Kunstmatige Intelligentie

Kunstmatige Intelligentie
December 2007
Pdf ten behoeve van accreditatieaanvraag
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.
QANU / Kunstmatige Intelligentie
2
Inhoudsopgave
Voorwoord
Deel I
1.
2.
Algemeen deel
De onderwijsvisitatie Kunstmatige Intelligentie
Algemene bevindingen
Deel II
Opleidingsdeel
1. Rapport over de masteropleidingen Artificial Intelligence en Operational Research van de
Transnationale Universiteit Limburg
2. Rapport over de bacheloropleiding Kunstmatige Intelligentie en de masteropleiding
Artificial Intelligence van de Vrije Universiteit Amsterdam
3. Rapport over de bacheloropleiding Kunstmatige Intelligentie en de masteropleidingen
Mens-machine Communicatie en Artificial Intelligence van de Rijksuniversiteit Groningen
4. Rapport over de bacheloropleiding Knowledge Engineering van de Universiteit Maastricht
5. Rapport over de bacheloropleiding Cognitieve Kunstmatige Intelligentie en de
masteropleiding Artificial Intelligence van de Universiteit Utrecht
6. Rapport over de bacheloropleiding Kunstmatige Intelligentie en de masteropleiding
Kunstmatige Intelligentie van de Radboud Universiteit Nijmegen
Bijlagen
Bijlage A:
Bijlage B:
Bijlage C:
Bijlage D:
Bijlage E:
Curricula vitae van de leden van de visitatiecommissie Kunstmatige Intelligentie
2007
Referentiekader (KION)
Programma visitatie Kunstmatige Intelligentie
Beoordelingsformulier scripties
Lijst met afkortingen
QANU / Kunstmatige Intelligentie
3
QANU / Kunstmatige Intelligentie
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 wat betreft 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 bachelormasterstructuur. De opleidingen Kunstmatige Intelligentie 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 en de studenten 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
QANU / Kunstmatige Intelligentie
5
QANU / Kunstmatige Intelligentie
6
DEEL I: ALGEMEEN DEEL
QANU / Kunstmatige Intelligentie
7
QANU / Kunstmatige Intelligentie
8
1.
De onderwijsvisitatie Kunstmatige Intelligentie
Inleiding
In dit rapport brengt de visitatiecommisie Kunstmatige Intelligentie (hierna: de commissie)
verslag uit van haar bevindingen ten aanzien van totaal twaalf bachelor- en masteropleidingen
Kunstmatige Intelligentie aan de RUG, de VU, de UU en de RU, de bacheloropleiding aan de
UM en de masteropleidingen aan de tUL.
Omdat de masteropleidingen van de Transnationale Universiteit Limburg eerder geaccrediteerd
moesten worden, heeft het bezoek aan die opleidingen reeds in februari 2007 plaatsgevonden.
De andere opleidingen zijn gevisiteerd in de maanden mei en juni 2007. Het rapport over de
tUL-opleidingen is in verband met de aan te vragen accreditatie al eerder uitgebracht.
De betrokken opleidingen
Transnationale Universiteit Limburg (27 en 28 februari 2007)
de masteropleiding Artificial Intelligence
de masteropleiding Operational Research
Vrije Universiteit Amsterdam (8 en 9 mei 2007)
de bacheloropleiding Kunstmatige Intelligentie
de masteropleiding Artificial Intelligence
Rijksuniversiteit Groningen (15 en 16 mei 2007)
de bacheloropleiding Kunstmatige Intelligentie
de masteropleiding Mens-machine Communicatie
de masteropleiding Artificial Intelligence
Universiteit Maastricht (23 en 24 mei 2007)
de bacheloropleiding Knowledge Engineering
Universiteit Utrecht (4 en 5 juni 2007)
de bacheloropleiding Cognitieve Kunstmatige Intelligentie
de masteropleiding Artificial Intelligence
Radboud Universiteit Nijmegen (6 en 7 juni)
de bacheloropleiding Kunstmatige Intelligentie
de masteropleiding Kunstmatige Intelligentie
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,
versie 3.1, februari 2004, Gids voor de externe kwaliteitsbeoordeling van wetenschappelijke bachelor- en
masteropleidingen ten behoeve van accreditatie:
Doelstellingen (drie facetten);
Programma (acht facetten);
Personeel (drie facetten);
Voorzieningen (twee facetten);
QANU / Kunstmatige Intelligentie
9
Interne kwaliteitszorg (drie facetten) en
Resultaten (twee 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 Psychologie Universiteit
Leiden en Universiteit Utrecht;
prof. dr. W. (Walter) Daelemans, gewoon hoogleraar Computational Linguistics and
Artificial Intelligence, Universiteit van Antwerpen;
prof. dr. A. (Ann) N owé, hoofddocent Computer Science, Vrije Universiteit Brussel;
E. (Elske) van der Vaart, student Kunstmatige Intelligentie Rijksuniversiteit Groningen,
student-lid;
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;
F. (Fieke) Boschman, student Kunstmatige Intelligentie aan de UU, student-lid bij het
bezoek aan de RUG.
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 Transnationale Universiteit Limburg (tUL) deelgenomen. Mevrouw Van der Vaart heeft
vanwege haar betrokkenheid bij de RUG het bezoek aan de RUG niet bijgewoond. Zij is toen
vervangen door mevrouw F. Boschman.
De commissie heeft desgevraagd ook nog een advies uitgebracht aan het College van Bestuur
van de tUL betreffende de cursusduur van de masteropleidingen Artificial Intelligence en
Operations Research. De tUL heeft bij brief van 8 maart 2007 van de NVAO toestemming
gekregen om de commissie over de cursusduur te laten adviseren conform het Protocol cursusduur
masters van 8 oktober 2003. In haar advies stelt de commissie dat de cursusduur naar haar
oordeel uitgebreid zou moeten worden van één jaar naar twee jaar. Op die manier kunnen de
studenten een volwaardige masteropleiding voltooien en kan de opleiding ook landelijk gezien
beter concurreren. Het advies is op 22 augustus 2007 uitgebracht aan het College van Bestuur
van de Universiteit Maastricht, dat optrad als College van Bestuur van de Transnationale
Universiteit Limburg. Het advies is niet bij dit rapport gevoegd.
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 (Kunstmatige
QANU / Kunstmatige Intelligentie
10
Intelligentie Opleidingen Nederland) aan te houden bij haar beoordeling en maakte zij
afspraken over de onderlinge taakverdeling.
De bezoeken zijn georganiseerd volgens het als bijlage B bijgevoegde programma.
De secretaris heeft van tevoren een analyse opgesteld van de opleidingen aan de hand van de
zelfstudies. Mede op grond daarvan is aan de opleidingen nog om aanvullende informatie
gevraagd. De reacties op die verzoeken om nadere informatie 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. Enkele
actieve studieverenigingen hebben van deze gelegenheid gebruikgemaakt om een presentatie te
geven van hun activiteiten.
De commissie heeft voor zover mogelijk per opleiding ongeveer twaalf 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 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 bij elk bezoek 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 student-bestuursleden 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 per universiteit een conceptrapport opgesteld.
Deze rapporten zijn voorgelegd aan de leden van de commissie met het verzoek waar nodig
correcties of aanvullingen aan te brengen. Het aldus bijgewerkte rapport is naar de betrokken
faculteit gestuurd met het verzoek feitelijke onjuistheden aan te geven en eventueel nog extra
informatie te verstrekken die tot onderbouwing van de gegeven oordelen zou kunnen leiden.
De feitelijke onjuistheden zijn vervolgens verbeterd en waar dat in de ogen van de commissie
zinvol en passend was is de extra verkregen informatie verwerkt. Het algemeen deel en het
herziene opleidingsdeel zijn ook nog aan de betrokken faculteiten gestuurd voor een laatste
QANU / Kunstmatige Intelligentie 11
snelle controle. 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
de informatie uit de zelfstudie, zij het niet steeds integraal. Zo zijn minder ter zake 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 vaak
weggelaten. De overgenomen teksten zijn grafisch (door het gebruik van een ander lettertype)
herkenbaar. Ook de nagekomen gegevens worden letterlijk weergegeven, tenzij anders vermeld.
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 QANUbeslisregels 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.
De beoordeling goed houdt in dat het niveau van het facet uitstijgt boven de
basiskwaliteit.
De beoordeling excellent houdt in dat voor het facet een niveau wordt gerealiseerd
waardoor de beoordeelde opleiding zowel nationaal als internationaal als een voorbeeld
van goede praktijk kan functioneren.
Tot besluit
De commissie heeft de bezoeken aan de faculteiten als zeer plezierig ervaren en zij denkt met
genoegen terug aan de gevoerde gesprekken en aan de haar geboden gastvrijheid. Het bezoek
had voor haar een duidelijke meerwaarde; zij kon een beter beeld van het geheel en ook vaak
van details krijgen door op locatie te kijken en vragen te stellen.
QANU / Kunstmatige Intelligentie
12
2. Algemene bevindingen
In dit hoofdstuk heeft de commissie een aantal waarnemingen, conclusies en suggesties van
meer algemene aard genoteerd. Ze hecht eraan te benadrukken dat deze op geen enkele wijze in
de plaats kunnen treden van de conclusies en beschrijvingen van de afzonderlijke opleidingen.
Onderwijs en organisatie
De commissie heeft geconstateerd dat alle opleidingen van behoorlijke kwaliteit zijn, ongeacht
de organisatorische omgeving. Die omgeving loopt uiteen van een Faculteit der
Geesteswetenschappen, een Faculteit der Exacte Wetenschappen, een Faculteit der Sociale
Wetenschappen, een Faculteit der Gedrags- en Maatschappijwetenschappen en een Faculty of
Humanities and Sciences. De inbedding lijkt nauwelijks van invloed te zijn op de kwaliteit van
de opleidingen. De opleidingen verschillen wel inhoudelijk van elkaar, meer dan men op grond
van het Frame of Reference zou verwachten (zie ook de paragraaf De onderlinge aansluiting van de
opleidingsprogramma s).
Aan de UU wordt de bacheloropleiding gegeven door de Faculteit Geesteswetenschappen en
de masteropleiding aangeboden door de Faculteit Bètawetenschappen. Hoewel de commissie
dit in beginsel geen ideale situatie vindt worden beide opleidingen aangestuurd door één en
hetzelfde managementteam, waardoor het risico van onder andere competentiestrijd wordt
geminimaliseerd.
In Maastricht wordt de bacheloropleiding aangeboden door de Faculty of Humanities and
Sciences van de Universiteit Maastricht en de masteropleiding door de transnationale
Universiteit Limburg. Maar in de praktijk maakt dat daar geen verschil, omdat in feite beide
opleidingen worden gegeven door het Maastricht ICT Competence Centre MICC.
Specialisaties
Er worden uiteenlopende specialisaties aangeboden en op een efficiënte manier is er tussen de
faculteiten van complementariteit sprake. (Zie ook de volgende paragraaf.) De keuze door de
student voor een bepaalde specialisatie in de masteropleiding wordt in feite al gemaakt bij de
keuze voor de bacheloropleiding.
De onderlinge aansluiting van de opleidingsprogramma s
Een van de eerste taken die het KION (de verzamelde Kunstmatige Intelligentie Opleidingen
in N ederland) zich gesteld heeft, was het opstellen van een kernprogramma dat de basis kan
vormen van elk bachelorprogramma Kunstmatige Intelligentie in Nederland.
Het doel hiervan was tweeledig: dit kernprogramma zou niet alleen de identiteit van het nog
jonge vakgebied nader helpen bepalen, maar ook de overstap van afgestudeerde bachelors naar
een masterprogramma elders kunnen vergemakkelijken. Bijkomende gedachte daarbij was dat
er op deze manier landelijk een gedifferentieerd masterprogramma kan worden aangeboden
waarbij elke universiteit ook bachelors uit andere steden kan aantrekken.
QANU / Kunstmatige Intelligentie 13
De commissie heeft onderzocht in hoeverre het KION erin geslaagd is deze doelstelling te
verwezenlijken. Daarbij heeft de commissie vastgesteld dat er nog aanzienlijke verschillen
tussen de bachelorprogramma s zijn, dat de bachelorprogramma s erg gericht zijn op de eigen
vervolgmasters en dat daarom de overstap van een bacheloropleiding in de ene stad naar een
masteropleiding in de andere niet altijd probleemloos zal kunnen verlopen. Het lijkt raadzaam
om in voorkomende gevallen per individueel geval te beslissen óf en hóe aansluiting mogelijk is. In
de meeste gevallen zal met een beperkt brugprogramma (hoogstens 18 EC) volstaan kunnen
worden, maar er zijn ook gevallen denkbaar waar de kloof te groot is. Hieronder volgen enkele
voorbeelden.
De tabel geeft weer hoeveel tijd (uitgedrukt in EC) in de verschillende plaatsen aan bepaalde
clusters van vakken wordt besteed. Ook wordt een toelichting bij de inhoud van de clusters
gegeven.
Tabel 1: aantal EC besteed aan clusters van vakken, per plaats
Informatica
Logica
Wiskunde
Cognitie
(Comp) Taalkunde
AI strikt
Overig
Totaal
Groningen
25
10
20
10
15
85
15
180
Maastricht
36
12
48
4
64
16
180
Nijmegen
30
12
24
31
12
61
10
180
Utrecht
30
15
7,5
15
22,5
37,5
7,5
135
VU
42
10
10
19
10
79
10
180
Voorbeelden van beperkte overstapmogelijkheden
De tabel laat zien dat de bacheloropleiding Knowledge Engineering uit Maastricht zich het
meest van de andere onderscheidt. Deze opleiding, die terecht een andere naam draagt dan de
bachelors in de andere steden, heeft een in verhouding zeer zware wiskundcomponent, terwijl
de (computationele) taalkunde geheel ontbreekt, en er nauwelijks ruimte is ingebouwd voor
cognitiewetenschap. Overstap van deze bacheloropleiding naar een taalkundig of cognitief
georiënteerde masteropleiding elders is uitgesloten, terwijl omgekeerd geen van de
bachelorprogramma s uit de andere steden aansluiting geeft op de Maastrichtse masteropleiding
Operational Research die voortbouwt op deze bacheloropleiding. (Voor de tweede
Maastrichtse masteropleiding, de MSc Artificial Intelligence, ligt dat anders).
Een tweede voorbeeld van beperkte overstap tussen sommige masterspecialisaties is de zeer
beperkte wiskundecomponent in Utrecht en aan de VU. Deze is te beperkt voor een overstap
naar sommige masterspecialisaties elders. Zo zal men met een bachelordiploma van een van
deze universiteiten moeilijk terechtkunnen bij de specialisatie aangeboden door de
onderzoeksgroep Autonomous Perceptive Systems in Groningen, temeer daar zowel in het
programma van de VU als in Utrecht maar weinig tijd is ingeruimd voor subsymbolische
technieken.
Andere voorbeelden van overstapbeperkingen betreffen de variaties in hoeveelheid informatica
(in Groningen de helft van de VU) en de hoeveelheid kern AI (in Utrecht de helft van
Groningen en de VU).
QANU / Kunstmatige Intelligentie
14
Opmerkingen:
Onder het hoofd Informatica zijn in voorkomende gevallen ook meer informatiekundige
vakken als informatiesystemen en mens-machine interactie opgenomen.
Onder Logica vallen ook vakken als automatentheorie en complexiteitstheorie, die anderen
wellicht bij (theoretische) informatica zouden indelen.
Bij alle opleidingen behalve Maastricht bestaat de Wiskundecomponent uit basisvakken als
lineaire algebra en statistiek . Alleen bij Maastricht komen daar ook verdergaande vakken
bij, die de identiteit van de opleiding mede bepalen. (Het gaat hier om vakken als:
Mathematical Modelling, Linear Programming, Operation Research).
Onder het hoofdje Cognitie valt zowel de neurowetenschappelijke als psychologische
benadering van dit fenomeen. Merk op dat niet de opleiding Cognitieve Kunstmatige
Intelligentie in Utrecht maar de opleiding Kunstmatige Intelligentie in Nijmegen de grootste
cognitiewetenschappelijke component heeft.
Utrecht heeft de grootste (computationeel) taalkundige component.
Het kopje AI-strikt staat voor alle vakken waarin de computationele modellering van
intelligente vaardigheden centraal staat (taalkundige vaardigheden uitgezonderd). Daarbij
zijn zowel zeer theoretische vakken als Filosofie van de AI, als zeer toegepaste vakken als
Zoektechnieken meegeteld, en zowel vakken met een symbolische (Kennissystemen, Multiagent systemen) als met een subsymbolische invalshoek (Neurale netwerken). Ook
integrerende projecten en afsluitende scripties zijn hier meegeteld. De inhoud van AI-strikt
varieert. In sommige programma s (Nijmegen, Groningen, Utrecht) is een substantieel deel
van het programma gericht op het modelleren van (natuurlijke) cognitie, in andere ligt het
accent (VU, Maastricht) meer op het ontwerpen van bruikbare intelligente
kennisverwerkende systemen.
Het kopje Overig staat onder meer voor vakken als Academische vaardigheden, en
Oriëntatie op de arbeidsmarkt.
In Utrecht telt het verplichte KI-stuk van de opleiding niet op tot 180 EC. De student dient
45 EC te besteden aan een minor die op het terrein van de KI mag liggen, maar ook anders
kan worden ingevuld.
Studentenmobiliteit
De commissie heeft tot haar teleurstelling vast moeten stellen dat de aangeboden specialisaties
voor de studenten in feite nauwelijks een rol spelen bij hun keuze. Die is bijna altijd geografisch
bepaald. De mobiliteit onder studenten is heel gering, ook na de bachelorfase.
De commissie heeft ook geconstateerd dat masteropleidingen nauwelijks erop uit zijn om zich
aantrekkelijk op te stellen voor bachelorstudenten van zusterfaculteiten. Sterker nog, de
commissie heeft gezien dat veel opleidingen hun bachelorstudenten vooral voorbereiden op de
masteropleiding in eigen huis. Een student dient bij het kiezen van keuzevakken, al of niet in
een zogenaamde minor, hiermee al rekening te houden als hij/zij naar een masteropleiding aan
een andere faculteit zou wensen te gaan. Ook de gemaakte afspraken in KION-verband (een
bachelorstudent kan minstens naar één masteropleiding van een zusterfaculteit, zonder dat er
aanvullende eisen worden gesteld) hebben aan dit gebrek aan mobiliteit geen einde kunnen
maken.
QANU / Kunstmatige Intelligentie 15
De behoefte om bij een zusteropleiding hun studie voort te zetten is bij de bachelorstudenten
dan ook zeer gering.
Zachte knip bachelor-master
Als het mogelijk is om met de masteropleiding te beginnen zonder dat de bachelorfase is
afgerond, dan spreekt men wel van een zachte knip tussen bachelor- en masteropleiding. De
commissie heeft geconstateerd dat bij de meeste bacheloropleidingen hier sprake van is. Wel
stellen opleidingen vaak de eis dat een bepaald minimum aantal studiepunten (EC) in de
bachelorfase behaald moet zijn. In de praktijk komt het erop neer dat veel studenten een
aanvang maken met de masteropleiding, terwijl ze nog geen bachelordiploma behaald hebben.
De commissie betreurt deze mogelijkheid omdat deze overigens op het eerste gezicht
studentvriendelijke toegevendheid in feite leidt tot gedwongen winkelnering. Studenten
kunnen immers niet aan een andere faculteit met de masterfase beginnen als ze geen
bachelordiploma hebben. De regeling leidt dus ook niet tot mobiliteit. Het komt dan ook
nauwelijks voor dat een student de masteropleiding aan een andere faculteit gaat volgen.
Daarnaast is de commissie van oordeel dat deze souplesse ook niet aanzet tot een voortvarende
afronding van de bacheloropleiding. De noodzaak daarvan wordt ondergraven door de zachte
knip.
Scripties
De opleiding heeft totaal ongeveer honderd bachelor- en masterscripties (soms
doctoraalscripties) bestudeerd en beoordeeld aan de hand van een beoordelingsformulier.
De commissie hecht grote waarde aan de bachelorscriptie. Niet alleen omdat de student er erg
veel van kan leren, maar ook omdat hij daarmee een kroon op de bacheloropleiding kan zetten
(en ook de opleiding daarmee kan bewijzen dat de student de eindtermen van de opleiding
heeft bereikt). Een belangrijk bijkomend voordeel is dat de student een werkstuk kan laten zien
waarmee hij eventueel de arbeidsmarkt op kan gaan. De commissie is wel van oordeel dat
hiervoor voldoende EC moet worden toegekend. 10 EC lijkt haar een minimum. De commissie
adviseert dat de enkele opleiding die nog geen volwaardige bachelorscriptie als eis stelt, dit wel
zou moeten doen.
De commissie heeft, teneinde ook een beeld te krijgen van de manier waarop begeleiding en
beoordeling hadden plaatsgevonden, ook met afgestudeerden een gesprek gevoerd. Daarbij zijn
geen problemen naar voren gekomen als te weinig docenten om een scriptie te begeleiden of
wachtlijsten.
Bij vrijwel alle opleidingen zijn beoordelingsformulieren in gebruik waarmee ook een
visitatiecommissie inzicht kan krijgen in de gehanteerde maatstaven en in de wijze waarom die
zijn aangelegd. Waar dit nog niet het geval was is men er druk mee doende. Waarin de
opleidingen nog wel eens tekort schoten was een brede vergelijking van de scripties binnen
dezelfde opleiding teneinde de kwaliteit in den brede te kunnen waarborgen. De commissie
hecht hier veel waarde aan, ook omdat zij de scriptie ziet als het sluitstuk van een opleiding en
als een instrument waarmee zowel de student als de opleiding kunnen aantonen dat er kwaliteit
geleverd is.
QANU / Kunstmatige Intelligentie
16
De commissie heeft met genoegen kennisgenomen van het hoge niveau dat sommige studenten
hebben bereikt. Sommige van de masterwerkstukken worden dan ook als artikel gepubliceerd.
Wel heeft de commissie een aantal masterscripties bestudeerd die in haar ogen nauwelijks in het
domein der kunstmatige intelligentie onder te brengen zijn. Het betrof bijvoorbeeld scripties
die eerder onder (cognitieve) psychologie of een ander meer monodisciplinair gericht domein
vallen. De commissie beveelt het KION aan hierover nog eens van gedachten te wisselen en te
komen tot het opstellen van een aantal minimumeisen, in dit kader te stellen aan een (master-)
scriptie Kunstmatige Intelligentie.
Interdisciplinair vakgebied
Kunstmatige Intelligentie is een breed, interdisciplinair vakgebied. Dit blijkt mede uit de grote
diversiteit van de onderwerpen die in de opleidingen worden aangeboden. Ook de studenten
zijn zeer breed georiënteerd en geïnteresseerd. Aangezien docenten hun wortels meer in
monodisciplines hebben liggen, is het een uitdaging voor de opleidingen om een eigen
samenhangende identiteit te ontwikkelen. Door zich te verenigen in het KION, hebben de
opleidingen een geschikt kader geschapen om deze problematiek het hoofd te bieden. De
gezamenlijke universiteiten bieden een boeiende en degelijke opleiding Kunstmatige
Intelligentie, met een uniek bachelorprogramma, ook mondiaal gezien.
QANU / Kunstmatige Intelligentie 17
QANU / Kunstmatige Intelligentie
18
D EEL II: OPLEID IN GSD EEL
QANU / Kunstmatige Intelligentie 19
QANU / Kunstmatige Intelligentie
20
BIJLAGEN
QANU / Kunstmatige Intelligentie 21
QANU / Kunstmatige Intelligentie
22
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.
Mevrouw F. (Fieke) Boschman (1985), student Kunstmatige Intelligentie aan de UU,
student-lid bij het bezoek aan de Rijksuniversiteit Groningen, behaalde in 2003 het vwodiploma met het profiel Natuur & Techniek aan het College Hageveld te Heemstede. In
datzelfde jaar begon zij aan de bacheloropleiding Cognitieve Kunstmatige Intelligentie aan de
Universiteit Utrecht, die zij in 2007 afrondde. Sindsdien studeert zij in de masteropleiding
Cognitieve Kunstmatige Intelligentie met als specialisatie AI and its Foundations.
Zij was lid van het bestuur van de studievereniging Incognito en hoofdredacteur van het
ledenblad. Zij is lid en voorzitter geweest van verschillende onder Incognito ressorterende
commissies. Ze is student-lid geweest van het opleidingsbestuur en het dagelijks bestuur van de
opleiding CKI van de Universiteit Utrecht.
Zij was van september 2005 tot juni 2006 student-lid van de Faculteitsraad
Geesteswetenschappen en subfaculteitsraad Wijsbegeerte van de Universiteit Utrecht.
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
K.U.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 ILK-onderzoeksgroep 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
QANU / Kunstmatige Intelligentie 23
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 & A udio
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 Multi-agent
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.
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.
Mevrouw E. (Elske) van der Vaart (1984), student Kunstmatige Intelligentie aan de
Rijksuniversiteit Groningen, student-lid, 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
masteropleiding Kunstmatige Intelligentie en de researchmasteropleiding 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.
Inmiddels is zij in juli 2007 afgestudeerd 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) linguïsten 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.
QANU / Kunstmatige Intelligentie
24
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.
QANU / Kunstmatige Intelligentie 25
QANU / Kunstmatige Intelligentie
26
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 KION1 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 Machinery2.
The Onderwijs- en Examenregelingen (OER) of the bachelor and master programmes in
Artificial Intelligence administered by the Dutch Universities.
Tuning Educational Structures in Europe3.
1
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)
2
QANU / Kunstmatige Intelligentie 27
Contents
1
2
3
4
5
6
Introduction
1.1 KION: Artificial Intelligence in the Netherlands
1.2 Aim of this document
Programme characteristics
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
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
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
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
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
QANU / Kunstmatige Intelligentie
28
7
6.2.4 Comparison with the Dutch frame of reference
Concluding remarks
QANU / Kunstmatige Intelligentie 29
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 Intelligence5. 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.
4
5
Centraal Register Opleidingen Hoger Onderwijs
In Dutch: Kunstmatige Intelligentie
QANU / Kunstmatige Intelligentie
30
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.
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.
QANU / Kunstmatige Intelligentie 31
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 units6), 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 System7 (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.
6
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)
7
QANU / Kunstmatige Intelligentie
32
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.
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.
QANU / Kunstmatige Intelligentie 33
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.
QANU / Kunstmatige Intelligentie
34
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;
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 Set theory
o Predicate logic
o Modal logic
Mathematics
o Calculus
o Discrete mathematics
o Linear algebra
o Statistics
QANU / Kunstmatige Intelligentie 35
3.3.2. Artificial Intelligence courses
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
QANU / Kunstmatige Intelligentie
36
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 profile8. 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.
Qualifications:
8
http://www.jointquality.org/ (last visited on November 8th, 2006)
QANU / Kunstmatige Intelligentie 37
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.
QANU / Kunstmatige Intelligentie
38
10. Openness to interdisciplinary cooperation and ability to effectively participate therein as
an academic professional.
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:
QANU / Kunstmatige Intelligentie 39
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.
QANU / Kunstmatige Intelligentie
40
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 knowledge-intensive
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 profile9. Together these final qualifications must lead to alumni that
exemplify the shared identity defined in section 3.
9
http://www.jointquality.org/ (last visited on November 8th, 2006)
QANU / Kunstmatige Intelligentie 41
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.
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.
QANU / Kunstmatige Intelligentie
42
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.
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.
QANU / Kunstmatige Intelligentie 43
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, subjectindependent, 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 timedependent 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
QANU / Kunstmatige Intelligentie
44
(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 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 Linköping10 (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
10
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.
QANU / Kunstmatige Intelligentie 45
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 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
QANU / Kunstmatige Intelligentie
46
Computer Science refers explicitly to an American document for objectives,
qualifications etcetera (Computing Curricula 200511).
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)
QANU / Kunstmatige Intelligentie 47
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.
QANU / Kunstmatige Intelligentie
48
Bijlage C: Programma visitatie Kunstmatige Intelligentie
Programma visitatie Kunstmatige Intelligentie
Bachelor- en masteropleiding
Dag 0
19.00 uur
20.30 uur
diner (besloten en vrijblijvend)
vergadering commissie
Dag 1
09.00 uur
11.00 uur
12.00 uur
12.45 uur
13.30 uur
14.15 uur
15.00 uur
15.15 uur
16.45 uur
17.30 uur
17.45 uur
18.30 uur
19.30 uur
bespreken zelfstudies, analyse /checklist en scripties
gesprek met management en kwaliteitszorgers en opstellers zelfstudie
(evt. korte inleiding door decaan, max. 7 minuten)
gesprek met studenten bacheloropleiding (waaronder lid opleidingscommissie)
lunch
gesprek met docenten bacheloropleiding
gesprek met studenten masteropleiding
theepauze en vergadering commissie
gesprek met afgestudeerde masterstudenten, (o.a. scriptieauteurs)
gesprek met docenten masteropleiding
vergadering commissie
gesprek met studieadviseur(s) en eventueel verwante functionarissen
kennismaking met vertegenwoordiger CvB, faculteitsbestuur,
opleidingsmanagement, visitatiecoördinator
besloten diner visitatiecommissie
Dag 2
09.00 uur
09.45 uur
11.00 uur
12.00 uur
12.45 uur
13.00 uur
17.00 uur
17.30 uur
gesprek met delegatie examen- en opleidingscommissie
open spreekuur en bezoek aan de onderwijsruimten
vergadering commissie
gesprek met faculteitsbestuur
lunch
voorbereiden voorlopige bevindingen
voorlopige bevindingen
vertrek
QANU / Kunstmatige Intelligentie 49
QANU / Kunstmatige Intelligentie
50
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:
QANU / Kunstmatige Intelligentie 51
QANU / Kunstmatige Intelligentie
52
Bijlage E: Lijst met afkortingen
AI
aio
BSc
CROHO
EC
ECTS
fte
hbo
hl
ICT
KI
KION
KUO
MICC
MMC
MSc
OER
QANU
RU
RUG
tUL
ud
uhd
UM
UU
VU
vwo
wo
Artificial Intelligence
Assistent in opleiding
Bachelor of Science
Centraal register Opleidingen Hoger Onderwijs
European credit
European Credit Transfer System
Full-time equivalent
Hoger beroepsonderwijs
Hoogleraar
Informatie en communicatietechnologie
Kunstmatige Intelligentie
Kunstmatige Intelligentie Opleidingen Nederland
Kengetallen Universitair Onderwijs
Maastricht ICT Competence Centre
Mens-machine communicatie
Master of Science
Onderwijs- en examenregelement
Quality Assurance Netherlands Universities
Radboud Universiteit Nijmegen
Rijksuniversiteit Groningen
Transnationale Universiteit Limburg
Universitair docent
Universitair hoofddocent
Universiteit Maastricht
Universiteit Utrecht
Vrije Universiteit Amsterdam
Voorbereidend Wetenschappelijk Onderwijs
Wetenschappelijk Onderwijs
QANU / Kunstmatige Intelligentie 53