Introduktion: Hvad er datalogi?

Introduktion: Hvad er datalogi?
Henrik Kragh Sørensen
Institut for Videnskabsstudier, Aarhus Universitet
hks@ivs.au.dk
www.henrikkragh.dk
Resumé
Undervisningsgangens temaer: Kurset, undervisningsformen og underviseren præsenteres.
Åbnenede case. Videnskabeligheder; videnskab, teknologi, håndværk, kunst
eller profession? Faglighed inducerer etik. Datalogi i andre videnskaber.
Case(s): Åbningsdiskussion: Hvad er datalogi?: (Wing 2006). Hvad er videnskab?:
(Kragh 2003). Er datalogi en videnskab?: (Denning 2005, Denning 2007, Bond 2005,
Hansen og Johansen 2007).
Forelæsning #1, 2009-04-07
Datalogiens Videnskabsteori 2009

Dagens program
⋆ (Spørgsmål).
⋆ Præsentationer:
− Forelæseren og instruktorne,
− Kurset,
− Formalia: oplæg, synopsis og eksamen,
− Kompendium.
⋆ Case: Professionel etik.
⋆ Hvad er datalogi?
Præsentation af underviserne
⋆ Henrik Kragh Sørensen → .
− Hovedfag i matematik, sidefag i datalogi.
− Ph.d. i videnskabshistorie (matematikhistorie).
− Kontor (1110-122) på Institut for Videnskabsstudier.
⋆ Instruktorer Laura Thomasen, Mads Olesen, Torben Jensen og Martin Andersen.
Kursets formål og læringsmål
⋆ Fagets videnskabsteori → datalogi.
Ved kursets afslutning bør du kunne:
⋆ redegøre for dit fags særpræg og dets forhold til andre akademiske discipliner,
⋆ perspektivere, hvad det vil sige at være datalog uddannet i Danmark,
⋆ diskutere hvad dit fag indebærer af videnskabsteoretiske og etiske problemstillinger,
og
⋆ reflektere kritisk over dit fags indhold og dets samfundsmæssige funktioner.
2

Spørgsmål, spørgsmål, spørgsmål
⋆ Videnskab — Teknologi — Håndværk.
⋆ Forskning — Innovation — Anvendelse.
⋆ Datalogi som videnskab (akademia) eller profession (erhvervsliv)?
⋆ Filosofi — Historie — Etik.
Kursusuge Indhold
1 2009-04-07 Introduktion: Hvad er datalogi?
2 2009-04-21 Modellering og reduktionisme
3 2009-04-28 Teoretisk datalogi eller anvendt matematik?
4 2009-05-05 Datalogiens historie og den akademiske verden
5 2009-05-12 Datalogi og etik
6 2009-05-19 Datalogi som profession
7 2009-05-26 Computersimulation og datalogiens rolle i andre vi-
denskaber
Bemærk: To uger byttet om i forhold til kompendiet.
Kursets forelæsninger etc.
⋆ Forelæsninger tirsdage 8–11 i Aud. E.
⋆ Forelæsninger perspektiverer og diskuterer pensum.
3

⋆ Kompendium (325pp.):
− Baggrunds- og case-tekster for forelæsninger og øvelser (pensum).
− Sælges fra Stakbogladen ved Vandrehallen på Nat.Fak.
⋆ AULA: → Nat.Fak. → Videnskabshistorie → FVTDAT09
→
− Deltagere bedes tilmelde sig AULA → også tilmelde sig øvelseshold.
− Meddelelser og dokumenter (noter, kursusplan, tekstintroduktioner, ekstra
materiale).
− Forelæsningsnoterne udkommer tirsdag eftermiddag.
− Ugesedler udkommer tirsdag eftermiddag eller onsdag.
Kursets notesæt
⋆ Udvikles i løbet af kurset.
⋆ PDF-fil ligger på AULA.
⋆ Rettelser, ændringer, tilføjelser kan foreslås på AULA diskussionsforum (+blog
på AULA).
⋆ Husk at angive version (CVS-nummer) og sidetal på rettelser.
⋆ Hvorfor hjælpe med? → Den endelige version er pensum → mulighed for direkte
respons.
Kursets øvelser etc.
⋆ Fire øvelseshold:
1. Onsdage (14–17, i 1110-214, Martin),
2. Fredage (8–11, i 1110-214, Torben),
3. Mandage (14–17, i 1110-214, Mads),
4. Mandage (8–11, i 1110-214, Laura).
⋆ Øvelserne begynder efter påske (næste forelæsning er først 21. april).
⋆ Øvelsernes indhold:
− Deltager-oplæg i grupper,
− Deltager-styret diskussion,
− Plenumsdiskussioner og gennemgang.
4

⋆ Obligatorisk program: aktiv deltagelse, oplæg, synopsis.
⋆ Formål: starte, udvikle og afslutte faglig reflektion.
⋆ Grupper! Oplægets varighed er cirka 45–60 minutter pr. gruppe.
⋆ Læs kritisk og stil spørgsmål. Gå ud fra de stillede tilgangsvinkler. Benyt evt.
supplerende litteratur.
⋆ Præsentér teksterne kort — forudsæt, at jeres publikum har læst. Medtag så meget
‘kontekst’, som er nødvendigt for den efterfølgende diskussion.
⋆ Vælg evt. centrale temaer ud til diskussion.
⋆ Læg op til diskussion — først måske indbyrdes. Involvér publikum! Styr diskussionen!
⋆ I gruppen er alle ansvarlige.
⋆ Tal til publikum! Engagér publikum!
⋆ Brug AV-udstyr korrekt: overskueligt, stor skrift, ikke-overfyldte slides.
⋆ Brug AV-udstyr (tavle) til at fastholde centrale pointer → og til at styre diskussionen.
⋆ Se på publikum, ikke på papirer eller lærred.
Synopser og eksamen
⋆ Synopser udarbejdes (individuelt eller kollektivt) af medlemmerne af den gruppe,
der er ansvarlig for fremlæggelsen og sendes elektronisk til instruktoren i god
tid før oplæget skal holdes (aftales med instruktoren).
⋆ Læses igennem af instruktoren, som giver feedback og lægger ud under gruppens
dokumenter på AULA.
Kursets eksamen
⋆ Bunden, 2-dages hjemmeopgave, bedømt efter 7-trins-skalaen.
⋆ Kompendiet, evt. ekstra materiale samt notesættet udgør pensum.
⋆ Godkendt deltager-oplæg og synopsis samt aktiv deltagelse er en forudsætning
for at gå til eksamen.
5

Eksamensopgavens form
⋆ Opgaveformuleringen vil bestå af 5–8 bundne spørgsmål med en vis grad af indre
sammenhæng.
⋆ Spørgsmålene vil have forskellige krav: redegørelse, kort redegørelse, analyse,
diskussion.
⋆ Opgavebesvarelsen bør svare på hvert spørgsmål i rækkefølge → og det skal
være klart, hvornår der svares på hvilket spørgsmål.
⋆ Opgaven kan besvares fyldestgørende på de to dage og forventes at kunne besvares
fyldestgørende og ‘skarpt’ over 6–8 sider.
Læringsmålene, igen
Ved kursets afslutning bør du kunne:
⋆ redegøre for dit fags særpræg og dets forhold til andre akademiske discipliner,
⋆ perspektivere, hvad det vil sige at være datalog uddannet i Danmark,
⋆ diskutere hvad dit fag indebærer af videnskabsteoretiske og etiske problemstillinger,
og
⋆ reflektere kritisk over dit fags indhold og dets samfundsmæssige funktioner.
Forrige års eksamensspørgsmål
1. Redegør kort ( 1
2 –1 side) med udgangspunkt i Kragh-teksen (tekst 4) for, hvad der
karakteriserer videnskab.
2. Benyt dit svar på spørgsmål 1 samt udvalgte tekster fra kompendiet til at kort at
analysere (ca. 1 side), hvorvidt datalogi opfylder de opsatte kriterier.
3. Datalogi er — som understøttet af leksikon-opslag i kursets første uge — en “vidtfavnende,
tværvidenskabelig disciplin”, som også har mange roller at spille udenfor
den akademiske verden. Redegør kort ( 1
2 –1 side) for forholdet mellem et fag
og dets sag, som dette forhold udfoldes hos Fink (tekst 22).
4. Analysér derefter med udgangspunkt i dit svar på spørgsmål 3, hvilke sager,
datalogi-faget kan siges at have.
5. Diskutér endelig — på grundlag af dine svar på spørgsmål 3 og 4 og under anvendelse
af udvalgte tekster fra kompendiet — mindst 1 eksempel, hvor hensynet til
en “sag” har ført eller bør føre datalogen til bestemte handlinger. Redegør for
eventuelle etiske argumenter undervejs.
6

Redegørelse, analyse og diskussion
⋆ Redegørelse: Forklare (dvs. beskrive, parafrasere og analysere) i egne termer.
Refererende tekst er passager, hvor du refererer synspunkter
eller gengiver teoretiske baggrunde. Komprimér disse afsnit
så meget som muligt og udelad, hvad der ikke er sagen
vedkommende. En særlig slags refererende tekst udgøres af
‘redegørende tekst’, hvor du beskriver andres synspunkter
og baggrunde med enkelte forklarende indskud, som klart
markeres stilistisk, fx med vendinger som ‘dvs.’ eller ‘hvilket
betyder’ eller lignende.
⋆ Kort redegørelse → ikke mere end cirka 1
2 side → præcision.
⋆ Analyse: Bryde op i bestanddele og sammenholde → fx bryde et argument op i
præmisser og konklusioner.
Den analyserende tekst skal forholde sig til det i opgaveformuleringen
efterspurgte. At analysere er også at kommentere
fremstillinger, forholde sig til forskelle og ligheder mellem
fremstillinger og vurdere andre videnskabsteoretiske argumenter.
Angiv altid meget tydeligt, hvem ‘der har ordet’:
dig, en anden videnskabsteoretiker eller fx en videnskabsmand.
⋆ Diskussion: Sammenligne og forholde (evt. også vurdere) to positioner, fx fra
en forudgående analyse. → NB: Udgangspunkt i tekst, ikke i egne erfaringer,
meninger, etc. → Individualismen skal nok komme frem alligevel.
Præcist sprog afspejler præcist argument
⋆ Klart og levende sprog.
⋆ Skriv i helsætninger.
⋆ Gør argumenter færdige → overlad ikke konklusioner til læseren → skriv på
linjerne.
⋆ Pas på alt for lange sætninger → bryd sætninger op i komponenter.
⋆ Sætninger, som indledes med et argumenterende led (“derfor”, “heraf ses”, etc.)
antyder, at den foregående sætning ikke blev helt færdig → revidér.
⋆ Pas på med retoriske spørgsmål → og husk tegnsætning.
7

⋆ Pas på med talesprog.
⋆ “Metatekst” kan hjælpe læseren og samtidig gøre argumentationen klar(ere) →
giv også gerne gode (sigende) overskrifter.
Henvisninger og litteraturliste
⋆ Når man skriver akademiske tekster (og synopser og eksamensopgaver i Datalogiens
Videnskabsteori skal være akademiske tekster), er det vigtigt, at referencer
og fodnoter bruges til at gøre det muligt for læseren at gennemskue, hvor argumenter
stammer fra, eller hvor et citat forekommer i en kilde.
⋆ Referencer bruges af forfatteren til at dokumentere andre personers synspunkter
eller til at dokumentere, hvor en given fortolkning stammer fra.
⋆ Referencer gives typisk i fodnoter, som indsættes nederst på siden, gerne i en lidt
mindre font.
⋆ Referencer til en tekst i litteraturlisten gives ved forfatterens/forfatternes efternavn(e),
udgivelsesår og sideangivelse. For eksempel: (Kragh 2003, s. 150) eller
(Denning 2007, s. 15).
Litteraturlisten
⋆ Litteraturlisten skal indeholde al den litteratur, du har brugt til opgaven.
− For bøger skal angives forfatternavn(e) eller redaktør(er), fuld titel, trykkested,
trykkeår og trykker. Titlen kursiveres.
− For artikler skal angives forfatternavn(e), fuld titel, tidsskriftets fulde navn,
årgang/volumennummer, trykkeår og sidetal (start+slut). Tidsskriftets titel
kursiveres.
⋆ Litteraturen skrives op alfabetisk efter forfatterens efternavn.
⋆ Formålet med litteraturlisten er, at andre videnskabsteoretikere entydigt ud fra
referencen skal kunne finde frem til værket.
⋆ Eksempler kan findes i litteraturlisterne i forelæsningsnoterne og en bibTEX-fil
forefindes på AULA.
Case: Ejendoms- og ophavsret og datalogi
Lene er uddannet datalog og ansat i et større dansk firma.
8

⋆ Lene er på ferie i Østen. En dag går hun på et marked og finder en office-pakke,
som hun kender hjemmefra og længe har tænkt sig at anskaffe privat. Hjemme
koster den næsten 2000 kr. På markedet kan hun købe den for 75 kr. Manualerne
ser ud til at være fotokopier. Køber Lene office-pakken i Østen?
⋆ Lenes firma udvikler et logisk kompliceret, men “lille” system på teknologiens
forkant (tænk OS i 1980’erne). Lenes firma opnår en markedsfordel ved at være
først ude med det nye produkt. Men hurtigt kommer kloner på markedet. Nogle
af klonerne har “lånt” kode fra Lenes produkt. Kan Lene sagsøge konkurrenterne?
⋆ Lenes projekt har brug for en hurtig og især effektiv måde at kryptere data på. Lene
overvejer forskellige alternativer; nogle af dem bygger på “proprietære” eller
klausul-belagte algoritmer. Men Kan Lene “låne” ideer fra disse algoritmer?
Professionel etik
⋆ Ejendomsret, ophavsret, privatlivets ukrænkelighed → alle er etiske spørgsmål,
som berører alle → men kan have en særlig betydning for dataloger.
⋆ Lov (ret), Moral (retfærdighed) og Etik.
⋆ Faglig, personlig og professionel interesse.
⋆ Modellering, menneskelighed og fremmedgørelse.
⋆ Svarene på spørgsmålene kan godt afhænge af ens “datalogi-syn” → Hvad er
datalogi?.
Hvad er datalogi? DSDE
“Datalogi, (af data og -logi), videnskaben om data og dataprocesser; opstod efter
fremkomsten af den digitale computer i midten af 1940’erne. Ordet datalogi blev
indført af professor Peter Naur i 1966 som et alternativ til den amerikanske betegnelse
“computer science”, der ikke i samme grad udtrykker, at faget rummer
videnskabelige problemer, der rækker ud over den blotte udnyttelse af computeren.
Datalogiens forskningsobjekt er data, repræsentationer af objekter eller idéer.
[. . . ] Datalogien handler således om datastrukturer og dataprocesser samt om karakterisering
af sådanne strukturers og processers egenskaber og begrænsninger.
Computeren er et centralt redskab i datalogien. Med den kan den datalogiske
forsknings hypoteser afprøves i praksis, og megen datalogisk forskning omhandler
principper for programmering og metoder til effektiv udnyttelse af computeren.
Den vigtigste hjælpedisciplin for datalogien er matematikken; ikke den kontinuerte
matematik [. . . ], men diskret matematik. Også logik finder anvendelse i datalogien.
9

Datalogiens opgave er at afdække generelle principper for databehandling. Herved
kommer datalogien til at interessere sig for mange problemstillinger, der også
kendes i andre discipliner [fx ingeniørfag (automatiske systemer), arkitektur og
psykologi (brugsværdi af komplekse systemer), lingvistik (programmeringssprog),
bibliotekarvidenskab (lagring og søgning), organisationteori (store datasystemer)].
Datalogi er således en vidtfavnende tværvidenskabelig disciplin [. . . ].” (DSDE, datalogi).
organisationsteori
bibliotekarvidenskab
lingvistik
matematik
datalogi
psykologi
Hvad er datalogi? Udvalgte emner
⋆ Algoritmer og datastrukturer → kompleksitet.
⋆ Programmeringssprog → beregnelighed.
⋆ Operativsystemer → black-box og abstraktion.
10
logik
artitektur
ingeniørfag

⋆ Systemarbejde og programudvikling → analyse, design, implemenation → specifikationer.
⋆ Kunstig intelligens.
⋆ Menneske-maskine-kommunikation.
menneskemaskininteraktion
kunstig
intelligens
Hvad er datalogi? Opsamling
algoritmer
og datastrukturer
datalogi
systemarbejde
og programudvikling
programmeringssprog
operativsystemer
⋆ Læren om data og dataprocesser → generelle principper for databehandling.
⋆ Handler om datastrukturer og dataprocesser.
⋆ Megen datalogi handler om programmeringsprincipper og -metoder.
⋆ Datalogi er mere end “blot” udnyttelse af computere.
11

⋆ Computeren er et centralt redskab i datalogien.
⋆ Computeren tillader afprøvning af datalogiske hypoteser.
⋆ (Diskret) matematik og logik er hjælpevidenskaber.
⋆ Datalogi deler problemstillinger med andre discipliner.
⋆ Datalogi er en vidtfavnende tværvidenskabelig disciplin.
Spørger i øst og svarer i vest?
⋆ Hvad spørges der om? Hvilke svar gives der?
⋆ Definition ved genstandsområde (objekter, ontologi).
⋆ Definition ved erkendelsesmåde (metode, epistemologi).
⋆ Definition ved bestanddele (under-discipliner).
⋆ Definition ved afgrænsning fra andre områder (demarkation).
Hvad er videnskab?
⋆ Kragh (Akademisk forskning): Offentlig, fejlbarlig, testbar, korrigerbar.
⋆ CUDOS (Merton, Akademisk forskning): Communalism, Universality, Disinterestedness,
Organised Scepticism.
⋆ PLACE (Ziman, Teknologisk forskning): Proprietary, Local, Authority, Commisioned,
Expert.
⋆ ISYP Ideal (Græsrods-forskning): Interdisciplinarity, Social responsibility, ¡Ya basta!,
Public opinion, Idealism; (Hansen 2005).
12

Mode-1-videnskab
Offentligheden
(staten,
fonde, etc.)
Afrunding / spørgsmål
Penge
Viden
Videnskaben
(universiteterne)
⋆ Hvad er datalogi? Er datalogi (altid, nogensinde) videnskab? → Diskussioner
ved øvelserne.
⋆ Øvelsesopgaver: → læs, tænk og formulér!
⋆ Påtegning til deltageroplæg: → grupper og valg af emne aftales
med instruktor → snarest.
⋆ Tilmelding til AULA → og til grupper på AULA.
⋆ Købe kompendium i Stakbogladen.
Litteratur
Bond, G. W.: 2005, Software as art, Communications of the ACM 48(8), 118–124.
Denning, P. J.: 2005, Is computer science science?, Communications of the ACM 48(4), 27–31.
Denning, P. J.: 2007, Computing is a natural science, Communications of the ACM 50(7), 13–18.
13

Hansen, T. B.: 2005, Grassroots science — an ISYP ideal?, ISYP Journal on Science and World
Affairs 1(1), 61–72.
Hansen, T. B. og Johansen, M. W.: 2007, Post-akademisk videnskab, Aktuel Naturvidenskab
(2), 30–33.
Kragh, H.: 2003, Hvad er videnskab?, Universitet og Videnskab. Universitetets idéhistorie, videnskabsteori
og etik, Hans Reitzels Forlag, København, kapitel 3, pp. 145–192.
Sørensen, H. K.: 2009, Noter til datalogiens videnskabsteori 2009. Til brug for undervisningen i
kurset Datalogiens Videnskabsteori, Aarhus Universitet, 2009. Version 1.6, 7. april 2009.
Wing, J. M.: 2006, Computational thinking, Communications of the ACM 49(3), 33–35.
14