de studenten, zo heeft de commissie vastgesteld. Het concept sluit goed aan bij de doelstellingen van de opleidingen. Masteropleiding Artificial Intelligence: het oordeel van de commissie is goed. Masteropleiding Operations Research: het oordeel van de commissie is goed. F11: Beoordeling en toetsing Door de beoordelingen, toetsingen en examens wordt adequaat getoetst of de studenten de leerdoelen van (onderdelen van) het programma hebben gerealiseerd.

Beschrijving overgenomen uit de zelfstudies In de master AI wordt gebruikgemaakt van een breed palet aan toetsvormen. De 8 vakken worden getoetst door middel van een toets met open vragen (5 keer), een take-home-tentamen (1 keer) en het ontwikkelen van een spel-spelend programma (2 keer). De toetsing bestaat in dit laatste geval uit de beoordeling van het programma en de bijbehorende broncode, en de beoordeling van het begeleidende document waarin de gebruikte heuristieken en zoektechnieken beschreven worden.

30


Het afstudeerwerk en het schrijven van de masterthesis vinden plaats onder de eindverantwoordelijkheid van een examinator. Aan het begin van het afstudeerproject wordt door de student in overleg met zijn afstudeerbegeleider een afstudeerplan opgesteld. Dit wordt ter goedkeuring voorgelegd aan de examencommissie. Naast de dagelijkse begeleider zijn bij het uitvoeren van het afstudeerproject vaak promovendi en (indien van toepassing) bedrijfsbegeleiders betrokken. De beoordeling vindt plaats op grond van de resultaten van en de (academische) werkhouding tijdens het onderzoek, de thesis en de presentatie. De beoordeling wordt gegeven door een afstudeercommissie, die voor ieder afstudeerproject afzonderlijk wordt samengesteld. De commissie bestaat uit ten minste drie personen, onder wie de dagelijkse begeleider. Om een consistent beoordelingsbeleid te volgen, is in iedere afstudeercommissie de zogeheten afstudeerhoogleraar opgenomen. Hij zorgt ervoor dat ieder project met gelijke maatstaven wordt beoordeeld. In de master OR worden de vakken schriftelijk getoetst door middel van een toets met open vragen (7 keer), of het uitwerken van een praktische probleemstelling door middel van het ontwerpen van Matlabcode (1 keer, bij Process Control). De toetsing bestaat in dit laatste geval uit de beoordeling van de programmacode ten aanzien van het correcte gebruik van de beschikbare ontwerptechnieken voor procesbesturing, de werking van het programma met betrekking tot de praktische opdracht, het begeleidende commentaar en de beantwoording van de gestelde vragen. Het afstudeerwerk en het schrijven van de masterthesis vinden plaats onder de eindverantwoordelijkheid van een daartoe aangewezen examinator. De uiteindelijke beoordeling vindt plaats in overleg met de dagelijkse begeleider(s) en ten minste één andere examinator van de opleiding. In geval van een externe afstudeerstage waarbij de dagelijkse begeleiding elders plaatsvindt, wordt ook het oordeel gevraagd van de externe stagebegeleider. De beoordeling vindt plaats op grond van de resultaten van en de (academische) werkhouding tijdens het onderzoek, de scriptie en de presentatie. Aan het begin van het afstudeerproject wordt door de student in overleg met zijn afstudeerbegeleider een afstudeerplan opgesteld. Dit wordt ter goedkeuring voorgelegd aan de examencommissie.

AI en OR

Het researchproject wordt beoordeeld op grond van tussenpresentaties na blok 1 en blok 2, een eindpresentatie aan het eind van blok 3, het verslag en het geleverde product. Van het product wordt zowel de code als het werkende programma beoordeeld. Het project wordt gedaan in groepen van maximaal 5 studenten. Een projectbegeleider ziet voornamelijk toe op de procesmatige kant van het groepswerk. De studenten krijgen de groepsbeoordeling als individueel eindcijfer van het project. Hiervan kan afgeweken worden in het geval er geconstateerd wordt (door de projectbegeleider in overleg met de groep en de examinator) dat een student in positieve dan wel in negatieve zin opvalt bij de samenwerking binnen de groep. In dat laatste geval krijgt een student eerst een waarschuwing. Door dit geheel aan programmaonderdelen en de variëteit in opdrachten en toetsvormen komen naast de vakinhoudelijke kennis ook de algemene academische vaardigheden goed aan bod in het totale programma. De uitslagen van toetsen worden zo snel mogelijk, doch uiterlijk 15 werkdagen na de toets, bekendgemaakt aan de studenten. De studenten kunnen hun toets inzien tot 30 dagen na de vaststelling van het resultaat. De uitslag van het project wordt met de projectgroepen besproken, waarbij het project geëvalueerd wordt. De uitslag van het afstudeerwerk wordt in het algemeen direct na de eindpresentatie vastgesteld. Dit is mogelijk doordat de eindpresentatie in het algemeen plaatsvindt nadat de scriptie klaar is en van voldoende kwaliteit om af te studeren volgens ten minste twee examinatoren van de opleiding, onder wie de afstudeerbegeleider. De vakken kunnen twee keer per jaar getoetst worden. Het project wordt twee keer per jaar aangeboden (vanwege de twee instroommomenten). Als een project gedaan is, maar (nog) niet voldoende is, dan volgt er als herkansing een aanvullende opdracht, waarmee het project alsnog naar een voldoende kan worden opgetrokken. De afsluitende masterthesis is te beschouwen als een eindtoets die de student alle ruimte geeft om eerder ontwikkelde kennis en vaardigheden te etaleren. De masterthesis wordt begeleid door een inhoudsdeskundige. De thesis wordt afgesloten met een individuele verdediging. De thesis wordt door minimaal twee inhoudsdeskundigen beoordeeld. Oordeel De commissie heeft enkele tentamens met opgaven, uitwerking en behaalde resultaten bekeken. De commissie stelt met instemming vast dat er één herkansingsmogelijkheid is, zodat studenten gedwongen zijn de stof goed voor te bereiden. In de master AI wordt gebruikgemaakt van een breed palet aan toetsvormen. De 8 vakken worden getoetst door middel van een toets met open vragen (5 keer), een take-home-tentamen (1 keer) en het ontwikkelen van een spel-spelend programma (2 keer). De toetsing bestaat in dit laatste geval uit de


31

beoordeling van het programma en de bijbehorende broncode, en de beoordeling van het begeleidende document waarin de gebruikte heuristieken en zoektechnieken beschreven worden. Bij de schriftelijke toetsen met open vragen valt het de commissie op dat die de leerstof eerder oppervlakkig testen. Echte denkvragen, die de kennis in de diepte testen, ontbreken. Verder is het ook opmerkelijk dat de toets bij herkansing significante gelijkenissen vertoont met de oorspronkelijke toets. Dit is niet zo verwonderlijk gezien de hoge studiebelasting van de studenten, en de hieraan gekoppelde korte verwerkingstijd van de leerstof. Sommige vakken worden op een hoger niveau gegeven dan uit de tentamens blijkt. De beoordeling van de scripties is voor buitenstaanders niet helder; het is niet duidelijk op welke gronden het gegeven cijfer tot stand is gekomen. Dit wordt verklaard door het feit dat bij de beoordeling meer factoren (onder andere beoordeling van de presentatie en het proces dat tot het eindproduct heeft geleid) dan het schriftelijke eindproduct een rol spelen, die niet worden vastgelegd. De commissie heeft inmiddels kennisgenomen van een ontwerp voor een beoordelingsformulier dat zal worden ingevoerd. De commissie komt al met al toch tot een voldoende omdat de tentamens over het algemeen in orde zijn en op een juiste manier worden beoordeeld en er aan de objectivering van de beoordeling van de scripties wordt gewerkt. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. Oordeel over het onderwerp ‘Programma’ Op basis van de beoordelingen per facet komt de commissie tot een samenvattend oordeel over het onderwerp ‘Programma’. Voor de masteropleiding Artificial Intelligence luidt dat oordeel voldoende, voor de masteropleiding Operations Research luidt het voldoende. De ‘onvoldoende’ voor facet 7, studielast, wordt naar het oordeel van de commissie meer dan voldoende gecompenseerd door de ‘goed’ voor facet 10 en de oordelen over de overige facetten. 1.2.3.

Inzet van personeel, personeelsbeleid

F12: Eisen WO De opleiding sluit aan bij de volgende criteria voor de inzet van personeel van een WO-opleiding: Het onderwijs wordt voor een belangrijk deel verzorgd door onderzoekers die een bijdrage leveren aan de ontwikkeling van het vakgebied.

Beschrijving overgenomen uit de zelfstudies Het MICC volgt het VSNU-beleid dat alle hoogleraren, uhd’s en ud’s gepromoveerd moeten zijn en dat zij een evenredige onderwijs- en onderzoekstaakstelling hebben. Hiermee wordt bevorderd dat studenten onderwijs krijgen dat wordt ontwikkeld en verzorgd door medewerkers die actief deelnemen aan wetenschappelijk onderzoek. Voor ieder onderwijsonderdeel uit de master AI geldt dat de verantwoordelijke docent, hoogleraar of universitair (hoofd)docent uit de vaste staf van IKAT komt en naast zijn of haar onderwijstaak voor een belangrijk deel betrokken is bij het onderzoek in het betreffende vakgebied. Daarnaast worden er geregeld andere medewerkers, die in het vakgebied werkzaam zijn, bij het onderwijs betrokken. In het bijzonder speelt hierbij een belangrijke rol het inzetten van gastdocenten en promovendi op het betreffende onderzoeksgebied. Laatstgenoemden bieden ook voor een groot deel de ondersteuning bij de skills classes, waarbij praktische toepassingen dikwijls rechtstreeks uit het onderzoek van de promovendi voortkomen. Elk studieonderdeel van de masteropleiding Operations Research kent een aangewezen examinator. Dit is een lid van de wetenschappelijke staf, in de regel gepromoveerd en actief op een voor de opleiding relevant wetenschappelijk onderzoeksterrein. Momenteel kent de opleiding geen uitzondering op deze regel. Promovendi dragen actief bij aan het

32


onderwijs. Enerzijds bij het vaardigheidsonderwijs (het Research Project en de Skills Classes) door het aandragen en uitwerken van opdrachten die actueel zijn in het vakgebied, anderzijds door het mede begeleiden van afstudeerders. Examinator en promovendi vormen per opleidingsonderdeel een team, dat het betreffende onderwijs coördineert en uitvoert. Het vak Games and Chance kent een team met daarin twee leden van de vaste wetenschappelijke staf. Oordeel De leden van de staf die onderwijs geven zijn betrokken bij onderzoek in hun vakgebied. Bij het vaardighedenonderwijs worden ook promovendi ingezet, evenals bij het begeleiden van afstudeerders. Ook worden gastdocenten ingezet om de banden met onderzoek te onderhouden. De commissie heeft geconstateerd dat de docenten een bijdrage leveren aan de ontwikkeling van hun vakgebied. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. F13: Kwantiteit personeel Er wordt voldoende personeel ingezet om de opleiding met de gewenste kwaliteit te verzorgen.

Beschrijving overgenomen uit de zelfstudies, heeft betrekking op beide opleidingen Menskracht die beschikbaar is voor het verzorgen van het onderwijs in mensen en fte’s. Peildatum 1 december 2005. Aantallen zijn gebaseerd op de menskracht met een onderwijstaak binnen MICC; fte’s op basis van percentage onderwijsinzet per categorie wetenschappelijk personeel.

Categorie

M

Hl Uhd Ud Promovendi Docenten

fte's fte's fte's onderwijs onderwijs aantal onderwijs aantal aantal 2.0 0.9 2.0 0.9 4.0 2.0 4.0 2.0 4.8 2.4 0.8 0.4 5.6 2.8 3.0 0.6 3.0 0.6 1.0 0.9 0.5 0.45 1.5 1.35

Totaal

14.8

V

6.8

Totaal

1.3

0.9

16.1

Percentage gepromoveerden 100% 100% 100% n.v.t. n.v.t.

7.7

Het MICC hanteert een onderwijstaakstelling waarbij normuren procentueel worden verbonden aan functieprofielen van onder andere hoogleraar (45%), uhd (50%), ud (50% of soms 90%) en promovendi (20%). Binnen deze aan de onderwijstaakstelling vastgestelde uren gebaseerd op een mensjaar (1mje = 1650 uren) zijn er taken verbonden zoals het voorbereiden en verzorgen van onderwijs, afnemen van tentamens, begeleiden van projecten, begeleiden en beoordelen van masterscripties (inclusief afstudeerstages), ‘bestuurlijke taken’ zoals deelname aan commissies en overige onderwijstaken. De functie van opleidingsdirecteur heeft een specifieke taakstelling toegewezen gekregen van 825 uren. Uit de tabel blijkt dat het totaal aan fte’s voor onderwijs 7.7 bedraagt. Jaarlijks wordt een overzicht gemaakt van de te verwachten onderwijsbelasting en wordt vastgesteld hoeveel onderwijs-fte’s nodig zijn om de taken voor het komende academiejaar uit te voeren. Er vindt geen nacalculatie plaats of een capaciteitsgroep dan wel individuele stafleden het voorafgaande jaar of boven of onder de vastgestelde norm aan de onderwijsverplichtingen hebben voldaan. Daardoor kan ook niet achteraf objectief worden vastgesteld of sommige stafleden een te hoge onderwijsdruk hebben. Toegevoegde docenten en promovendi leveren ook een aandeel in de totale onderwijstaakstelling, mede geënt op het onderwijssysteem Project Centred Learning (PCL) ten behoeve van practica, projectvaardigheden en projectbegeleiding. Hierna volgt een overzicht van onder andere de student-docentratio van de ongedeelde doctoraalopleidingen.


33

Student-docentratio MICC op basis van onderwijsrealisatie eerste geldstroommedewerkers

jaar

aantal fte onderwijs

aantal ingeschreven studenten

2005-2006

7.7

155

2004-2005

7.7

177

2003-2004 2002-2003

7.9 8.5

142 153

aantal diploma's 21 doctoraal 10 bachelor 4 master 31 doctoraal 17 bachelor 15 16

aantal studenten per fte onderwijs

aantal afgestudeerden per fte onderwijs

20.1

4.5

23.0

7.0

18.0 18.0

1.9 1.9

2.7 doctoraal 1.3 bachelor 0.5 master 4.8 doctoraal 2.2 bachelor

Oordeel De opgaven zijn niet uitgesplitst naar opleiding, maar dat lijkt hier geen probleem te zijn. Uit het bovenstaande schema blijkt dat de student-docentratio, zo gemiddeld 1:20, gunstig is. Maar dit geldt voor alle opleidingen, inclusief de bacheloropleiding Knowledge Engineering, die apart beoordeeld wordt. Uit opgevraagde informatie blijkt dat de personeelsinzet voor de opleiding AI is: 0,7-0,9 fte en voor de opleiding OR: 0,6-0,9 fte. Bij AI zitten 13 studenten, student-docentratio is 1:16. Bij OR zitten 8 studenten, de student-docentratio is 1:10. Deze verhouding verklaart ook waarom de begeleiding zo goed is. Vanuit de universiteit wordt de onderwijstijd niet volledig gefinancierd. Voor het realiseren van een tweejarige opleiding is extra financiering nodig. De commissie stelt vast dat er voldoende personeel wordt ingeschakeld om de opleidingen met de gewenste kwaliteit aan te bieden. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. F14: Kwaliteit personeel Het personeel is gekwalificeerd voor de inhoudelijke, onderwijskundige en organisatorische realisatie van het programma.

Beschrijving overgenomen uit de zelfstudies, heeft betrekking op beide opleidingen Nieuwe docenten worden geïnformeerd over het onderwijsmodel PCL en hun rol daarin. Docenten worden betrokken bij PCL als het vak in een van de betrokken onderwijsperiodes valt. Verder worden de docenten ingelicht over de assessmentprocedures bij projectonderwijs. Bij de projecten is de begeleider tevens adviseur van de opleidingscommissie zodat signalen uit de projectgroepen geagendeerd worden voor de opleidingscommissie. De bewaking van de kwaliteit van het functioneren van de docenten, tutoren van de skills classes en de projectbegeleiders wordt gewaarborgd door de structurele evaluatie aan het eind van elk onderwijsblok. Het gaat daarbij om gedetailleerde evaluaties die door alle studenten van dat blok worden ingevuld. Standaard is in de evaluatie van een blok de beoordeling van elke docent, skills class tutor en de projectbegeleiders expliciet opgenomen. Bij stelselmatig onder de maat presterende docenten, tutoren of begeleiders wordt gekeken waar dit mee te maken heeft en zo nodig wordt extra individuele begeleiding aangeboden. Docenten, tutoren en projectbegeleiders, die beoordeeld worden met een onvoldoende, worden door de opleidingsdirecteur uitgenodigd voor een gesprek. In de praktijk zijn er geen onvoldoende beoordelingen gegeven. Wel zijn er naar aanleiding van evaluatiegesprekken met studenten en tutoren van de skills classes verbeterpunten aangebracht. Alle betrokken docenten, tutoren en projectbegeleiders ontvangen de evaluatiegegevens. Scholing in andere didactische kwaliteiten – zoals het verzorgen van een college – gebeurt op dit moment impliciet. Nieuwe maar ook zittende medewerkers die problemen ervaren in hun rol als docent, worden zoveel mogelijk toegewezen aan een naaste collega om onder diens supervisie te leren een collegereeks op te zetten en te geven. Bovendien worden docenten betrokken bij de formulering van de projectopdrachten zodat voor eenieder duidelijk is welke inhoud en welk niveau aan bod moet komen opdat de studenten een projectopdracht kunnen uitvoeren. Tegelijkertijd raken docenten van ieders vakgebieden op de hoogte. Er is dus sprake van intercollegiale toetsing.

34


Oordeel De commissie heeft vastgesteld dat er een structurele evaluatie is aan het eind van elk onderwijsblok. Scholing geschiedt impliciet. De commissie vermoedt dat scholing niet de hoogste prioriteit heeft. Daar staat tegenover dat er sprake is van supervisie door collega’s. In enkele gevallen blijken de docenten als matig te worden beoordeeld door de studenten. De commissie heeft begrepen dat de verantwoordelijken ingrijpen wanneer dat nodig is. Uit de nagezonden informatie heeft de commissie vernomen dat er ieder jaar een functioneringsgesprek/beoordelingsgesprek wordt gehouden. Medewerkers worden hierin mede beoordeeld op hun onderwijsprestaties. Daarnaast worden jaarlijks zogenaamde balance sheet-gesprekken gevoerd. In deze gesprekken worden onder andere de geplande verbeteringen ten aanzien van het onderwijs van het voorafgaande jaar vergeleken met de realisatie daarvan. Ook worden plannen geformuleerd voor het komende jaar. Ook in de gesprekken met studenten is gebleken dat de meeste docenten zowel inhoudelijk, onderwijskundig als organisatorisch gekwalificeerd zijn. Wel kan het volgen van bijscholing in het Engels meer worden aangemoedigd. De commissie constateert dat dit facet in orde is. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. Oordeel over het onderwerp ‘Inzet van personeel’ Op basis van de beoordelingen per facet komt de commissie tot een samenvattend oordeel over het onderwerp ‘Inzet van personeel’. Voor de masteropleiding Artificial Intelligence luidt dat oordeel voldoende, voor de masteropleiding Operations Research luidt het voldoende. 1.2.4.

Voorzieningen

F15: Materiële voorzieningen De huisvesting en materiële voorzieningen zijn toereikend om het programma te realiseren.

Beschrijving overgenomen uit de zelfstudies Het MICC beschikt over onderwijsruimtes in het pand Tongersestraat 6. Hier zijn 3 colloquiumruimtes en 2 werkruimtes voor projectvergaderingen. In het gehele pand is het mogelijk met een laptop wireless te werken. Daarnaast beschikt het MICC over een groot practicumlokaal en 2 kleinere, alle voorzien van airconditioning. Het totale aantal pc’s is 43, welke voor onderwijs gebruikt worden. Het werken met laptops wordt centraal door de instelling gepromoot, onder andere door het faciliteren van de aankoop van laptops. Op de locatie Minderbroedersberg 4-6 beschikt het MICC over een colloquiumruimte en een robotlab, welke intensief gebruikt wordt ten behoeve van het onderwijs, met name in de afstudeerfase. De ruimtes zijn in principe geopend van 08.00 tot maximaal 22.00 van maandag tot en met vrijdag. Het pand Tongersestraat 6 zal vanwege achterstallig onderhoud spoedig aan een verbouwing worden onderworpen. Er zijn voldoende mobiele audiovisuele middelen aanwezig. In de bibliotheek Grote Looiersgracht 17-19 is een studielandschap ingericht waar de studenten, naast het gebruik van de reguliere client-servervoorzieningen, 48 pc’s tot hun beschikking hebben om alle benodigde softwarepakketten te kunnen gebruiken. In het studielandschap zijn tevens de boeken aanwezig die gebruikt worden bij de vakken. De bibliotheek is ook op zaterdag en in de avonduren geopend. De kwaliteit van de onderwijsvoorzieningen wordt structureel via de blok- en projectevaluaties geëvalueerd. De kwaliteit van de onderwijsvoorzieningen is door de studenten als voldoende beoordeeld. Oordeel De opleidingen zijn in historische gebouwen gevestigd. De commissie heeft een rondleiding door het gebouw gemaakt onder leiding van de studieadviseur. Er is sprake van achterstallig onderhoud, maar ook van een menselijke maat. De huisvesting is in orde.


35

De studenten hebben gemeld dat er bij piekbelasting te weinig computers beschikbaar zijn. Door thuis te werken en met laptops kunnen ze zich echter goed redden. In de gesprekken met de studenten is niet gebleken dat er op dit gebied problemen zijn. De commissie constateert dat de materiële voorzieningen in orde zijn. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. F16: Studiebegeleiding De studiebegeleiding en de informatievoorziening aan studenten zijn adequaat met het oog op studievoortgang. De studiebegeleiding en de informatievoorziening aan studenten sluiten aan bij de behoefte van studenten.

Beschrijving overgenomen uit de zelfstudie, heeft betrekking op beide opleidingen De studentenbegeleiding is een intensief samenspel tussen studieadviseur, projectbegeleider en projectexaminator. Belangrijk uitgangspunt is het voorkomen dan wel zeer snel signaleren van studievoortgangproblemen om ervoor te zorgen dat de studeerbaarheid niet in het gedrang komt en dat de opleiding binnen een jaar afgerond zal kunnen worden. Dit uitgangspunt heeft ervoor gezorgd dat ook voor alle masterstudenten een introductie wordt georganiseerd waarbij onder andere groepsvorming(sproces) belangrijk is. Daarnaast krijgen de studenten een inleiding over de ‘werking’ van het onderwijssysteem, aangezien studenten van andere instellingen en andere landen daar onvoldoende van op de hoogte kunnen zijn. Hiermee wordt gepoogd om een studievertraging bij de start van het programma ten gevolge bovengenoemde oorzaken te kunnen voorkomen. Ook is er aandacht voor cultuurverschillen die zich sterk in het werken in projectgroepen kunnen manifesteren. De projectbegeleider van het researchproject is in de positie om het onderwijsproces te monitoren. Daar een project aan de vakken gerelateerd is, is hij/zij in staat ook knelpunten in het onderwijsproces te ontdekken. Eveneens biedt deze begeleiding de mogelijkheid de studenten te volgen samen met de studieadviseur, in het studieverloop en vroegtijdig studievertraging te signaleren. Gezien de studievertraging ten gevolge van de masterthesis, zal de projectbegeleider met ingang van 2006-2007 aan de hand van de masterthesisregeling ook het proces van de voortgang en van de totstandkoming van de masterthesis bewaken en waar nodig tijdig procesmatig bijsturen. Uit de evaluatie van het studiejaar 2005-2006 blijkt dat de monitoring en procesbewaking geïntensiveerd moeten worden. Alle toetsresultaten worden door Bureau Onderwijs in het studievoortgangsysteem geregistreerd. Hierdoor hebben studenten snel digitaal de mogelijkheid om hun resultaten te bekijken. Minimaal 1 maal per jaar ontvangt de student van Bureau Onderwijs een schriftelijk overzicht van de behaalde studieresultaten. Studenten bij wie de studievoortgang dreigt te stagneren worden na elke toetsperiode door de studieadviseur door middel van een schrijven opgeroepen voor een gesprek. Na het 2e semester (begin juli, 10 maanden na de start op 1 september) wordt de studievoortgang nog eens extra bekeken om ervoor te zorgen dat studenten door bijvoorbeeld het aanvragen van het verkrijgen van extra herkansingen of extra (proces)begeleiding ten behoeve van het schrijven van de masterthesis toch kunnen afstuderen binnen 1 jaar na de start (uiterlijk op 31 augustus dus). De studiebegeleiding en de informatievoorziening aan studenten sluiten aan bij de behoeften van studenten. De informatie die nodig is voor studenten om te kunnen kiezen voor de masteropleiding, inzicht te krijgen in de eisen voor de toelating tot de masteropleiding en om de beroepsperspectieven te expliciteren wordt in eerste instantie door de studieadviseur verstrekt. Daarnaast wordt doorverwezen naar de leden van de Board of Admissions (BOA), de projectbegeleider of naar individuele docenten. De studiebegeleiding bij PCL is in handen van de projectbegeleiders die de studenten met raad en daad bijstaan in het doorlopen, ondergaan en consolideren van het leerproces. 36


(Het volgende komt uit zelfstudiefacet 19.) Bij de voorlichting voor potentiële studenten worden studenten, medewerkers, en alumni actief betrokken. Een groep studenten, verzameld in het zogeheten ‘promoteam’, draagt actief bij aan de organisatie van de voorlichtingsdagen. Deze studenten worden ook betrokken bij alle vormen van voorlichting om inlichtingen te verstrekken over de opleiding, hun ervaringen en mogelijke obstakels. Docenten en (interne) alumni gaan dieper in op de inhoud van de opleiding en het projectgestuurde onderwijs, en geven demonstraties. Regelmatig worden op voorlichtingsdagen (externe) alumni uitgenodigd om informatie te geven over wat zij na hun studie zijn gaan doen. Om te adviseren over de wijze waarop de faculteit voorlichting geeft en aan promotie doet, is een zogeheten ‘Pr-denktank’ opgericht waarin medewerkers en (interne) alumni zitting hebben. Oordeel De studiebegeleiding is naar het oordeel van de commissie van hoog niveau. Studieproblemen worden snel gesignaleerd en de studieadviseur neemt, wanneer nodig, zelf initiatief. Ook de kleinschaligheid draagt ertoe bij dat de studenten zich ingebed weten in een stimulerende werkgemeenschap. De docenten zijn in veel gevallen zelf begeleiders van de studenten. De begeleiding is een integrerend onderdeel van de opleiding en ze krijgt onder andere vorm door de projectaanpak. Door de directe contacten met de docenten krijgen de studenten goed inzicht in het onderzoek dat aan de faculteit verricht wordt. Ook de studenten hebben laten weten dat zij zeer tevreden zijn over de persoonlijke begeleiding, “alle deuren staan open”. De commissie begrijpt dat dit hoge niveau alleen maar bereikt kan worden in een kleinschalige omgeving, maar constateert tevens dat zij niet weet hoe de begeleiding beter zou kunnen. Dankzij deze goede begeleiding slaagt een aantal studenten ondanks de hoge studiebelasting er toch in de opleiding ongeveer binnen een jaar af te ronden. Deze aanpak is aantrekkelijker dan de draconische maatregelen die in het buitenland worden genomen om de studieduur te beperken. Hier stimuleert de begeleiding een sterke motivatie bij de student, in plaats van een streng regime te handhaven. Het overvolle programma maakt dit extra bijzonder. Ook de voorlichting, zowel over de studie als over de wereld der beroepen is goed georganiseerd. Voor de instromende masterstudenten wordt een introductiebijeenkomst georganiseerd. De commissie is van oordeel dat hier sprake is van een bijzondere prestatie. Het gaat om een model dat ook in een internationale context als bijzonder kan worden beschreven. Masteropleiding Artificial Intelligence: het oordeel van de commissie is excellent. Masteropleiding Operations Research: het oordeel van de commissie is excellent. Oordeel over het onderwerp ‘Voorzieningen’ Op basis van de beoordelingen per facet komt de commissie tot een samenvattend oordeel over het onderwerp ‘Voorzieningen’. Voor de masteropleiding Artificial Intelligence luidt dat oordeel voldoende, voor de masteropleiding Operations Research luidt het voldoende. 1.2.5.

Interne kwaliteitszorg

F17: Evaluatie resultaten De opleiding wordt periodiek geëvalueerd, mede aan de hand van toetsbare streefdoelen.

Beschrijving overgenomen uit de zelfstudie Studeerbaarheid betekent dat een geschikte student in principe de opleiding in de gestelde tijd succesvol kan doorlopen. Kwaliteitszorg hangt daarmee samen. Kwaliteitszorg betekent dat er voortdurend gewerkt wordt om de kwaliteit van de opleiding te handhaven en zo nodig te verbeteren. De interne kwaliteitszorg wordt bewaakt door de opleidingscommissie en de opleidingsdirecteur. Met elk staflid wordt er jaarlijks een functioneringgesprek gehouden waarbij onder andere de onderwijstaakstelling besproken wordt en de kwaliteit van de onderwijsprestatie van het betreffende personeelslid zoals dat gebleken is uit de


37

eigen evaluaties. Vaak bespreekt de opleidingsdirecteur gedurende het jaar de bevindingen van de evaluaties al met het betrokken staflid indien daartoe aanleiding is.

Evaluatie van het onderwijs

Onderwijsonderdelen worden afgesloten met een evaluatie van het onderwijs. De studenten – en ook de docenten – vullen vragenlijsten in over de kwaliteit van het onderwijs en doen zo nodig suggesties voor verbetering. Van de evaluatie wordt verslag gedaan aan de opleidingscommissie, waarin ook de studenten vertegenwoordigd zijn. Mochten de evaluatieresultaten daartoe aanleiding geven, dan komt de opleidingscommissie met voorstellen voor verbetering van kwaliteit en studeerbaarheid met betrekking tot een specifiek vak of met betrekking tot de opleiding als geheel. Het onderwijsprogramma zoals beschreven in de studiegids wordt systematisch geëvalueerd volgens vaste procedures met tijdsplanning. Op grond van deze kwantitatieve en kwalitatieve gegevens wordt een verslag gemaakt. Het verslag lijkt sterk op een ingevuld evaluatieformulier: bij elke vraag staat het gemiddelde antwoord met een aanduiding van de spreiding en verder worden de meest relevante opmerkingen van studenten en docenten samengevat. Dit verslag gaat naar de opleidingscommissie en de betrokken docenten. De rapportage is openbaar, ook voor de studenten. De individuele opmerkingen van studenten en docenten worden niet openbaar gemaakt. De opleidingscommissie brengt naar aanleiding van de evaluatiegegevens advies uit aan de opleidingsdirecteur. Indien een docent slecht beoordeeld wordt (lager dan een 3), wordt hij/zij door de opleidingsdirecteur uitgenodigd voor een gesprek om te bezien welke oorzaken hierbij een rol spelen. Indien nodig wordt extra individuele begeleiding aangeboden.

Functioneren van het interne kwaliteitszorgsysteem

Voor het goed functioneren van het interne kwaliteitszorgsysteem zijn de vastgestelde procedures (in het bijzonder het afnemen, verwerken en bespreken van de studentevaluatieformulieren) van het grootste belang voor de opleidingscommissie. Juist omdat het MICC recentelijk grondige veranderingen in het onderwijs heeft aangebracht (onder andere de overgang naar een 8-8-4-semester in plaats van een 10-10-model en invoering van Engelstalig onderwijs), wordt er veel aandacht besteed aan het functioneren van het onderwijssysteem. Het zal duidelijk zijn dat de evaluatieformulieren in eerste instantie een reflectie geven op de waarneming van studenten en docenten op het gegeven onderwijs. Het is de taak van de genoemde gremia om zich te buigen over de vraag hoe goed de inhoud, aanpak en organisatie functioneren. Naast de formele evaluatie via de genoemde evaluatieformulieren worden studenten uitgenodigd hun mening te laten horen via de studentleden van de opleidingscommissie. Ook tijdens de wekelijkse projectbijeenkomsten wordt de studenten de gelegenheid geboden om hun mening ten aanzien van het onderwijs te geven. Op deze wijze wordt er eveneens ruimte gegeven aan de student om een kritische blik op de studie te geven. In het algemeen geldt dat bij de bespreking van deze agendapunten opmerkingen gemaakt worden die de algemene organisatie aangaan. Hiermee worden met name zaken als roosterproblemen, spreiding van tentamens, samenhang tussen vakken en blokken bedoeld. Ook komen aspecten naar voren rond individuele vakken, wijze van onderwijs geven of over het project zelf. Het belangrijkste streefdoel is het voldoen aan de eindtermen zoals gesteld bij facet 1. Voor de evaluaties die na iedere periode door studenten worden ingevuld, wordt gestreefd naar een score van minimaal 3.5 op een 5-puntsschaal, voor elk van de geëvalueerde items. Dit betreft de kwaliteiten van de docenten, de begeleiders, van de practicals, de inhoud van de vakken, de zwaarte van de vakken en de tentaminering. Gezien de relatief kleine studentenpopulatie moet rekening gehouden worden met een relatief hoge variantie. Daarom is besloten dat een score van 3.0 of hoger geen directe aanleiding geeft tot het ondernemen van actie. Bij een score minder dan 3.0, wordt altijd actie ondernomen, tenzij de opleidingscommissie daartoe geen aanleiding ziet (bijvoorbeeld wanneer het een slechte score van een éénmalige invaller bij een vak betreft). Oordeel De commissie heeft geconstateerd dat de projecten zorgvuldig worden geëvalueerd. Niet alleen de studenten vullen vragenlijsten in, ook de docenten worden bevraagd. De opleidingscommissie neemt kennis van de op basis van de evaluaties gemaakte verslagen en brengt naar aanleiding van de evaluatie advies uit aan de onderwijsdirecteur. De commissie heeft van studentenzijde vernomen dat de studenten inderdaad een goed contact hebben met de opleidingscommissie en dat zaken die studenten naar voren brengen worden aangepakt. Overigens heeft de commissie geconstateerd dat de opleidingscommissie een halfjaar stil heeft gelegen en vrij recent weer is gaan functioneren. De commissie heeft enkele verslagen van de

38


opleidingscommissie opgevraagd. Uit die verslagen blijkt dat problemen wel gesignaleerd worden, maar dat er maar weinig oplossingsrichtingen worden aangedragen. Ook is niet duidelijk wat nu precies moet leiden tot verbetering. Dat maakt het proces weinig transparant en systematisch. Er zijn ten aanzien van het curriculum streefdoelen in die zin dat men de doelstellingen (facet 1) wil realiseren. Bij de docentbeoordeling is wel een concreet streefdoel: lager dan een 3 leidt tot actie. Dat vindt de commissie een transparante aanpak. De commissie heeft informatie opgevraagd ten aanzien van het evalueren van het curriculum in zijn totaliteit. Volgens de opleiding gebeurt dit één keer per jaar door de opleidingscommissie. Er zijn hiervoor echter geen streefdoelen opgesteld. De commissie is van oordeel dat naar deze curriculumevaluatie meer aandacht uit zou moeten gaan. Er is volgens de nagekomen informatie sprake van een sluitend systeem (gesloten kwaliteitscirkel) voor interne kwaliteitszorg. De opleidingsdirecteur speelt hierbij een grote rol; hij gaat na welke maatregelen getroffen moeten worden en wat het effect is geweest van getroffen maatregelen. Dit gebeurt op basis van de projectevaluaties, docentenevaluaties en de toetsevaluaties. De commissie zou graag zien dat een en ander in een kwaliteitsplan wordt samengevat, een plan met streefdoelen op verschillende niveaus, dat op onderhavige opleidingen is toegesneden. Zij geeft, op basis van de situatie die zij heeft aangetroffen en omdat zij voldoende vertrouwen heeft dat de zaak waar nodig wordt aangepakt, een voldoende voor dit facet. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. F18: Maatregelen tot verbetering De uitkomsten van deze evaluatie vormen de basis voor aantoonbare verbetermaatregelen die bijdragen aan realisatie van de streefdoelen.

Beschrijving overgenomen uit de zelfstudie In het algemeen kan worden gesteld dat indien uit een evaluatie blijkt dat er aanpassingen nodig zijn ten aanzien van het onderwijs en/of de begeleiding en/of de organisatie, de opleidingsdirecteur ervoor verantwoordelijk is dat deze aanpassingen zo spoedig mogelijk worden gerealiseerd. Voorbeeld hiervan is het begeleiden en instrueren van de tutoren van de skills classes door middel van bijeenkomsten en het instrueren van de docenten naar aanleiding van signalen uit deze bijeenkomsten. Zo werden de opdrachten van de skills classes niet langer door de tutoren beoordeeld maar door de betrokken docenten. Ten aanzien van het onderwijsmodel Project Centred Learning vindt voortdurend evaluatie plaats. Na elke onderwijsperiode wordt een standaardevaluatieformulier uitgereikt. Daarnaast zijn er tussenevaluaties van de projecten, zowel na periode 1 als 2. Eveneens geven de projectbegeleiders signalen door aan de voorzitter van de opleidingscommissie. Vanuit ervaringen en evaluaties van projecten in de bachelor- en oud-doctoraalopleiding is geconcludeerd dat een groepsgrootte van 5 studenten per projectgroep maximaal is om de kwaliteit en niveau van het projectonderwijs voor elke student te waarborgen en om het functioneren van het groepsproces optimaal te laten verlopen. Verder zijn er na periodes 1 en 2 formele tussenevaluaties van elke projectgroep ingevoerd om het tot dusver bereikte resultaat van de groep bij te sturen en in te kunnen grijpen bij problemen in het groepsproces. De inhoudelijke verandering in de structuur van het onderwijs door alle skills van alle vakken en projecten samen te voegen in een onderwijsonderdeel, waardoor integratie bevorderd zou moeten worden en de competenties van de studenten extra versterkt zouden worden, blijkt organisatorisch en inhoudelijk problemen op te leveren waardoor het gewenste leereffect achterwege is gebleven. Derhalve is besloten dit aparte onderwijsonderdeel met ingang van studiejaar 2006-2007 af te schaffen en de skills classes wederom te integreren in de gerelateerde vakken en de projecten. Een andere maatregel ter verbetering is om docenten cursussen te laten volgen. De UM heeft een breed scala aan cursussen beschikbaar op het gebied van lesgeven, het begeleiden van studenten en promovendi en het spreken voor grote gezelschappen. Zo heeft een aantal docenten bij de introductie van het Engelstalig onderwijs speciale cursussen Engels gevolgd.


39

Oordeel Wanneer het percentage onvoldoendes bij een tentamen hoger is dan 45% wordt in overleg met de docent gezocht naar verbeteringen, zo heeft de commissie vernomen. Indien bij een evaluatie een vak of docent op een bepaald item lager scoort dan 3.0 (op de schaal 1-5), wordt in de opleidingscommissie besproken welke verbeteringen getroffen moeten worden. De commissie stelt vast dat er voortdurend wordt gewerkt aan verbetermaatregelen op vooral kleine schaal, overeenkomstig de evaluaties. Maar tijdens het bezoek bleek dat de opleidingen eropuit zijn om ook in grote lijn verbeteringen aan te brengen. Zo werd besloten op advies van de commissie om de masteropleiding Knowledge Engineering ( die slechts uit een keuzeprogramma bestaat, samen te stellen uit de vakken van AI en OR) op te heffen en de invoering van duale varianten nog uit te stellen. De commissie is van oordeel dat de evaluaties leiden tot verbetermaatregelen die bijdragen aan de realisatie van streefdoelen. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. F19: Betrekken van medewerkers, studenten, alumni en beroepenveld Bij de interne kwaliteitszorg zijn medewerkers, studenten, alumni en het afnemend beroepenveld van de opleiding actief betrokken.

Beschrijving overgenomen uit de zelfstudie Bij de interne kwaliteitszorg zijn medewerkers, studenten, alumni en het beroepenveld van de opleiding steeds actief betrokken. De opleidingscommissie bestaat uit 2 medewerkers en 2 studenten. Deze commissie heeft als taak advies te geven aan het faculteitsbestuur en de opleidingsdirecteur. De opleidingscommissie is voor studenten een uitgelezen plek om invloed uit te oefenen op de gang van zaken rond het onderwijs en de projecten. De faculteitsraad bestaat uit 6 studenten en 6 medewerkers (4 WP’ers en 2 OBP’ers). De faculteitsraad heeft bepaalde instemmings- en adviesrechten, onder andere ten aanzien van het faculteitsreglement en delen van de onderwijs- en examenregeling. Een adviesrecht heeft de raad onder meer ten aanzien van de begroting. Na iedere onderwijsperiode wordt alle studenten gevraagd een schriftelijk oordeel te geven, via een standaardformulier, over de kwaliteit van de cursus en de docenten. Deze beoordelingen worden verzameld en statistisch geanalyseerd. Bij een te laag gebleken kwaliteit van een cursus, cursusonderdeel of docent wordt actie ondernomen. Bij de interne kwaliteitszorg zijn alumni betrokken. Het Researchcentrum voor Onderwijs en Arbeidsmarkt (ROA) maakt jaarlijks een rapportage over waar alumni (van verschillende faculteiten van de UM) terecht zijn gekomen. In deze rapportage wordt onder meer commentaar gegeven op de aansluiting van de opleiding bij het gekozen beroep. Ook bij de samenstelling van deze zelfstudie is een alumnus betrokken. De UM heeft een alumnidatabase op de UM-website geplaatst, waarin de gegevens zijn verzameld van alle alumni. Alumni hebben zelf toegang tot deze database en kunnen er zodoende zelf voor zorgen dat de gegevens (e-mail, werkgever, functie, e.d.) up-to-date blijven. Ze ontvangen elk kwartaal het alumniblad ContinuUM met divers nieuws over de UM en haar faculteiten. Tevens zijn in de laatste paar jaren in binnen- en buitenland zogeheten ‘alumnikringen’ ontstaan (onder andere in Amsterdam, Rotterdam, Maastricht, Brussel, Londen, en New York), die regelmatig bij elkaar komen en thema-avonden organiseren tijdens welke docenten van de UM lezingen verzorgen. Leden van het Alumniplatform van de UM zijn daarbij aanwezig en benaderen alumni met de vraag of zij geïnteresseerd zijn in een inbreng in het onderwijs of het aanbieden van stageplaatsen. Deze informatie wordt vervolgens doorgegeven aan de faculteiten.

40


(Interne) alumni zijn betrokken bij het onderwijs, voor het begeleiden van studenten bij het uitvoeren van praktische opdrachten en projecten. Regelmatig worden gastcolleges verzorgd door mensen uit het beroepenveld, om het verband te leggen tussen de geleerde theorie en de dagelijkse praktijk. Voor het project in de derde periode wordt vaak gebruikgemaakt van een casus die wordt aangeleverd door het bedrijfsleven. Indien een student zijn afstudeerwerk heeft gedaan bij een bedrijf, wordt de bedrijfsbegeleider schriftelijk gevraagd een oordeel te geven over het werk van de student en het kennisniveau van de student. Momenteel is dit via een open tekst, in de toekomst is voorzien dat dit via een standaardformulier gaat. Oordeel De commissie heeft tot haar genoegen vernomen dat de opleidingscommissie weer actief is geworden. Deze heeft namelijk ruim een halfjaar stil gelegen. Studenten worden in ruime mate betrokken bij de interne kwaliteitszorg. Dat geldt ook voor de docenten. Ten aanzien van het beroepenveld had de commissie wat aarzelingen. Naar aanleiding van vragen om nadere informatie hierover heeft de faculteit bericht dat de hierboven genoemde ROArapportages in principe waardevol zijn, maar dat voor de masteropleidingen AI en OR het aantal geënquêteerde studenten te klein bleek om zinvol te zijn. Inmiddels is met het ROA overlegd en wordt getracht het aantal geënquêteerde studenten te vergroten. De commissie stelt vast dat studenten en docenten voldoende betrokken zijn bij de interne kwaliteitszorg. De beroepenwereld zal beter worden benaderd teneinde ook van daaruit bruikbare gegevens te verkrijgen. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. Oordeel over het onderwerp ‘Interne kwaliteitszorg’ Op basis van de beoordelingen per facet komt de commissie tot een samenvattend oordeel over het onderwerp ‘Interne kwaliteitszorg’. Voor de masteropleiding Artificial Intelligence luidt dat oordeel voldoende, voor de masteropleiding Operations Research luidt het voldoende. 1.2.6.

Resultaten

F20: Gerealiseerd niveau De gerealiseerde eindkwalificaties zijn in overeenstemming met de nagestreefde eindkwalificaties qua niveau, oriëntatie en domeinspecifieke eisen.

Beschrijving overgenomen uit de zelfstudie De dagelijkse begeleiding van het onderzoek voor de masterthesis is in handen van een onderzoeker. De onderzoeker begeleidt de student zowel bij het uitvoeren van het onderzoek als bij het schrijven van de thesis. De masterthesis wordt beschouwd als de kroon op de opleiding. Door het afronden van de masterthesis laat de student zien dat hij/zij in staat is tot het zelfstandig verrichten van onderzoek op het kennistechnologisch domein. Bovendien wordt reeds voor aanvang van het thesisonderzoek door de examencommissie getoetst of het onderwerp van het thesisonderzoek voldoet aan de eisen vastgelegd in de eindtermen van de betreffende master (zie ook facet 1). Bij de goedkeuring en beoordeling van de thesis wordt dit nogmaals getoetst door de afstudeercommissie van de student. Het eerste jaar van de masteropleiding AI heeft binnen de nominale periode twee afstudeerders opgeleverd. Beide afgestudeerden zijn aanstaande promovendi. Het eerste jaar van de masteropleiding Operations Research heeft binnen de nominale periode twee afstudeerders opgeleverd. Beide afgestudeerden zijn zeer goed gekwalificeerd: een student is cum laude afgestudeerd, de ander met een 8,5 voor het afstudeerwerk. In beide gevallen vond de afstudeerstage extern plaats, namelijk bij een wetenschappelijke onderzoeksgroep van het Academisch Ziekenhuis Maastricht.


41

De afgestudeerden zijn werkzaam bij bedrijven en instellingen zoals CapGemini, Accenture, Vodafone, Philips, Medtronic, DSM, CBS, specialistische IT-bedrijven en universiteiten (Ph.D.-posities). Enkele afgestudeerden startten een eigen bedrijf. Oordeel De commissie heeft negentien scripties opgevraagd en bestudeerd op basis van een eigen beoordelingsformulier. Een aantal heeft het niveau van een vierjarige doctoraalopleiding, en dat klopt doordat de meeste scripties nog uit de tijd van de ongedeelde opleiding dateren. Nog slechts vier scripties zijn in het kader van de masterstudie geschreven, en ondanks de cursusduur van slechts één jaar houdt de opleiding het niveau van de KION-norm aan. De commissie heeft die alle vier opgevraagd. Deze vier masterscripties waren van behoorlijk niveau en de commissie zat met haar beoordeling ongeveer op dezelfde lijn als de opleiding. Voor de doctoraalscripties geldt dat de beoordeling van de meeste overeenkwam met die van de commissie. Al met al heeft de commissie vastgesteld dat de scripties van behoorlijke kwaliteit zijn. Dat blijkt ook uit het feit dat een aantal scripties geleid heeft tot presentaties op conferenties en publicaties in conferentie- proceedings. De tentamens die de commissie heeft bekeken, waren soms aan de eenvoudige kant. In een tweejarig programma zou het niveau van de tentamens omhoog moeten. De zelfstudie presenteert schematisch de studentmonitors van de jaren (dat wil zeggen het jaar van afname) 2001-2005. Een monitor bevat resultaten van alumni ongeveer één tot anderhalf jaar na afstuderen. Het aantal respondenten is echter erg gering, acht in 2002, één in 2003 en twee in 2005. Uit het hierboven opgenomen overzicht blijkt dat de helft van het in 2005 bevraagde cohort maar matig tevreden is. Het gaat dan om de competenties zich zelf verder te ontwikkelen, de selectie binnen de opleiding en de allocatie (waar komt men terecht). Wel wordt duidelijk dat betere informatie over het beroepenveld wenselijk is. Daar wordt aan gewerkt. De afgestudeerden die in een onderzoekschool terechtkomen, ontdekken dat zij een minder brede kijk op KI hebben dan hun collega’s die afgestudeerd zijn aan zusterfaculteiten. Mede op grond van de bestudeerde scripties kent de commissie aan dit facet een voldoende toe. De gerealiseerde eindkwalificaties zijn in overeenstemming met de nagestreefde eindkwalificaties. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. F21: Onderwijsrendement Voor het onderwijsrendement zijn streefcijfers geformuleerd in vergelijking met relevante andere opleidingen.

Beschrijving overgenomen uit de zelfstudie

Binnen de KION zijn nog geen streefcijfers geformuleerd met als argument dat de opleiding pas 1 jaar bestaat. De master AI heeft als streefcijfers geformuleerd: 70% rendement na 1 jaar en 95% na 2 jaar. De instroom in de master AI voor het studiejaar 2005-2006 bedroeg 13. Van dit aantal hebben 2 studenten de studie binnen de studieduur van 12 maanden afgerond. De prognose is dat het studierendement van de masteropleiding na 2 jaar 90% bedraagt. Alle studenten, op twee na, hebben op dit moment alle vakken afgerond. Deze studenten bevinden zich nu in de afrondende fase van de masterthesis. De master OR heeft dezelfde streefcijfers geformuleerd. De instroom in de master OR voor het studiejaar 2005-2006 bedroeg 8. Van dit aantal hebben 2 studenten de studie binnen de studieduur van 12 maanden afgerond. De prognose is dat het studierendement van de masteropleiding na 2 jaar 90% bedraagt. De meeste studenten bevinden zich in de afrondende fase van de masterthesis.

42


Rendement in percentage na 1 jaar

Instroom

Rendement % na 1 jaar

05/06 AI 05/06 OR

13 8

15.4 20.5

Oordeel De commissie vindt het te prijzen dat er streefcijfers zijn opgesteld. Deze worden echter bij lange na niet gehaald en gegeven de zwaarte van het programma kunnen ze ook zeer moeilijk worden gehaald. De commissie schrijft dit toe aan de te korte cursusduur en aan het feit dat deze streefcijfers zeer ambitieus zijn. Zij heeft vastgesteld dat de rendementen voor onderhavige opleidingen een punt van aandacht en zorg zijn en dat de opleidingen voldoende maatregelen nemen om de rendementen te verbeteren. Daarom kent zij aan beide opleidingen een voldoende toe voor dit facet. Masteropleiding Artificial Intelligence: het oordeel van de commissie is voldoende. Masteropleiding Operations Research: het oordeel van de commissie is voldoende. Oordeel over het onderwerp ‘Resultaten’ Op basis van de beoordelingen per facet komt de commissie tot een samenvattend oordeel over het onderwerp ‘Resultaten’. Voor de masteropleiding Artificial Intelligence luidt dat oordeel voldoende, voor de masteropleiding Operations Research luidt het voldoende.


43

Samenvatting van de oordelen van de commissie Onderwerp

Oordeel

Facet

1. Doelstellingen van de opleiding

voldoende

2. Programma

voldoende

1. Domeinspecifieke eisen 2. Niveau 3. Oriëntatie 4. Eisen wo 5. Relatie doelstellingen en programma 6. Samenhang programma 7. Studielast 8. Instroom 9. Duur 10. Afstemming vormgeving en inhoud 11. Beoordeling en toetsing 12. Eisen wo 13. Kwantiteit personeel 14. Kwaliteit personeel 15. Materiële voorzieningen 16. Studiebegeleiding 17. Evaluatie resultaten 18. Maatregelen tot verbetering 19. Betrokkenheid van medewerkers, studenten, alumni en beroepenveld 20. Gerealiseerd niveau 21. Onderwijsrendement

3. Inzet van personeel

voldoende

4. Voorzieningen

Voldoende

5. Interne kwaliteitszorg

voldoende

6. Resultaten

voldoende

Oordeel master AI Voldoende Voldoende Voldoende Voldoende Voldoende

Oordeel master OR Voldoende Voldoende Voldoende Voldoende Voldoende

Voldoende Onvoldoende Voldoende Voldoende Goed

Voldoende Onvoldoende Voldoende Voldoende Goed

Voldoende Voldoende Voldoende Voldoende Voldoende Excellent Voldoende Voldoende Voldoende

Voldoende Voldoende Voldoende Voldoende Voldoende Excellent Voldoende Voldoende Voldoende

Voldoende Voldoende

Voldoende Voldoende

Eindoordeel van de commissie over de masteropleidingen Artificial Intelligence en Operations Research De commissie komt, op grond van haar oordelen voor de onderwerpen en facetten uit het accreditatiekader, tot het volgende eindoordeel: De masteropleiding Artificial Intelligence voldoet aan de eisen voor basiskwaliteit die een voorwaarde zijn voor accreditatie. De masteropleiding Operations Research voldoet aan de eisen voor basiskwaliteit die een voorwaarde zijn voor accreditatie.

44


BIJLAGEN


45

46


Bijlage A: Curricula vitae van de leden van de visitatiecommissie Kunstmatige Intelligentie 2007 Prof. dr. W.A. (Willem Albert) Wagenaar (1941) voorzitter, studeerde, na het behalen van het diploma gymnasium bèta, Psychologie aan de Universiteit van Utrecht en behaalde het doctoraalexamen in 1965. Hij promoveerde in 1972 in Leiden. Werkte van 1965 tot 1973 als onderzoeker bij het Instituut voor perceptieonderzoek van TNO, en was hoofd van de afdeling Psychologie aldaar van 1974 tot 1985. In 1973-1974 was hij visiting professor aan de Pennsylvania State University, State College, Pennsylvania, USA, op basis van een Fulbright Scholarship. Sinds 1985 tot op heden is hij gewoon hoogleraar Experimentele Psychologie aan de Universiteit Leiden. Van 1997 tot 2001 was hij rector magnificus van de Universiteit Leiden. Sinds 1991 is hij lid van de KNAW. In 1991-1992 was hij Overseas Fellow aan het Churchill College te Cambridge. In het jaar 2003-2004 was hij dean van het University College van de Universiteit Utrecht. Sedert 2004 is hij als universiteitshoogleraar verbonden aan de Universiteit Utrecht en als hoogleraar Recht en Psychologie aan de Universiteit Leiden. Professor Wagenaar is (mede)auteur van meer dan tien wetenschappelijke boeken en meer dan 150 wetenschappelijke artikelen. Hij is opgetreden als getuige-deskundige in meer dan duizend juridische zaken, zowel civiel als strafrechtelijk. Het ging om problemen rond perceptie, geheugen, veiligheid in de industrie, illegaal gokken en processen over handelsmerken. Hij trad op als getuige in Nederland en in het buitenland, onder andere in het proces tegen John Demjanjuk in Israël en het Tribunaal van de Verenigde Naties betreffende oorlogsmisdaden in de voormalige republiek Joegoslavië, in Den Haag. Prof. dr. W. (Walter) Daelemans (1960) is gewoon hoogleraar aan de Universiteit Antwerpen (Departement Taalkunde) en directeur van het CNTS (Centrum voor Nederlandse Taal en Spraak), een onderzoekscentrum van dit departement. Hij promoveerde in 1987 aan de KU Leuven op een proefschrift over taaltechnologie. Hij doceert Artificiële Intelligentie en Computerlinguïstiek en doet onderzoek naar cognitieve, theoretische en technologische aspecten van de toepassing van automatische leertechnieken op de verwerving en verwerking van natuurlijke taal. Hij is auteur of medeauteur van meer dan tweehonderd publicaties op dit gebied. Hij was eerder docent en hoogleraar Machine Learning and Language Technology aan de Universiteit van Tilburg, waar hij de ILKonderzoeksgroep oprichtte. Hij startte zijn wetenschappelijke loopbaan eind jaren tachtig als wetenschappelijk medewerker aan de Radboud Universiteit Nijmegen en het AI-LAB van de Vrije Universiteit Brussel. Hij was principal investigator van verschillende Europese, transnationale en nationale projecten over computertaalkunde en was bestuurslid van onder meer de Association for Computational Linguistics (ACL), European Coordinating Committee for Artificial Intelligence (ECCAI), BNVKI, CLIF en de Europese afdeling van ACL. Hij was verkozen voorzitter van de Special Interest Group on Natural Language Learning (SIGNLL) van de ACL en mede-initiator en meervoudig programmavoorzitter van de Conference on Computational Natural Language Learning (CoNLL)-reeks. Sinds 2003 is hij verkozen Fellow van ECCAI. Hij is promotor van tien proefschriften en is redacteur of redactielid (geweest) van onder meer JMLR, JAIR, Computational Linguistics Journal, ROLC, Machine Learning en IEEE Transactions on Speech & Audio Processing. In 1995 was hij lid van de curriculumevaluatiecommissie Computational Linguistics van de Universiteit van Göteborg, Zweden. Prof. dr. A. (Ann) Nowé (1965) is hoofddocent Computer Science aan de Vrije Universiteit Brussel. Samen met haar collega Bernard Manderick staat zij aan het hoofd van het Computational Modeling Lab (COMO). Zij studeerde in 1987 af als Licentiate in de Wiskunde (minor Informatica) aan de Universiteit Gent. In 1994 promoveerde zij aan de Vrije Universiteit Brussel met een proefschrift dat zich situeert in de doorsnede van de Artificiële Intelligentie, Wiskunde en Regeltechniek. Zij doceert Formele Talen Theorie en Berekenbaarheid, Machine Learning en Multiagent Systemen. Zij is (mede)auteur van meer dan honderd wetenschappelijke publicaties, voornamelijk op het vlak van reinforcement learning en leren in multi-agent-systemen, en is promotor van zeven afgewerkte doctoraten in dit gebied.


47

Zij is voorzitter van examencommissie Computer Wetenschappen aan de VUB, lid van de Facultaire Onderwijscommissie en bestuurslid van het BNVKI. Zij zetelde meermaals in een expertencollege van het IWT-Vlaanderen, het Instituut voor de aanmoediging van Innovatie door wetenschap en technologie in Vlaanderen. Zij is regelmatig reviewer voor internationale conferenties en tijdschriften als ook projecten. E. (Elske) van der Vaart (1984), studente Kunstmatige Intelligentie aan de Rijksuniversiteit Groningen, studentlid, behaalde in 2002 haar vwo-diploma met het profiel Natuur & Techniek aan de openbare scholengemeenschap Wolfert van Borsselen in Rotterdam. In datzelfde jaar begon zij aan de bacheloropleiding Kunstmatige Intelligentie aan de Rijksuniversiteit Groningen, die zij in 2005 afrondde. Sindsdien studeert zij in de master Kunstmatige Intelligentie en de researchmaster Behavioral and Cognitive Neurosciences, beide aan de Rijksuniversiteit Groningen. Zij was twee jaar lid van de opleidingscommissie voor Kunstmatige Intelligentie en een jaar voorzitter van een studentenfractie in de universiteitsraad. Ook was zij anderhalf jaar actief als redacteur van het Groningse KI-blad De BrainStorm. Zij hoopt in juli 2007 af te studeren op een agentgebaseerd model van de evolutie van ‘theory of mind’. Prof. dr. F.J.M.M. (Frank) Veltman (1949) is als hoogleraar Logica & Cognitiewetenschap verbonden aan de afdeling Wijsbegeerte van de Faculteit der Geesteswetenschappen van de Universiteit van Amsterdam. Hij is wetenschappelijk directeur van Het Institute for Logic, Language and Computation, een interfacultair onderzoeksinstituut waarin logici, informatici, (computationeel) linguisten en taalfilosofen samenwerken. Veltman studeerde Wiskunde en Filosofie aan Universiteit van Utrecht en werkte aan de Erasmus Universiteit in Rotterdam voordat hij in 1978 naar de Universiteit van Amsterdam kwam. Hij heeft gastdocentenschappen vervuld in Tübingen, Edinburgh en Stanford. Zijn onderzoek betreft de logische analyse van natuurlijke taal. Hij publiceerde over onderwerpen als conditionele zinnen, vuistregels, epistemische modaliteiten, vaagheid en imperatieven. Begin jaren negentig was hij voorzitter van de oprichtingscommissie Kunstmatige Intelligentie aan de Universiteit van Amsterdam. Hij was opleidingsdirecteur van deze opleiding tot 1997 en opnieuw van 2001 tot 2003. Hij was lid van vele beoordelingscommissies bij NWO, laatstelijk voorzitter van de VIDI-commissie van het gebied Geesteswetenschappen. Ir. E. M. (Evert) van de Vrie (1955), is docent Wiskunde en Kunstmatige Intelligentie aan de Open Universiteit Nederland. Hij studeerde Toegepaste Wiskunde aan de Universiteit Twente. Na enkele jaren gewerkt te hebben als wiskundedocent in Mozambique en als onderzoeker aan het Delta Instituut in Yerseke startte hij in 1986 als docent aan de OU. Van de Vrie ontwikkelde cursussen en was actief als docent/begeleider op het gebied van wiskunde (discrete wiskunde, calculus, Fourier en Laplace-transformaties) en kunstmatige intelligentie (kennistechnologie en kennismanagement). De laatste twee cursussen waren het resultaat van het project Landelijk Onderwijsweb Kennistechnologie, waarvan hij projectleider was en waarin diverse universiteiten, in het bijzonder de opleidingen Kunstmatige Intelligentie, in Nederland participeerden. Bij het ontwikkelen van onderwijsmateriaal voor de Open Universiteit hield Van de Vrie zich diepgaand bezig met een adequate onderwijskundige opzet. Het onderwijsmodel van de OU is immers afstandsonderwijs met een zwaar beroep op zelfstudie. Binnen een dergelijk model is goed doordacht en uitontwikkeld onderwijsmateriaal een noodzaak. Hij ontwikkelde zowel schriftelijke als interactieve elektronische studiematerialen. Tevens was hij betrokken bij diverse onderwijsvernieuwingsprojecten die door de OU werden uitgevoerd.

48


Bijlage B: Referentiekader KION

Frame of reference Bachelor and Master programmes in Artificial Intelligence A Dutch perspective

December 18th, 2006 Status: final

This document is developed by the KION 1 task force on Curricula for Artificial Intelligence and is based on: • • •

Computing Curricula 2001/2005 for Computer Science developed by the Joint Task Force on Computing Curricula IEEE Computer Society Association for Computing Machinery 2 . The Onderwijs- en Examenregelingen (OER) of the bachelor and master programmes in Artificial Intelligence administered by the Dutch Universities. Tuning Educational Structures in Europe 3 .

Kunstmatige Intelligentie Opleidingen Nederland http://www.acm.org/education/ (last visited on November 8th, 2006) 3 http://www.unideusto.org/tuning/ (last visited on November 8th, 2006) 1 2


49

Contents 1 2

3

4

5

6

7

50

Introduction .................................................................................................................................. 51 1.1 KION: Artificial Intelligence in the Netherlands 1.2 Aim of this document Programme characteristics........................................................................................................... 53 2.1 Areas, courses, and topics 2.2 Core and elective courses 2.3 Assessing the time required to cover a course 2.4 Coping with change Shared identity............................................................................................................................... 55 3.1 Common role 3.2 Common requirements 3.3 Shared background for bachelor programmes 3.3.1 Support courses 3.3.2 Artificial Intelligence courses 3.3.3 Skills 3.3.4 Artificial Intelligence elective courses Bachelor programme Artificial Intelligence .............................................................................. 58 4.1 Objectives 4.1.1 Access to master programmes 4.1.2 Professional career 4.1.3 Academic skills 4.1.4 Place in society 4.2 Final qualifications 4.2.1 Knowledge and understanding 4.2.2 Applying knowledge and understanding 4.2.3 Making judgements 4.2.4 Communication 4.2.5 Learning skills Master programme Artificial Intelligence.................................................................................. 61 5.1 Objectives 5.1.1 Access to PhD programmes 5.1.2 Professional career 5.1.3 Academic skills 5.1.4 Place in society 5.2 Final qualifications 5.2.1 Knowledge and understanding 5.2.2 Applying knowledge and understanding 5.2.3 Making judgements 5.2.4 Communication 5.2.5 Learning skills International perspective ............................................................................................................. 64 6.1 Comparison of bachelor programmes 6.1.1 The Artificial Intelligence bachelors in Edinburgh 6.1.2 Comparison with the Dutch frame of reference 6.1.3 The Cognitive Science bachelors in Osnabrück and Linköping 6.1.4 Comparison with the Dutch frame of reference 6.2 Comparison of master programmes 6.2.1 Edinburgh 6.2.2 Comparison with the Dutch frame of reference 6.2.3 Stanford 6.2.4 Comparison with the Dutch frame of reference Concluding remarks ..................................................................................................................... 67


1.

Introduction

This document is intended as a frame of reference for all Dutch University programmes that are included in the category Artificial Intelligence of the Dutch register of higher education programmes (CROHO) 4 . This frame of reference defines the fields covered by the term Artificial Intelligence as well as the common goals and final qualifications of these programmes. Artificial Intelligence is a relatively young field. The birth of Artificial Intelligence research is often dated in 1959. The history of teaching Artificial Intelligence as a separate discipline is much shorter still, starting in the Netherlands in the early ‘90’s. Consequently, a frame of reference for Artificial Intelligence is still actively developing both in the national and the international context. This document formulates the current Dutch consensus on a national frame of reference for Artificial Intelligence in the Netherlands. Intelligence is often defined as the ability to reason with knowledge, to plan and to coordinate, to solve problems, to perceive, to learn and to understand language and ideas. Originally these are typical properties and phenomena associated with the human brain, but they can also be investigated without direct reference to the natural system. Both ways of studying intelligence either can or must use computational modelling. The term Artificial Intelligence as used in this document refers to the study of intelligence, whether artificial or natural, by computational means.

1.1. KION: Artificial Intelligence in the Netherlands The current Dutch Artificial Intelligence programmes were mostly started in the nineties in an interdisciplinary context. Originally they were known under a variety of names such as Cognitive Science (Cognitiewetenschap), Applied Cognitive Science (Technische Cognitiewetenschap), Knowledge Technology (Kennistechnologie), Cognitive Artificial Intelligence (Cognitieve Kunstmatige Intelligentie) as well as Artificial Intelligence (Kunstmatige Intelligentie). In 1999, the number of recognized labels in the CROHO was reduced, and the aforementioned study programmes were united under the name Artificial Intelligence 5 . Initially, this was an administrative matter that did not influence the content of the curricula. It did mean, however, that from then on cognitive science (as the study of natural intelligence) and artificial intelligence (as a formal approach to intelligence) were shared under the heading of Artificial Intelligence. The above-mentioned definition of Artificial Intelligence as the study of natural and/or artificial intelligence by computational means was then agreed upon. The KION (Kunstmatige Intelligentie Opleidingen in Nederland) was formed as a discussion and cooperation platform for the united programmes. Starting in 2002, all university-level study programmes in the Netherlands were divided into a bachelor and a master phase. KION took this as an opportunity to agree upon a common kernel of subjects that would be constituent of every Dutch Artificial Intelligence bachelor programme, with the aim of advancing an adequate fit of all Dutch bachelor programmes to all Dutch master requirements.

1.2. Aim of this document Now that the Dutch Artificial Intelligence programmes are coming up for accreditation in 2006, KION feels it is time to take the specification of the commonality among these programmes a step further. However, this document is not intended purely as a description of the current status quo. Rather, it aims to provide an account of what an Artificial Intelligence programme should provide as a minimum (the communal requirements for every study programme called Artificial Intelligence), and how it can extend this basis to distinguish itself from other Artificial Intelligence programmes.

4 5

Centraal Register Opleidingen Hoger Onderwijs In Dutch: Kunstmatige Intelligentie


51

Agreement among the Dutch Artificial Intelligence programmes upon the contents of this document will advance both the equivalence of these programmes, and the understanding on existing and possible profiles within Artificial Intelligence programmes. Moreover, it is hoped that this document will also be a starting point for setting international standards for Artificial Intelligence programmes, which do as yet not exist.

52


2. Programme characteristics This section describes some of the definitions regarding the build-up of bachelor and master programs.

2.1. Areas, courses, and topics A bachelor programme in Artificial intelligence is organized hierarchically into three levels. The highest level of the hierarchy is the area, which represents a particular disciplinary subfield. Each area is identified by a two-letter abbreviation, such as KT for Knowledge Technology. The areas are broken down into smaller divisions called courses (or units 6 ), which represent individual thematic modules within an area. Each course is further subdivided into a set of topics, which are the lowest level of the hierarchy. The courses that implement the particular programme (or curriculum) are together referred as the ‘body of knowledge’.

2.2. Core and elective courses By insisting on a broad consensus in the definition of the core, we hope to keep the core as small as possible, giving institutions the freedom to tailor the elective components of the curriculum in ways that meet their individual needs. The core is thus not a complete programme. Because the core is defined as minimal, it does not, by itself, constitute a complete undergraduate curriculum. Every undergraduate programme must include additional elective courses from the body of knowledge. This report does not define what those courses should be, but does enumerate some options.

2.3. Assessing the time required to cover a course To give readers a sense of the time required to cover a particular course, a metric must be defined that establishes a standard of measurement. No standard measure is recognized throughout the world, but within the European Community agreement has been reached upon a uniform European Credit Transfer System 7 (ECTS) in which study load is measured in European Credits (ECs). One EC stands for 28 hours of study time and a full year of study is standardized at 60 EC. In this document, we shall use the EC metric as the standard of measurement for study load.

2.4. Coping with change An essential requirement of any Artificial Intelligence degree is that it should enable graduates to cope with—and even benefit from—the rapid change that is a continuing feature of the field. But how does one achieve this goal in practice? At one level, the pace of change represents a challenge to academic staff who must continually update courses and equipment. At another level, however, it suggests a shift in pedagogy away from the transmission of specific material, which will quickly become dated, toward modes of instruction that encourage students to acquire knowledge and skills on their own. Fundamentally, teaching students to cope with change requires instilling in those students an attitude that promotes continued study throughout a career. To this end, an Artificial Intelligence curriculum must strive to meet the following challenges: • Adopt a teaching methodology that emphasizes learning as opposed to teaching, with students continually being challenged to think independently. • Assign challenging and imaginative exercises that encourage student initiative. • Present a sound framework with appropriate theory that ensures that the education is sustainable. • Ensure that equipment and teaching materials remain up to date. CC2001 uses ‘unit’. However, ‘course’ seems more appropriate for the Dutch system. http://europa.eu.int/comm/education/programmes/socrates/ects/index_en.html (last visited on November 8th, 2006)

6 7


53

• • •

54

Make students aware of information resources and appropriate strategies for staying current in the field. Encourage cooperative learning and the use of communication technologies to promote group interaction. Convince students of the need for continuing professional development to promote lifelong learning.


3. Shared identity 3.1. Common role Apart from the roles academics usually perform in society students of Artificial Intelligence are educated to enrich society with the benefits a formalization of intelligence and intelligent phenomena can provide. In particular this entails that an alumnus of Artificial Intelligence can contribute to the understanding and exploitation of natural and artificial intelligence. This may lead to new technologies but it may also enrich designs, products, and services with intelligence so that they are more effective, more reliable, more efficient, safer, and often require less natural resources. This role, in combination with the interdisciplinary nature of the field, requires the Artificial Intelligence alumnus to be able to contribute to interdisciplinary teams and, in many cases function as an intermediate who facilitates the interaction of (other) domain specialists.

3.2. Common requirements Artificial Intelligence is a broad discipline and many approaches to the study of intelligent phenomena are justified and fruitful. Curricula are therefore often different from their siblings in emphasis, goals, and capabilities of their graduates. Yet they have much in common. Any reputable Artificial Intelligence program should include each of the following aspects. 1. Essential and foundational underpinnings of the core aspects of intelligence. These must be founded on empirical efforts and based on a formal theory, and they may address professional values and principles. Regardless of their form or focus, the underpinnings must highlight those essential aspects of the discipline that remain unaltered in the face of technological change. The discipline’s foundation provides a touchstone that transcends time and circumstances, giving a sense of permanence and stability to its educational mission. Students must have a thorough grounding in that foundation. 2. A foundation in the core concepts of modelling and algorithms for implementing intelligence. The construction and use of models (simplified, abstracted and dynamic representations of some phenomenon in reality) is common to many sciences. In Artificial Intelligence, however, model building is central: the field of Artificial Intelligence may actually be defined as trying to model aspects of (formal or natural) intelligence and knowledge. Moreover, models within Artificial Intelligence have specific characteristic: they are computational and therefore necessarily formal, and they are “meta-models” in the sense that they model intelligent processes that in their turn use models of reality. Artificial Intelligence-graduates must therefore be able to work with (computational) models at different levels of abstraction and understand the recursive nature of models in Artificial Intelligence. This foundation has a number of layers: a. An understanding of, and appreciation for, many of the diverse aspects of intelligence, models of intelligent phenomena, and of algorithms that describe intelligent processes. b. Skills to model intelligent phenomena and appreciate the abilities and limitation of these models, if appropriate in comparison with a natural example. c. Skills to model and implement intelligent phenomena on a computer, in particular skills to work with algorithms and data-structures in software. d. Skills to design and build systems that are robust, reliable, and appropriate for their intended audience. 3. An understanding of the possibilities and limitations of what intelligent systems can and cannot do. This foundation has a number of levels: a. An understanding of what current state-of-the-art can and cannot accomplish, if appropriate in combination with the accomplishment of the natural system that inspired it;


55

b. An understanding of the limitations of intelligent systems, including the difference between what they are inherently incapable of doing versus what may be accomplished via future science and technology; c. The impact of deploying technological solutions and interventions on individuals, organizations, and society. 4. The identification and acquisition of non-technical skills, including interpersonal communication skills, team skills, and management skills as appropriate to the discipline. To have value, learning experiences must build such skills (not just convey that they are important) and teach skills that are transferable to new situations. 5. Exposure to an appropriate range of applications and case studies that connect theory and skills learned in academia to real-world occurrences to explicate their relevance and utility. 6. Attention to professional, legal and ethical issues such that students acquire, develop and demonstrate attitudes and priorities that honour, protect, and enhance the profession’s ethical stature and standing. 7. Demonstration that each student has integrated the various elements of the undergraduate experience by undertaking, completing, and presenting a capstone project.

3.3. Shared background for bachelor programmes Similar to alumni of programmes such as Physics, Computer Science, and Psychology, all Artificial Intelligence bachelors are expected to share a certain amount of support knowledge, domain specific knowledge, specialized domain knowledge, and a set of skills. The content mentioned below ensures both a firm common basis as well as a wide range of individual and/or institute specific specialisation. The list is an update (extension) of the shared programme agreed upon by the KION platform in 2000.

3.3.1. Support courses •

Computer science o Programming (logic, imperative, and object-oriented) o Data structures and knowledge representation o Algorithms and search

•

Logic o o o

•

Set theory Predicate logic Modal logic

Mathematics o Calculus o Discrete mathematics o Linear algebra o Statistics

3.3.2. Artificial Intelligence courses • • • • •

56

Autonomous systems Cognitive psychology Computational linguistics History of Artificial Intelligence Human-computer interaction


• • • • •

Knowledge systems Machine learning, Neural nets and Genetic algorithms Multi-agent systems Philosophy for Artificial Intelligence Reasoning (Diagnosis, Planning)

3.3.3. Skills • • • • • •

Analytic skills Empirical methods Modelling Teamwork Working in Project Write, Report, and Communication

3.3.4. Artificial Intelligence elective courses • • • • • • • • •

Cognitive modelling and Architectures of cognition Data mining and Information retrieval Language and speech technology Neuro-psychology Perception (Computational and Natural) Robotics Uncertainty management Virtual reality and Gaming Web Intelligence


57

4. Bachelor programme Artificial Intelligence This section is divided into two parts. Section 4.1 describes the roles that a bachelor ought to be able to perform in society. Section 4.2 describes the final qualifications that bachelors in Artificial Intelligence possess in order to fulfil these roles.

4.1. Objectives The objective of the bachelor programme is to provide students with a suitable basis for a further career, both in education as well as in employment. The bachelor must be prepared for a number of different roles and opportunities.

4.1.1. Access to master programmes The bachelor provides the student with the specific knowledge and abilities, exemplified in the form of a bachelor diploma that allows the bachelor access to a master programme in Artificial Intelligence or other national or international masters, particularly in related disciplines.

4.1.2. Professional career The bachelor prepares for a position in which the student can earn his or her own subsistence. In particular it prepares for: • Supervised work on an academic level • Positions in the modern high-tech society, such as functions in knowledge-intensive companies and knowledge intensive parts of the non-profit sector

4.1.3. Academic skills The bachelor provides sufficient training in (scientific) reasoning, conduct, and communication to reach internationally accepted standards of academic skills at that level.

4.1.4. Place in society The bachelor programme provides the bachelor with the knowledge and tools needed to form an informed opinion of the meaning and impact of Artificial Intelligence, and an informed notion of the responsibilities of a specialist in this area.

4.2. Final qualifications The objectives of the bachelor can be specified into final qualifications. To comply with international standards these qualifications are presented below in terms of the Dublin descriptors for the bachelor’s profile 8 . Together these final qualifications must lead to alumni that exemplify the shared identity defined in section 3.

4.2.1. Knowledge and understanding The bachelor demonstrates knowledge and understanding in a field of study that builds upon and supersedes their general secondary education. Knowledge and understanding is typically at a level at which the bachelor, whilst supported by advanced textbooks, is able to include some aspects at the forefront of their field of study.

8

http://www.jointquality.org/ (last visited on November 8th, 2006)

58


Qualifications: 1. Basic understanding of key areas in Artificial Intelligence in accordance with the shared identity. 2. Advanced knowledge of at least one of the key areas in Artificial Intelligence, up to a level that without further requirements grants access to a master programme in this area. 3. Knowledge of the symbolic approach to Artificial Intelligence. 4. Knowledge of the numerical, non-symbolic, approach to Artificial Intelligence. 5. Knowledge of the most important philosophical theories in the area of knowledge and cognition. 6. Knowledge of the most important theories developed in the area of empirical sciences, particularly psychology. 7. Expertise in constructing and evaluating computational models of cognitive processes.

4.2.2. Applying knowledge and understanding Bachelors can apply their knowledge and understanding in a manner that indicates a professional approach to their work or vocation, and have competences typically demonstrated through devising and sustaining arguments and solving problems and/or designing systems within their field of study. They are able to analyze and model prototypical Artificial Intelligence problems by using known Artificial Intelligence methods and techniques. Qualifications: 1. The ability to understand, apply, formulate, and validate models from the domains of Artificial Intelligence. 2. The ability to apply the symbolic approach to Artificial Intelligence. 3. The ability to apply non-symbolic approaches to Artificial Intelligence. 4. The ability to design, implement, and evaluate knowledge systems. 5. The ability to apply tools from mathematics and logic. 6. The ability to apply important programming languages used in Artificial Intelligence. 7. Analytical approach to problem solving and design: o Ability to comprehend (design) problems and abstract their essentials. o Ability to construct and develop logical arguments with clear identification of assumptions and conclusions. 8. The ability to submit an argument in the exact sciences (or humanities) to critical appraisal. 9. Analytical and critical way of thought and ability to apply logical reasoning. 10. Openness to interdisciplinary cooperation and ability to effectively participate therein as an academic professional.


59

11. The ability to create an effective project plan for solving a prototypical Artificial Intelligent problem in a supervised context. 12. Manage one’s own learning and development, including time management and organizational skills. 13. The ability to transpose academic knowledge and expertise into social, professional and economic contexts. 14. Readiness to address new problems from new areas.

4.2.3. Making judgements The bachelor has the ability to gather and interpret relevant data (typically within the field of study) and to formulate judgements that include reflection on relevant social, academic or ethical issues. Qualifications: 1. Ability to critically review results, arguments and problem statements from accepted perspectives in the field of Artificial Intelligence. 2. Initial competence in search and critical processing of professional literature in Artificial Intelligence. 3. Acquaintance with the standards of academic criticism. 4. Awareness of, and responsible concerning, the ethical, normative and social consequences of developments in science and technology, particularly resulting from Artificial Intelligence.

4.2.4. Communication The bachelor can communicate information, ideas, problems and solutions to audiences of both domain-specialist and a general audience. Qualifications: 1. Academically appropriate communicative skills; the bachelor can: o Communicate ideas effectively in written form, o Make effective oral presentations, both formally and informally, o Understand and offer constructive critiques of the presentations of others.

4.2.5. Learning skills The bachelor has developed those learning skills that are necessary for a successful further study characterised by a high degree of autonomy (typically in the context of a master or a specialist profession). Qualifications: 1. Reflection on one’s own style of thought and working methods and readiness to take the necessary corrective action. 2. Recognize the need for continued learning throughout a professional career.

60


5. Master programme Artificial Intelligence This section is divided into two parts. Section 5.1 describes the roles that a master ought to be able to perform in society. Section 5.2 describes the final qualifications that masters in Artificial Intelligence possess in order to fulfil these roles.

5.1. Objectives The objective of the master programme is to provide students with a suitable basis for a further career, both in research as well as in the rest of society. The master must be prepared for a number of different roles and careers at key positions in society.

5.1.1. Access to PhD programmes The master programme provides the student with the specific knowledge and abilities, exemplified in the form of a master diploma that allows the master access to a PhD programme in a broad range of disciplines, especially in Artificial Intelligence related disciplines.

5.1.2. Professional career The master programme prepares for a position in which the student can earn his or her own subsistence. In particular it prepares for: • Independent work on an academic level, especially at positions where many of the problems have not been addressed before and where solutions require scientific training • Key positions in the modern high-tech society, such as higher functions in knowledgeintensive companies and knowledge-intensive parts of the non-profit sector

5.1.3. Academic skills The master programme provides sufficient training in independent scientific reasoning, conduct, and communication to reach internationally accepted standards of academic skills at that level. The master can communicate original ideas in the own language and at least one foreign language to a public of specialists and non-specialists.

5.1.4. Place in society The programme provides the master with the knowledge and tools needed to formulate an informed opinion about the meaning and impact of Artificial Intelligence in society. Masters are able to enrich society with results from contemporary research and oversee the consequences of proposed measures to society and are aware of their responsibility towards society.

5.2. Final qualifications The objectives of the master can be specified into final qualifications. To comply with international standards these qualifications are presented below in terms of the Dublin descriptors for the master’s profile 9 . Together these final qualifications must lead to alumni that exemplify the shared identity defined in section 3.

5.2.1. Knowledge and understanding The master demonstrates knowledge and understanding in a field of study that builds upon and supersedes their bachelor degree. Knowledge, understanding, and abilities are typically at a level at which the master is able to formulate a feasible research plan in one’s own specialisation. 9

http://www.jointquality.org/ (last visited on November 8th, 2006)


61

Qualifications: 1. Advanced understanding of key areas in Artificial Intelligence. 2. Specialist knowledge of at least one of the key areas in Artificial Intelligence, up to a level that the master can appreciate the forefront of research in that field. 3. The master is able to judge the quality of his of her work or the work of others from scientific literature.

5.2.2. Applying knowledge and understanding Masters can apply their knowledge and understanding in a manner that indicates a scientific approach to their work or vocation. They are able to handle complex and ill-defined problems for which it is not a priori known if there is an appropriate solution, how to acquire the necessary information to solve the sub-problems involved, and for which there is no standard or reliable route to the solution. Qualifications: 1. The ability to formulate a project plan for an open problem in a field related to Artificial Intelligence in general and the own specialisation in particular. 2. The ability to determine the feasibility of a proposal to lead to a solution or design as specified. 3. The ability to contribute autonomously and with minimal supervision to an interdisciplinary project team and to profit from the abilities, the knowledge, and the contributions of other team members. 4. The ability to choose, apply, formulate, and validate models, theories, hypotheses, and ideas from the domains of Artificial Intelligence. 5. The ability to submit an argument in the exact sciences (or humanities) to critical appraisal and to incorporate its essence in the solution of Artificial Intelligence problems. 6. The ability to translate academic knowledge and expertise into social, professional, economic, and ethical contexts. 7. Awareness of, and responsibility concerning, the ethical, normative and social consequences of developments in science and technology, particularly resulting from original contributions.

5.2.3. Making judgements The master is able to formulate an opinion or course of action on the basis of incomplete, limited and in part unreliable information. Qualifications: 1. Competence in the search and critical processing of all sources of information that help to solve an open and ill-defined problem. 2. The ability to demonstrate a professional attitude conform the (international) scientific conduct in Artificial Intelligence. 3. The ability to provide and receive academic criticism conform the standards in one specialism of Artificial Intelligence-research.

62


4. The ability to formulate an opinion and to make judgements that include social and ethical responsibilities related to the application of one’s own contributions.

5.2.4. Communication The master can communicate information, ideas, problems and solutions to audiences of specialist in (other) research areas and to a general audience. Qualifications: 1. The master has academically appropriate communicative skills; s/he can: o Communicate original ideas effectively in written form, o Make effective oral presentations, both formally and informally, to a wide range of audiences o Understand and offer constructive critiques of the presentations of others.

5.2.5. Learning skills The master has developed those learning skills that are necessary for a successful further career at the highest professional level. The master is able to detect missing knowledge and abilities and to deal with them appropriately. Qualifications: 1. Being able to reflect upon one’s competences and knowledge and, if necessary, being able to take the appropriate corrective action. 2. The ability to follow current (scientific) developments related to the professional environment. 3. Showing an active attitude towards continued learning throughout a professional career.


63

6. International perspective As stated in the introduction, this frame of reference is intended not only for the Dutch national context, but also to put the Dutch Artificial Intelligence programmes into an international perspective, and possibly to serve as a starting point for an internationally agreed frame of reference. The latter possibility is of course dependent upon international debate and agreement, and at this moment it is not clear how to bring this about, or whether it will in fact be possible. What we can and will do in this document is provide a comparison between the frame of reference as developed in the previous sections and a number of known related study programmes in other countries. In doing this, we hope to show that the developed frame of reference is up to par from an international perspective as well as the Dutch national one. Having said this, we must immediately recognize that the Dutch national context appears to be rather special in that we only know of specialized bachelor-level Artificial Intelligence study programmes at one university outside the Netherlands, namely at Edinburgh (United Kingdom), which have a rather different programme structure than the Dutch (and general European) one. In our discussion of the Dutch frame of reference in international perspective, we will therefore add to our comparison with the Edinburgh study programme by a comparison with bachelor programmes of study programmes in a related field, notably Cognitive Science. Furthermore, we will compare the Dutch bachelor qualifications with the requirements for enrolment in Artificial Intelligence master programmes in other countries. A comparison of master programmes is tricky as well. Although, contrary to bachelor programmes, there are several well-known specialized Artificial Intelligence master programmes outside the Netherlands, study programmes at the master level are much more divergent than at the bachelor level. A comparison can therefore only be provided in global, subject-independent, terms. We have drawn up both the bachelor and master comparisons based on the programme descriptions and course lists received from the involved Universities. However, for the purpose of conciseness, we have left out particular details of the programmes that are largely time-dependent and often change from year to year.

6.1. Comparison of bachelor programmes 6.1.1. The Artificial Intelligence bachelors in Edinburgh Edinburgh University (United Kingdom) offers a range of Artificial Intelligence-related bachelor degrees, one of them in Artificial Intelligence as such, the others in combination with other disciplines (AI & Computer Science, AI & Mathematics, AI & Psychology). An ordinary bachelor degree consists of 3 years, however admittance to the (1-year) master programme can only be obtained by an honours degree, which takes a fourth year of study. In order to compare this system with the European standard of a 3-year bachelor and a 1-2-year master, we will take the honours year of the Edinburgh bachelor programme to be equivalent to the first year of a 2-year master degree in other European countries, and base our comparison of bachelor programmes on the first three years.

6.1.2. Comparison with the Dutch frame of reference It should be pointed out that the (first three years of the) Artificial Intelligence related bachelors in Edinburgh show a large variation between them, and an extensive amount of (usually restricted) choices for particular courses within them. In fact, the communality between the Edinburgh Artificial Intelligence bachelors is smaller than communality within the Dutch framework. It seems that the wide variation in Edinburgh Artificial Intelligence related bachelor degrees actually means that the degrees themselves are much more specialized than the Dutch framework proposes, some of them

64


having little or no (cognitive) psychology, others having no mathematics, etcetera. Areas such as philosophy and empirical methods appear not to be obligatory at all.

6.1.3. The Cognitive Science bachelors in Osnabrück and Linköping Both the University of Osnabrück (Germany) and the University of Linköping 10 (Sweden) offer a study programme in Cognitive Science. The discipline of Cognitive Science is related to Artificial Intelligence, and may in fact be seen as a flavour of Artificial Intelligence: somewhat more focused towards Cognitive Psychology, and somewhat less towards Engineering. The same key knowledge and skills apply in Artificial Intelligence and in Cognitive Science. The University of Osnabrück offers a three-year (180 EC) bachelor programme in Cognitive Science (in preparation of a two-year master programme).

6.1.4. Comparison with the Dutch frame of reference Based on studying both programmes, we conclude that the Dutch frame of reference recognizes the same communal Artificial Intelligence-relevant areas as both Cognitive Science programmes outside the Netherlands. The Dutch frame of reference devotes as much or more attention to any of these areas as any of those Cognitive Science programmes, with the exception of Cognitive Psychology in Linköping. Moreover, the recognition, in the Dutch frame of reference, that each individual study programme has a specific profile in addition to the communal areas appears to hold for both inspected study programmes outside the Netherlands as well.

6.2. Comparison of master programmes 6.2.1. Edinburgh The Artificial Intelligence master programme in Edinburgh spans a full 12-month period and consists of two parts: taught and research. During the taught part (8 months), lectures, tutorials and group practicals are followed. The research part (4 months) consists of a major individual research project on which a dissertation is written. There is also the option of completing only the taught part, in which case, a Diploma will be awarded. MSc courses in Artificial Intelligence in Edinburgh are grouped in four major areas of specialisation: • Intelligent robotics • Knowledge representation and reasoning • Learning from data • Natural language and language engineering

6.2.2. Comparison with the Dutch frame of reference Comparing the Edinburgh programmes to the Dutch frame of reference, we can draw the following conclusions: • The main Artificial Intelligence topics that are in the Dutch framework are also represented in the Edinburgh programmes (as shown in the four different identified areas of specialisation). • The Edinburgh programmes are 1-year, whereas most Dutch Artificial Intelligence master programmes are 2-year programmes. However, the Edinburgh master programme requires a 4-year honours bachelor degree. • The Edinburgh system knows a ‘Diploma’ whereas the Dutch system does not. As described above, this Diploma can be awarded after completing only the taught part of the course.

The University of Linköping has not yet adopted the European standard of separate bachelor and master programmes. Instead, it offers an undivided four-year study programme in Cognitive Science, the end qualifications of which are claimed to be equivalent to a (one-year) master programme. We take the first three years of this programme to be equivalent to a bachelor programme.

10


65

• •

The Edinburgh programme knows relatively little study load for practical work. Whereas the minimum length of a Dutch master-thesis (‘afstudeerproject’) is 30 ECs (half a year), the Edinburgh programme has 4 months for doing practical assignments. However, the practical work seems to be more research oriented, whereas in the Dutch programme there is also the option to do a final project in industry.

6.2.3. Stanford Stanford has four majors in computer science: Computer Science, Computer System Engineering, Mathematical and Computational Sciences and Symbolic Systems. As indicated in “De onderwijsvisitatie Kunstmatige Intelligentie (July 2002)”, Symbolic Systems most closely relates to the Artificial Intelligence programmes in the Netherlands. Symbolic Systems is an interdisciplinary program that combines Computer Science, Psychology, Philosophy, and Linguistics in order to better understand cognition in both humans and machines. Viewing people and computers as symbol processors, the Symbolic Systems program explores the ways computers and people reason, perceive, and act. Within the Symbolic Systems major, there is a core set of required classes; beyond this core, students choose an area of concentration in order to gain depth. In the Computer Science major, students can follow courses from: programming languages, graphics, databases, theory of computation, human-computer interaction, robotics, artificial intelligence, and numerical analysis. The courses human-computer interaction and artificial intelligence come close to courses in the Artificial Intelligence programmes in the Netherlands. The MSc degree in Computer Science is intended as a final professional degree and does not lead to the PhD degree. Most students planning to obtain the PhD degree should apply directly for admission to the PhD program. Some students, however, may wish to complete the master’s program before deciding whether to pursue the PhD.

6.2.4. Comparison with the Dutch frame of reference Comparing the Stanford study programme to the Dutch frame of reference, we can draw the following conclusions: • It is surprisingly difficult to find programme objectives, final qualifications etcetera in the available information. This information is mainly of subject-independent, administrative nature. For example “This programme prepares for entering a PhD programme”. What adds to the surprise is that the Dutch frame of reference for Computer Science refers explicitly to an American document for objectives, qualifications etcetera (Computing Curricula 2005 11 ). • It was already mentioned that there is much variety between the master programmes – both in the Netherlands and abroad. This is also the case for the programmes at Stanford. But still, this variety is on the Computer Science level rather than the Artificial Intelligence level. • The Stanford programmes seem to have a large freedom in elective courses. In other words, the core of compulsory courses is limited and students have select many elective courses. • The Dutch framework has more formal subjects (logic etcetera) than the Symbolic Systems programme.

11

http://www.acm.org/education/Draft_5-23-051.pdf (last visited on November 8th, 2006)

66


7. Concluding remarks Artificial Intelligence is a developing field. Due to its relatively recent start as a coherent field of research, the term Artificial Intelligence does not have the stature of Physics, Psychology, or even Computer Science. Internationally, the study of natural and artificial intelligence with computational means is firmly, but usually not very visibly, embedded in the fabric of modern Universities. Modern topics such as gaming, ambient intelligence, ambient awareness, and believable-agent systems are fashionable manifestations of Artificial Intelligence and these and future fashionable spin-offs of Artificial Intelligence will increasingly affect humans. Future challenges will force products, services, and even societies to react faster but remain reliable, to be both flexible and effective, be both efficient and versatile, and to utilize natural resources with maximal benefit. Making the most of this combination of conflicting demands, which is very much at the core of in the concept of intelligence. The Dutch situation is special because of the existence of Artificial Intelligence bachelor and master programs on most of the general universities. This offers the Netherlands a competitive advantage, consistent with its main economic strategy to remain one of the leading “knowledge intensive” economies. This frame of reference explicates how the bachelor and master programmes in Artificial Intelligence of Dutch universities contribute to educate alumni that will take a leading role in meeting these future challenges.


67

68


Bijlage C: Programma visitatie masteropleidingen Transnationale Universiteit Limburg Dag 0

maandag 26 februari

19.00 uur 20.30 uur

diner (besloten en vrijblijvend) vergadering commissie

Dag 1

dinsdag 27 februari

09.00 uur 11.00 uur 12.00 uur

18.45 uur

bespreken zelfstudies, analyse/checklist en scripties gesprek met management en kwaliteitszorgers en opstellers zelfstudie gesprek met studenten master (drie opleidingen, inclusief een studentlid van de opleidingscommissie) lunch gesprek met afgestudeerde studenten (ook scriptieauteurs) gesprek met docenten master theepauze en vergadering commissie gesprek met studieadviseur c.s. vergadering commissie gesprek met delegatie examen- en opleidingscommissie vergadering commissie kennismaking met vertegenwoordiger CvB, faculteitsbestuur, opleidingsmanagement en visitatiecoördinator commissie vertrekt naar hotel (besloten diner)

Dag 2

woensdag 28 februari

09.00 uur 09.30 uur 10.30 uur 11.30 uur 12.00 uur 12.45 uur 13.30 uur 16.00 uur

vergadering commissie open spreekuur en onderwijsruimten vergadering commissie gesprek met faculteitsbestuur voorbereiden voorlopige bevindingen lunch voorbereiden voorlopige bevindingen voorlopige bevindingen

12.45 uur 13.30 uur 14.30 uur 15.30 uur 15.45 uur 16.30 uur 16.45 uur 17.30 uur 18.00 uur


69

70


Bijlage D: Beoordelingsformulier scripties Beoordeling scripties Kunstmatige Intelligentie Universiteit en opleiding: ……….…. Bachelor/master (doorhalen wat niet van toepassing is) Naam auteur scriptie: …………………… Titel scriptie: …………………………………. Toegekend cijfer door de opleiding: …… Toegekend cijfer door u: …… Uw naam: ………….. ja 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15.

nee

toelichting

Is de probleemstelling van de scriptie duidelijk weergegeven? Houdt de auteur zich aan de geformuleerde probleemstelling? Is het betoog logisch en consistent? Volgen de conclusies logisch voort uit het gepresenteerde materiaal? Is de gekozen werkwijze verantwoord? Presenteert de auteur het materiaal zodanig dat zijn onderzoek controleerbaar is? Zijn de kernbegrippen duidelijk gedefinieerd/geoperationaliseerd? Zijn de gekozen methoden en technieken van onderzoek adequaat gezien de probleemstelling? Zijn de gekozen methoden en technieken correct toegepast? Zijn noten en verwijzingen duidelijk en consistent geredigeerd? Geeft het taalgebruik aanleiding tot kanttekeningen? Geeft de auteur er blijk van op de hoogte te zijn van de literatuur op het gebied van zijn onderwerp? Is de compositie van de scriptie in orde? Is de manier waarop het gegeven cijfer tot stand is gekomen helder? (ook duidelijkheid over de rol van de tweede meelezer/beoordelaar) Is de student naar behoren begeleid?

Toelichting:


71

Kunstmatige Intelligentie Masteropleidingen Artificial Intelligence en Operational Research Transnationale Universiteit Limburg

Recommend Documents