Kandidat - kognitionsvidenskab - Aarhus Universitet

Retskravsbachelorer:
Bachelorer i Cognitive Science fra Aarhus Universitet.

Direkte adgang:
BSc i Produkt- og designpsykologi fra Aalborg Universitet.

Adgang:
Overskydende pladser fyldes op på baggrund af en konkret vurdering af fagsammensætning i ansøgerens BSc og karaktergennemsnit, prioriteret i den rækkefølge.
Relevante fag er: Kognitions- og neurovidenskabelige grundfag, eksperimentel metode, statistik, programmering og psykolingvistik.

Sprogkrav: Engelsk B
Andre krav: Matematik B

På kandidatuddannelsen i Cognitive Science skal de studerende både komme dybere ned i den kognitionsvidenskabelige faglighed og forbinde den med IT-faglige kompetencer. Det er derfor afgørende, at de har et solidt kognitionsvidenskabeligt fundament som udgangspunkt. Det bedste udgangspunkt er derfor landets eneste BSc-uddannelse i Cognitive Science, mens det tilsvarende er kognitionsvidenskabelige meritter fra andre uddannelser, der må veje tungest.

Det foreliggende udspil til en IT-orienteret kandidatuddannelse i Kognitionsvidenskab har til formål at imødekomme det voksende samfundsmæssige behov for digitale kompetencer, der udspringer af den løbende digitalisering, og som ikke mindst manifesterer sig i den private sektor af arbejdsmarkedet. Behovet er bl.a. dokumenteret i rapporten ”Virksomheders behov for digitale kompetencer (https://erhvervsstyrelsen.dk/sites/default/files/media/rapport_-_virksomheders_behov_efter_digitale_kompetencer.pdf), hvori der eftervises et markant stigende behov for kandidater inden for det digitale felt (side 12ff).

Kandidatuddannelsen i kognitionsvidenskab tager udgangspunkt i den adgangsgivende bacheloruddannelse i kognitionsvidenskab (eller tilsvarende) og giver den studerende en videregående indsigt i kognitive processer såsom perception og adfærd, beslutningstagning, kommunikation, social dynamik, og bevidsthed. Historisk og metodisk er der en stærk forbindelse mellem kognitionsvidenskab og informationsteknologi, eftersom kognitionsvidenskaben betragter den menneskelige hjerne som udviklet til informationsbearbejdning. Mange informationsteknologier er udviklet med inspiration fra menneskelig informationsbearbejdning, og de fleste informationsteknologier er beregnet på brug i samspil med menneskelig kognition (selv om det ikke altid opleves sådan). Kandidatuddannelsen har et internationalt veldokumenteret erhvervssigte baseret på det voksende arbejdsmarked, hvor samspillet mellem IT og menneskelig kognition, sprog og adfærd er i fokus sammen med kompetencer i eksperimenter, computer-modeller, avanceret statistisk dataanalyse og programmering. Der er endvidere indlagt en stærk anvendelsesorientering på 2. år, hvor de studerende udvikler løsninger til virksomheders udfordringer gennem projektorienterede forløb og specialet.

Kandidatuddannelsen i Cognitive Science giver således en unik kombination af menneskekundskab og stærke IT-kompetencer, som ikke findes andre steder i Danmark.

Kandidatuddannelsen sigter fortrinsvis mod det private arbejdsmarked og sætter kandidater i stand til at udvikle løsninger til et bredt spektrum af problemstillinger inden for en bred vifte af erhverv med et stærkt fokus på IT-branchen. En kandidat fra Cognitive Science vil kunne analysere og modellere kognitive processer og designe systemer, med hvilke man bl.a. kan forbedre interaktionen mellem mennesker og maskiner, forudsige adfærd på baggrund af en forståelse af de bagvedliggende kognitive årsager og analysere store datasæt.

Mulige jobfunktioner inkluderer: udvikling af evidensbaseret marketing baseret på kvantitative undersøgelser af forbrugeradfærd; analyse af adfærdsdata indsamlet med IT; optimering af IT-produkter på baggrund af viden om menneskelig kognition; design af intelligente automatiserede systemer; projektstyring.

Med henblik på at få be- eller afkræftet behovet for uddannelsen blev der i maj 2017 gennemført en kvantitativ arbejdsmarkedsundersøgelse (bilag 2.1 i bilagssamlingen). De tre vigtigste pointer fra denne undersøgelse er følgende:
- Der er et klart behov for uddannelsen. Undersøgelsen dokumenterer at aftagere vurderer i snit, at der er behov for 120-160 kandidater årligt, og at behovet for de kompetencer, der opnås på uddannelsen, er stigende.
- Respondenterne peger på, at det netop er den unikke forbindelse mellem humanistiske undersøgelser af menneskelig tankevirksomhed og adfærd og naturvidenskabelige IT- og dataanalysekompetencer, der gør uddannelsen relevant.
- Det bekræftes, at der er behov for kandidater i mange forskellige jobfunktioner, hvor det drejer sig om at kunne anvende digitale værktøjer på menneskelige betingelser.

Kompetenceprofil for kandidatuddannelsen i kognitionsvidenskab:
Viden:
- Kandidaten har forståelse for og indsigt i kognitionsvidenskabens sammenhæng med andre fagområder og har kvalificeret viden om kognitionsvidenskabens samspil med det omgivende samfund
- Kandidaten har detaljeret viden om centrale discipliner, metoder, teorier og begreber inden for kognitionsvidenskaben
- Kandidaten kan forstå og på et videnskabeligt grundlag reflektere over fagområdets viden samt identificere videnskabelige problemstillinger inden for det kognitionsvidenskabelige område

Færdigheder
- Kandidaten behersker kognitionsvidenskab bredt, herunder de videnskabelige metoder og redskaber, samt færdigheder, der knytter sig til beskæftigelse inden for det kognitionsvidenskabelige fagområde
- Kandidaten kan vurdere anvendeligheden og hensigtsmæssigheden af teoretiske, eksperimentelle og praktiske metoder til analyse og løsning af faglige spørgsmål og problemstillinger, der relaterer sig til det kognitionsvidenskabelige felt
- Kandidaten kan formidle og kommunikere kognitionsvidenskabelige spørgsmål og problemstillinger i såvel et videnskabeligt som et alment forum

Kompetencer:
- Kandidaten kan selvstændigt planlægge, lede og gennemføre projekter og anvende resultaterne af disse i en fagligt relateret beslutningsproces
- Kandidaten kan på videnskabelig baggrund indgå i konstruktivt samarbejde om løsning af kognitionsfaglige problemstillinger
- Kandidaten kan selvstændigt og kritisk strukturere egen kompetenceudvikling
- Kandidaten er i stand til systematisk og kritisk at sætte sig ind i nye fagområder

Uddannelsens opbygning kan ses af studiediagrammet bilag 1.1 i bilagssamlingen.

På baggrund af det faglige indhold, der er beskrevet ovenfor, er uddannelsen struktureret i fire spor (angivet ved farver): ”Kognitive modeller” (gulligt), ”Data science” (grønligt), ”Samspil mellem mennesker og maskiner” (rødligt) og ”Anvendelse”(gråligt).

En væsentlig integrerende faktor i uddannelsen er, at den er anvendelsesorienteret, hvilket bl.a. kommer til udtryk deri, at alle discipliner gennemføres med udgangspunkt i konkrete projekter, undersøgelser og eksperimenter. De anvendte teorier og metoder indføres således primært med henblik på deres værdi for løsningen af reelle opgaver og problemer.  

Spor 1: Kognitive modeller (gulligt)

Computationel modellering af kognition (Computational models of Cognition) – 10 ECTS
Modeller anvendes til at forstå kognitive mekanismer, hvad enten de optræder hos mennesker eller i systemer med kunstig intelligens. Modellen kan afprøves i en computer, men er ikke afhængig af den præcise implementering. Viden om overordnede kognitive arkitekturer er nødvendig for udviklingen af præcise modeller af naturlige kognitive processer og i opbygningen af systemer med kunstig intelligens. I dette kursus lærer de studerende at bruge de mest fremtrædende kognitive arkitekturer fra Cognitive Science (f.eks. ACT-R, Deep Learning m.m.) i en teoretisk og anvendt kontekst.

Specifikke IT- og dataanalytiske elementer, bl.a.:
- Design af programmer, som simulerer menneskelig adfærd og informationsbearbejdning (hukommelse, planlægning, valg m.m.)
- Anvendelse af prædiktive modeller på menneskelige adfærdsdata
- Modellering af multiagent systemer til simulering af kompleks gruppeadfærd
- Avanceret dataanalyse og visualisering

Viden
Efter kurset har den studerende viden om:
- Computationelle kognitive modeller og underliggende matematiskefunktioner
- Praktisk implementering af computationelle kognitive modeller
- Forskelle og ligheder mellem modeller og menneskelig kognition og teknikker til at afprøve disse

Færdigheder
Den studerende kan efter kurset:
- Reflektere over forholdet mellem sproglige beskrivelser af kognition og formelle modeller
- Udvikle og implementere computerprogrammer, som afspejler modeller af menneskelig kognition, hentet fra den videnskabeligelitteratur
- Sammenligne performance for computermodeller og menneskelig adfærd ved hjælp af fx visualiseringsværktøjer

Kompetencer
Den studerende kan efter kurset:
- Analysere menneskelig kognition på baggrund af formaliseretkognitiv teori.
- Genkende og skelne de kognitive processer, som indgår iopgaveløsning
- Anvende kognitiv teori til at formalisere disse processer
- Bruge kognitiv arkitektur til at designe start-til-slut simuleringer af menneskelig opgaveløsning

Avanceret kognitiv neurovidenskab (Advanced Cognitive Neuroscience) – 10 ECTS
Dette kursus bygger videre på det introducerende kursus i kognitiv neurovidenskab fra bacheloruddannelsen i Cognitive Science. De studerende designer, udfører og analyserer neurovidenskabelige eksperimenter (fMRI, EEG og MEG) på baggrund af de nyeste neurovidenskabelige modeller. Fokus er på multivariat dataanalyse, og de statistiske metoder anvendt i analysen af hjerneskanningsdata er anvendelige i mange sammenhænge, også uden for neurovidenskab. Kurset afsøger desuden mulige overlap mellem hjernens funktion og grene af kunstig intelligens, der henter inspiration fra neurovidenskaben (f.eks. neurale netværk).

Specifikke IT- og dataanalytiske elementer, bl.a.:
- Programmering af eksperimentelle design, statistisk analyse og visualisering (f.eks. Matlab, Python, R)
- Multivariat dataanalyse med brug af resampling (f.eks. bootstrapping)
- Overvejelser omkring datasikkerhed, anonymisering og datadeling

Viden
Efter kurset har den studerende viden om:
- Nyeste videnskabelige landvindinger inden for kognitiv neurovidenskab
- Sammenligninger mellem naturlige hjerneprocesser og modeller inspireret heraf
- Udviklingen af eksperimentelle metoder inden for kognitiv neurovidenskab
- Multivariat dataanalyse anvendt på neurovidenskabelige data

Færdigheder
Den studerende kan efter kurset:
- Kritisk evaluere eksisterende forskning inden for den kognitive neurovidenskab og relatere den til problemstillinger i det omgivende samfund
- Planlægge, udføre og evaluere avancerede undersøgelser inden for kognitiv neurovidenskab

Kompetencer
Den studerende kan efter kurset:
- Anvende neurovidenskabelige forskningsmetoder, såsom fMRI, EEG og/eller MEG.
- Anvende multivariat dataanalyse i forbindelse med neurovidenskabelige data og identificere metodernes styrker og begrænsninger

Spor 2: Data science (grønligt)

Menneskelig kognition i store datasæt (Human Cognition in Large Datasets) - 10 ECTS
Dette kursus klæder den studerende på til at anvende store datasæt til at undersøge spørgsmål, som har kognitiv relevans: fra indsamling og foranalyse af data gennem statistiske analyser og ”datamining” til integration af laboratorieeksperimenter og computermodeller i testning af kognitive hypoteser. Kurset beror på, at brug af store datasæt til kortlægning af menneskelig adfærd bliver et stadig vigtigere forretningsområde, og at et stigende antal store datasæt løbende bliver tilgængelige for kognitionsforskere. Gruppeadfærd og gruppeopmærksomhed kan studeres i en grad, som ikke er set før, når mennesker f.eks. tweeter og kommenterer på verden omkring sig. Netværksstrukturer og sociale dynamikker kan aflæses i data fra sociale medier. Kropsfunktioner, velbefindende og adfærd optages via ”wearable” teknologi, hvor nye interaktive sensorer er under udvikling. 

Specifikke IT- og dataanalytiske elementer, bl.a.:
- Evne til at bruge databaser og andre dataformater til at håndtere store datamængder
- Introduktion til parallel databehandling
- Analytiske teknikker til at håndtere store datamængder (f.eks. web-mining, social media scraping)
- Netværksmodeller, analyse af tidsserier og maskinlæringsapplikationer til store datasæt

Viden
Efter kurset har den studerende viden om:
- Muligheder og begrænsninger i analyse af store datasæt
- Teoretiske, etiske og tekniske udfordringer ved sådanne analyser
- Eksisterende ressourcer og adgang til store datasæt og måder hvorpå de analyseres

Færdigheder
Den studerende kan efter kurset:
- Identificere relevante datasæt til belysning af en given undersøgelses formål og spørgsmål
- Anvende relevante analysemetoder og -strategier til at belyse aspekter af menneskelig kognition med afsæt i store datasæt (f.eks. netværksanalyse, maskinlæring m.m.)
- Overvinde tekniske udfordringer vha. f.eks. databaseteknologier, parallel databehandling og/eller cloud computing

Kompetencer
Den studerende kan efter kurset: 
- Kritisk sammenligne, vælge og bruge de bedst egnede statistiske værktøjer til et givet datasæt og undersøgelse
- Præsentere resultaterne på en klar og effektiv måde, fremhæve deres relevans for undersøgelsens formål, klarlægge deres begrænsninger og usikkerheder og visualisere relevante resultater

Processering af Naturlige Sprog (Natural Language Processing, NLP) – 10 ECTS
Studerende præsenteres i dette kursus for værktøjer involveret i f.eks. probabilistic topic-modellering, sentimentanalyse, Latent Semantic Analysis (LSA). Desuden lærer de, hvordan man designer og anvender NLP-baseret taleanalyse. Målet er at give dem forståelse for, hvordan computationel lingvistik integrerer naturlig sprogbearbejdning (NLP), kunstig intelligens og statistisk modellering i analysen af sprogbrug og i design af interaktive kommunikationssystemer, f.eks. digitale assistenter og chatbots. Computermodeller anvendes ofte til at finde prædiktive eller strukturerende dele af store tekstdatabaser eller til at undersøge, simulere eller diagnosticere kognitive fænomener på baggrund af deres sproglige manifestationer. 

Specifikke IT- og dataanalytiske elementer, bl.a.:
- Identificering af datakilder, kildekritik og databeskyttelse
- Semantiske analyser (sentiment, LSA, word2vec, topic modelling)
- Dialogbaserede teknikker (f.eks. analyser af samtaledynamik og alignment)
- Talegenkendelse og analyse
- Maskinlæring relateret til NLP

Viden
Efter kurset har den studerende viden om:
- Muligheder og begrænsninger i analyser af naturlige sprog (f.eks. i forbindelse med tekster, sociale medier og tale) 
- Teknikker til analyse af sprogprocesser (f.eks. Hidden markov modeller, ordbogs-metoder og word2vec repræsentationer)

Færdigheder
Den studerende kan efter kurset:
- Identificere relevante data ressourcer til specifikke undersøgelser af menneskelig adfærd og kognition (f.eks review web-sites, tekst corpora, ‘scraping’ af sociale medier)
- Anvende relevante computationelle teknikker til at uddrage mening af data (f.eks. Frekvens-analyser, Sentiment Analysis, Topic Modeling, maskinlæring m.m.)

Kompetencer
Den studerende kan efter kurset:
- Kritisk tage stilling til, sammenligne og vælge mellem analysemetoder for et givet datasæt og undersøgelsesformål omhandlende naturlige sprogprocesser
- Præsentere resultaterne på en klar og effektiv måde, fremhæve deres relevans for undersøgelsens formål, klarlægge deres begrænsninger og usikkerheder og visualisere relevante resultater

Spor 3: Samspil mellem mennesker og maskiner (rødligt)

Beslutningstagning i mennesker og maskiner (Decision Making in Humans/Machines) – 10 ECTS
Beslutningstagning involverer vægtning og værdiansættelse af information med det formål at udvælge en handling blandt et antal alternativer. Den kognitive videnskab om beslutningstagning fokuserer på tre primære udfordringer: 1) Optimering af beslutninger: Hvad er den optimale handling i en given situation med et bestemt udvalg af informationer? 2) Menneskelig beslutningstagning: Hvordan prioriterer mennesker information og vælger handlinger i realistiske valgsituationer? 3) Maskinel beslutningstagning: Hvordan kan computere programmeres til at foretage optimale valg eller klassifikationer? I dette kursus lærer den studerende om forholdet mellem disse tre udfordringer og lærer at udvikle egne formelle modeller for beslutningstagning.

Specifikke IT- og dataanalytiske elementer, bl.a.: 
- Programmeringselementer til eksperimentelt design, statistisk analyse og visualisering (f.eks. Matlab, Python, R)
- Faget fokuserer på design af beslutnings- og kategoriseringsprocesser i IT-systemer, f.eks. inden for sundhed, rekruttering og markedsføring, men også for robotter
- Computersimulationer af individuelle og kollektive beslutningsprocesser

Viden
Efter kurset har den studerende viden om:
- Grundlaget for rationel beslutningstagning
- De mest almindelige former for bias i menneskelig tænkning, vurdering og beslutningstagning
- I hvilken grad formelle modeller for beslutningstagning kan forklare menneskelige valg og forudsige menneskelige fejl
- Menneskelig beslutningstagning i kontekst, f.eks. forbrugeradfærd, organisering, politik og medicin

Færdigheder
Den studerende kan efter kurset:
- Omforme formelle modeller for beslutningstagning til computerprogrammer og simulere menneskelig beslutningstagning
- Udføre eksperimenter med menneskelig beslutningstagning og anvende formelle modeller i analysen af disse data
- Identificere og forudsige fejl i beslutningstagningsprocesser i den virkelige verden

Kompetencer
Den studerende kan efter kurset:
- Analysere menneskelige beslutninger i en række anvendte kontekster, såsom forbrugeradfærd, organisering, politik og medicin
- Anvende kognitiv teori i design af organisationsstrukturer, markedsføring og andre systemer med det formål at hjælpe beslutningstagning
- Udvikle digitale systemer til beslutningstagning baseret på formelle kognitive modeller

Interaktion mellem mennesker og maskiner (Human/Machine Interaction) – 10 ECTS
Dele af udviklingen af kunstig intelligens og robotteknologi fokuserer på systemer, som efterligner menneskelig kognition og adfærd. Studier af interaktion mellem mennesker og maskiner fokuserer på mødet mellem den menneskelige kognition og informationsteknologi.
Faget trækker på begge fagfelter, og den studerende lærer at anvende principper fra bacheloruddannelsen i arbejdet med at optimere design af informations- og robotteknologi.

Specifikke IT- og dataanalytiske elementer, bl.a.:
- Programmeringselementer til eksperimentelt design, statistisk analyse og visualisering (f.eks. Matlab, Python, R)
- Brug af eksperimentelle metoder og modeller i anvendelsen af software og hardware

Viden
Efter kurset har den studerende viden om:
- De centrale teorier inden for Human/Computer Interaction (f.eks. Kognitiv ergonomi, aktivitetsteori m.m.)
- Godt og dårligt design inden for IT gennem studier af eksisterende produkter, teknologi og interfaces
- De centrale elementer i udviklingsprocesser, f.eks. design-tænkning og interaktions-design
- Menneskecentrerede designprocesser, bl.a. I forhold til research, konceptualisering, prototypeudvikling og raffinering
- Testning af interaktive produkter, teknologi og interfaces (f.eks usability testing)

Færdigheder
Den studerende kan efter kurset:
- Anvende viden om menneskelig kognition (perception, aktion, beslutningstagning, opmærksomhed, kontrol m.m.) til at forklare hvordan mennesker interagerer med informationsteknologi
- Bruge principper og metoder fra kognitionsvidenskaben til at analysere menneske/maskine-interfaces
- Analysere menneskelig adfærd i mødet med IT-hardware og software på baggrund af kognitiv teori
- Designe og udføre eksperimenter, som optimerer funktionen af interfaces ved hjælp af relevante teknikker fra kognitionsvidenskaben (f.eks. eye-tracking eller muse-tracking)
- Anvende avanceret statistik til at analysere interaktion mellem menneske og maskine fra tilgængelige datakilder (f.eks. Hjemmesider, apps, wearables m.m.)

Kompetencer
Den studerende kan efter kurset:
- Udvikle og optimere brugeroplevelse af IT-systemer
- Deltage i udvikling og analytics i forhold til menneske/maskin-interaktion
- Danne bro mellem udviklere, designere og brugere af IT-udstyr

Spor 4: Anvendelse

Projektorienteret forløb – 20 ECTS
Den studerende indgår under det projektorienterede forløb, som enten kan være hos et privat firma, i den offentlige sektor eller på en forskningsinstitution, i arbejdet med at identificere problemstillinger eller udviklingsmuligheder i den organisation, hvor det projektorienterede forløb gennemføres, og bidrager til løsningen med brug af metoder og teorier fra kognitionsvidenskab.

Specifikke IT- og dataanalytiske elementer, bl.a.:
- De studerende vil primært komme i projektorienteret forløb hos IT-virksomheder

Viden
Efter kurset har den studerende viden om:
- Kognitionsvidenskabens samspil med det omgivende samfund

Færdigheder
Den studerende kan efter kurset:
- På videnskabelig baggrund indgå i konstruktivt samarbejde om løsning af faglige problemstillinger

Kompetencer
Den studerende kan efter kurset:
- Selvstændigt planlægge, lede og gennemføre projekter og anvende resultaterne af disse i en fagligt relateret beslutningsproces
- Selvstændigt og kritisk strukturere egen kompetenceudvikling

Specialeforberedende valgfag – 10 ECTS
Kurset er et valgfagsmodul inddelt i tre retninger, og den studerende skal ved kursusstart vælge, hvilket spor vedkommende vil følge. De tre spor leder desuden naturligt op til tre forskellige typer af specialeprojekter. 

For alle tre retninger gælder det, at den studerende arbejder med at udvikle en projektprotokol, der bl.a. indeholder en oversigt over afhandlingen, en beskrivelse af afhandlingens centrale spørgsmål og empiriske grundlag, en tidsplan, samt en plan for vejledningsprocessen. 

Valg A: Det virksomhedsorienterede specialeprojekt: 
Det virksomhedsorienterede specialeprojekt tager udgangspunkt i et samarbejde med en ekstern partner, fx en virksomhed eller organisation, der kan være den samme, som den studerende har været i projektorienteret forløb hos, eller en anden virksomhed. Sammen med den eksterne partner identificerer den studerende centrale spørgsmål og metoder inden for det kognitionsvidenskabelige felt med relevans for den eksterne partner. Særligt for det virksomhedsorienterede spor vil den studerende have ekstra fokus på problemstillinger i forhold til praktisk anvendelse af kognitionsvidenskabelig teori og empirisk metode i en større virksomhedskontekst, herunder også problematikker relateret til non-disclosure agreements (NDA), og intellectual property rights, (IPR).

Valg B: Det forskningsorienterede specialeprojekt 
Specialeprojektet kan også udvikles som delprojekt i et igangværende forskningsprojekt på AU eller en tilsvarende forskningsinstitution. I dette tilfælde samarbejder den studerende med projektets forskere om at identificere de centrale spørgsmål og metoder inden for det kognitionsvidenskabelige felt, der arbejdes med i specialeprojektet. I det forskningsrelaterede projektspor lægges der særlig vægt på, at den studerende indføres i god forskningspraksis, herunder f.eks. spørgsmål relateret til ’open science’ og datadeling, forhåndsregistrering, akademisk fagfællebedømmelse og medforfatterskab.

Valg C: Det almindelige specialeprojekt
Den studerende kan vælge selv at definere emnet for sit specialeprojekt inden for det kognitionsvidenskabelige felt. I dette spor arbejdes der i særdeleshed med, hvordan man motiverer og kvalificerer en hypotese, bl.a. med udgangspunkt i en oversigt over relevant litteratur, og hvordan man identificerer relevante variabler og designer en undersøgelses- og analysemetode, der bedst besvarer forskningsspørgsmålet.

Specifikke IT- og dataanalytiske elementer, bl.a.:
- Der er ingen ekstra IT- og dataanalytiske elementer i dette fag

Viden
Efter kurset har den studerende viden om:
- Kritiske sammenhænge mellem emne forskningsspørgsmål, data og metode
- Arbejdsprocesser i større skriftlige projekter, herunder organisering, formalia og typiske udfordringer
- Litteratursøgning

Færdigheder
Den studerende kan efter kurset:
- Udvikle og strukturere en større undersøgelse (evt. i samarbejde med interne eller eksterne partnere), med særlig hensyn til ressourcer og tidsramme
- Motivere sine valg af hypotese, data og metode

Kompetencer
Den studerende kan efter kurset:
- Selvstændigt og kritisk designe et specialeprojekt
- Identificere egne styrker og begrænsninger i relation til specialeprojektet og træffe informerede valg baseret på disse

Speciale – 30 ECTS
Til kandidatspecialet arbejder den studerende selvstændigt med et akademisk emne. Specialeprojektet kan udarbejdes i samarbejde med en ekstern virksomhed eller organisation evt. med udgangspunkt i perioden (se ovenfor). Det kan ligeledes etableres som delprojekt i et igangværende kognitionsvidenskabeligt forskningsprojekt ved AU eller en lignende forskningsinstitution. Ved afleveringen af specialet har den studerende lært at identificere, definere og formulere en akademisk, videnskabelig problemstilling. Den studerende kan desuden forme og præsentere testbare hypoteser inden for et emne relateret til Cognitive Science og gennemføre et selvstændigt defineret akademisk projekt med brug af fagets metoder og teori. Dette inkluderer statistiske analyser og kritisk diskussion af egne og andres resultater og en videnskabelig perspektivering med brug af den eksisterende litteratur for emnet. Den studerende skal desuden kunne kommunikere sine resultater i en konsistent og objektiv form.

Viden
Efter endt speciale har den studerende viden om:
- Udvalgte generelle og specifikke vidensområder inden for faget

Færdigheder
Den studerende kan efter kurset:
- Selvstændigt afgrænse og undersøge et emne
- Analysere og reflektere over et komplekst stofområde
- Anvende fagets videnskabelige metoder
- Formidle problemstillinger i en akademisk form

Kompetencer
Den studerende kan efter kurset:
- Selvstændigt planlægge og gennemføre en videnskabelig undersøgelse på op til seks måneder af et udvalgt emne og i kraft af denne proces at lære sig at strukturere omfattende stofområder og problemstillinger
- Indgå selvstændigt i forskningsarbejde
- Anvende videnskabelig metode og teori på et højt fagligt niveau i arbejdet med en specifik, afgrænset faglig problemstilling
- Kritisk forholde sig til valg af metode og teoretisk grundlag.

For sammenhæng mellem uddannelsens kompetenceprofil og fagelementer se bilag 1.2 i bilagssamlingen. 

Takst 3
Begrundelse for Takst 3: Uddannelsen kombinerer laboratoriebaseret kognitionsvidenskabelig undervisning med IT-kompetencer. Begge dele involverer anskaffelse og vedligeholdelse af ressourcekrævende udstyr, der er forudsætningen for, at de studerende kan erhverve sig de fornødne eksperimentelle kompetencer.

Af rapporten ”Virksomheders behov for digitale kompetencer” fremgår det, at en væsentlig forudsætning for vækst er, at virksomhederne udnytter de muligheder, som digitalisering giver. Dette fordrer imidlertid medarbejdere med digitale kompetencer på et højt niveau, og der peges ligeledes på, at der både er behov for IT-specialister og medarbejdere med kompetencer, hvori IT indgår i en bredere kompetenceprofil. Med hensyn til den sidstnævnte medarbejdertype peges der på behov for at få dækket arbejdsområder, hvor digitale kompetencer spiller en voksende rolle, såsom ledelse, ressourcestyring og HR, marketing og salg, samt undersøgelser og business intelligence.
På det fremtidige arbejdsmarked bliver der ligeledes behov for en bredere funderet og mere agil medarbejdertype, der er i stand til at arbejde med IT og digitalisering ud fra andre synsvinkler end de rent datalogiske. I en tid, hvor computere er allestedsnærværende og menneskelig interaktion i tiltagende grad bliver formidlet digitalt, er der i særdeleshed behov for at forbinde den computationelle logik med en forståelse af menneskelig adfærd, tankevirksomhed og afgørelseskraft. Som andre teknologiske landvindinger skal IT skabes af mennesker og bruges af mennesker.
Endelig er det vigtigt at fremhæve de muligheder, der ligger i at anvende de myriader af data, der foreligger som følge af digitaliseringen. Gamle forretningsområder kan forbedres og nye skabes. Forudsætningen er imidlertid, at de mange data kan bringes indsigtsfuldt i anvendelse. Kandidater med en kognitionsvidenskabelig tilgang til sådanne undersøgelser vil kunne bidrage med indsigt i den bagvedliggende menneskelige adfærd og således gøre undersøgelserne mere anvendelige.
Et arbejdsmarkedsbehov udfyldes naturligvis bedst af en uddannelse, hvis det bygger på et godt råmateriale i form af dygtige studerende. Bacheloruddannelsen i Cognitive Science har vist sig at tiltrække meget dygtige studerende både fra Danmark og udlandet. I 2016 og 2017 havde bacheloruddannelsen universitetets højeste adgangskrav, og alene på baggrund af egne bachelorstuderende er rekrutteringsgrundlaget således stærkt, ikke mindst fordi uddannelsen tiltrækker et stort antal kvindelige studerende (2/3 af studerende på BSc i Cognitive Science er kvinder), hvilket ellers kan være en udfordring for IT-uddannelser. Flere uddannede kvinder inden for IT blev i efteråret 2016 af DI Digital anskuet som del af løsningen på den nuværende og fremtidige mangel på IT-specialister ”Hvis flere kvinder uddanner sig til it-specialister, vil det på sigt kunne bidrage til at løse problemet med manglen på it-specialister på arbejdsmarkedet.” DI Digital’s analyse (https://di.dk/SiteCollectionDocuments/DI%20Business/For%20få%20kvinder%20uddanner%20sig%20til%20it-specialister-endelig.pdf) hviler på rapporten fra Erhvervsstyrelsen maj 2016 Virksomheders behov for digitale kompetencer.

Disse behov og kræfter bevirker at kandidater i Cognitive Science kan forventes at få en meget høj beskæftigelsesgrad, hvilket dokumenteres af arbejdsmarkedsundersøgelser fra henholdsvis Sverige og USA, hvor der allerede i dag findes uddannelser i Cognitive Science. Arbejdsløshedsraten er således så lav som 2-4%. Den amerikanske undersøgelse dokumenterer desuden, at Cognitive Science har en højere beskæftigelsesrate end sammenlignelige uddannelser (For detaljer herom se bilag 2.1 side 9).

For at få af- eller bekræftet behovet for uddannelsen er der gennemført to undersøgelser, som gennemgås nedenfor. Begge undersøgelser dokumenterer et utvetydigt behov. Arbejdsmarkedsundersøgelsen er opdelt i to dele. En foreløbig kvalitativ undersøgelse gennemført for at sikre, at der var grund til at gå i gang med udviklingsarbejdet. Da resultatet af denne var positivt, blev en mere tilbundsgående kvantitativ undersøgelse gennemført. Se bilag 2.1 for en udfoldet gennemgang. 

Resultaterne af de to undersøgelser sammenfattes her.

1. undersøgelse: Foreløbig kvalitativ undersøgelse:

Repræsentanter for danske 21 virksomheder, herunder både små, mellemstore og store virksomheder primært fra IT-branchen, udtrykte støtte til planen om at lave en kandidatuddannelse i Cognitive Science. Nedenfor er udvalgte kommentarer oversat til dansk:
Om behovet for en anden slags kompetence i branchen:
”Vi har mere end en million brugere og mere end 5 års indsamlede brugerdata. Vi burde være i stand til at udnytte alle disse data til at forbedre vores eksisterende funktioner eller skabe nye og mere avancerede. Men vi er ikke helt klar over, hvor vi skal begynde. At få øje på mulighederne i et sæt traditionelle forretningsdata kræver tilsyneladende en anden slags kreativitet end den, vi som regel anvender inden for softwareudvikling. Kandidater fra en MSc i Cognitive Science vil have de kompetencer, som er nødvendige for, at vi kan få fuldt udbytte af de data, vi allerede har.” Jacob Tjørnholm, CTO, GoMore

Om behovet for koblingen af IT-kompetencer og menneskekundskab:
”Kandidater fra en ny kandidatuddannelse i Cognitive Science vil, med deres viden om menneskelig tankevirksomhed og beslutningstagning koblet med programmeringsevner og stærke dataanalytiske evner være meget relevante for vores firma.” Pia Vemmelund, administrerende direktør, Momondo

Om behov for kendskab til interaktionen mellem mennesker og maskiner:
”IT branchen lider af en afstand mellem intentionerne bag produkter og services, og hvordan disse bliver mødt af kunderne. Det skyldes en forskel i forståelse mellem udviklere og brugere. Kandidater fra Cognitive Science vil med deres baggrund være i stand til at minimere denne afstand og dermed sikre bedre produkter for brugerne til en konkurrencedygtig pris.” Niels Frimodt Sørensen, CTO, Signaturgruppen.

Sammenlagt dokumenterer udtalelserne et udækket behov for en uddannelse, som kombinerer viden om menneskelig erkendelse og adfærd på den ene side og kognition med IT- og dataanalytiske kompetencer på den anden side (se bilag 2.1 side 12ff).

2. undersøgelse: Kvantitativ spørgeskemabaseret undersøgelse af behovet for en kandidatuddannelse:

54 respondenter deltog i en spørgeskemaundersøgelse. Respondenterne var primært fra IT- og kommunikations-branchen. Også her deltog både små, mellemstore og store virksomheder.

Fagelementerne blev i undersøgelsen opdelt i tre hovedkategorier: ”forbrugerkognition”, ”kognitionsanalyse” og ”design af informationsteknologi”. Vurderingen er, at der er et stigende behov for alle tre fagelementer.

Respondenterne blev spurgt, hvorvidt kandidatuddannelsen bidrager med nye kompetencer, som ikke dækkes af allerede eksisterende uddannelser. Alle besvarelser vurderede, at Cognitive Science vil bidrage med unikke kompetencer i større eller mindre grad. 71% af besvarelserne svarede enten ”I høj grad” eller ”I allerhøjeste grad”.

Arbejdsmarkedsundersøgelsen for Cognitive Science-uddannelsen blev gennemført på dansk, og én af de få kritiske responser til den var, at den burde have været på engelsk.

Hovedårsagen til at vælge engelsk som udbudssprog er, at uddannelsen forbereder de studerende til et internationalt og eksportorienteret arbejdsmarked. Den danske IT-branche er allerede i høj grad internationaliseret. Ifølge en rundspørge foretaget af Dansk Industri i 2016 (http://bit.ly/2fdf4fl) er koncernsproget på 6 ud af 10 danske eksport-orienterede arbejdspladser i dag engelsk.

Eftersom der søges om en cand.it-titel, har uddannelsesinitiativet ligeledes været drøftet med ledelsen af IT-Vest. Såvel direktion som bestyrelse støtter varmt initiativet og vurderer ligeledes, at der klart er tale om en uddannelse, der falder inden for cand.it-området.

I den kvantitative arbejdsmarkedsundersøgelse blev aftagere adspurgt, hvor mange kandidater arbejdsmarkedet skønnes at have behov for, var medianbesvarelsen 120-160 årlige kandidater. 87% af de adspurgte mente at behovet var større end 40 kandidater årligt. Branchespecifikt svarede 46% af respondenterne fra IT- og kommunikationsbranchen at branchens behov var over 40 kandidater årligt, 54% svarede at det var under 40 kandidater. Behovet inden for IT-branchen skønnes derfor at være cirka 40 kandidater årligt.

Inddragelse af aftagere i udviklingsarbejdet:
I forbindelse med arbejdsmarkedsundersøgelserne har aftagere haft mulighed for at komme med kommentarer og forslag til uddannelsens elementer (se bilag 2.1 side 27f). Én kommentar handler om at være på forkant med den teknologiske udvikling: ”Her skal vi i DK være dygtige, når skærme ikke længere er nødvendige, og vi kommunikerer på andre vis med maskiner og systemer”. Denne vigtige kommentar har afstedkommet ændringer i beskrivelsen af et af fagene i sporet Data Science (det grønlige spor i studiediagrammet), så dette nu også inkluderer et fokus på nye interaktionsformer: ”Kropsfunktioner, velbefindende og adfærd optages via ”wearable” teknologi, hvor nye interaktive sensorer er under udvikling.” En anden kommentar lyder: ”Lav en løbende inddragelse af virksomheder, så de studerende fra starten preppes til at gå ind i virksomheder.” Kandidatuddannelsen indeholder et stort projektorienteret forløb, som klæder den studerende på til arbejdsmarkedet. Der er tilføjet en passage til beskrivelsen af både det specialeforberedende kursus og kandidatspecialet, som understreger, at erfaringer og problemstillinger fra det projektorienterede forløb med fordel kan bruges som specialeemne. Fagmiljøet arbejder allerede intensivt på at styrke relationen til erhvervet, bl.a. gennem erhvervsrettede bachelor-projekter. Adskillige virksomheder har allerede meldt sig med interesse for samarbejde, bl.a. gennem arbejdsmarkedsundersøgelsen. Dette samarbejde vil potentielt indeholde cases leveret af virksomheder til brug i undervisningen, seminardage hvor studerende/uddannelsen og virksomheder networker til gensidig faglig inspiration, indtrædelse af virksomhedsrepræsentanter i uddannelsens aftagerforum og –panel. På sigt udvikling af format for erhvervsrettede specialer.

For at sikre det bedst mulige match mellem uddannelse og behov har fagmiljøet samlet en fokusgruppe, der består af følgende medlemmer:
1 Henrik Dresbøll, CEO, WeLearn
2 Kim Høgskilde, CEO, FrontRead
3 Jacob Tjørnholm CTO, GoMore
4 Niels Frimodt Sørensen, CTO, Signaturgruppen
5 Jakob Fredslund, Senior Solutions Architect, Alexandra Instituttet
6 Jeppe Seirup, SME, CGI

Fokusgruppen er sammensat ud fra et ønske om både at være i kontakt med virksomheder af forskellige størrelser (små, mellemstore og store virksomheder) og med nye og veletablerede virksomheder.

Efter den faglige udfoldelse af uddannelsens studieordning blev den sendt til ovenstående fokusgruppe til kvalificering således, at det bedst mulige match er sikret mellem aftagerbehov og uddannelsen. Fokusgruppen har kommenteret undervejs i den faglige udvikling, så ikke alle havde kommentarer hertil.

Aftagerne havde studieordningen i høring i tre uger, og responsen var meget positiv:
Jakob Fredslund fra Alexandra Instituttet skriver f.eks. at det er ”en styrke, at der er nogen der faktisk kan omplante viden om hjerne og adfærd og beslutningstagning selv i analyser eller modeller, fordi de har lært nogle avancerede værktøjer.”

Jakob Tjørnholm fra GoMore skriver: ”Det er mit indtryk at Cognitive Science kandidater både vil kunne løse problemer i udviklingen af nye IT systemer, men i lige så høj grad kunne øge værdien af eksisterende systemer og databaser. Derfor ser jeg kompetencerne i studieordningen som særdeles anvendelige i mange brancher.”

Kim Høgskilde fra FrontRead skriver: ”Det jeg er mest fokuseret på er koblingen til forretningsudvikling /produktudvikling […]. Dette vil jo naturligvis altid være et samspil mellem forskellige kompetencer og roller i en virksomhed, […] og dette koblet med adfærdsanalyse er virkelig værdifuldt for os, hvor vores produkt er så tæt koblet til elevernes læring herunder overførsel af læring fra træningslokalet til det virkelige liv.”

Kommentarer til de enkelte fag og deres beskrivelser:
- Menneskelig kognition i store datasæt: et vigtigt fag at have med og et af uddannelsens store styrkepunkter, omend ambitiøst.
- Beslutningstagning i mennesker og maskiner: Godt element; lugter af virkelighedsrelevant kunnen.

Der var flere tilkendegivelser på, at kompetenceprofilen opleves en smule upræcis i sin forankring af fagligheden. Dette medførte præciseringer i kompetenceprofilen, således at udtryk som ”det faglige felt” blev præciseret og erstattet med ”det kognitionsvidenskabelige felt”.´

Et andet ændringsforslag, som blevet fremført af aftagere var:
- en ændret rækkefølge i beskrivelserne af læringsmålene under de enkelte fagbeskrivelser, således at ”kommercielle” færdigheder og kompetencer bliver løftet op øverst heri.

Dette overvejes forsat i fagmiljøet, men den umiddelbare vurdering er, at dette i højere grad skal fokuseres på uddannelsesbeskrivelsesniveau.

Som det fremgår af arbejdsmarkedsundersøgelsen, blev aftagerne præsenteret for beskrivelser af delvis beslægtede kandidatuddannelser ved Aarhus Universitet: Lingvistik, Informationsvidenskab, Psykologi og Datalogi (se bilag 2.1 side 20).

De beskrivelser som var medsendt fremgår her:

Kandidatuddannelsen i Lingvistik, AU
Som studerende på kandidatuddannelsen i Lingvistik ved Aarhus Universitet kommer du rundt om mange aspekter af sprog og brugen af sprog. Du beskæftiger dig bl.a. med sprogforandring som dynamiske systemer, der forandres over tid, anvendt lingvistik, lingvistisk typologi, hvor du beskæftiger dig med sprogs enhed og forskellighed, og interaktionel lingvistik, hvor du lærer at analysere data ud fra metoder og indsigter, som findes inden for området.
Dine interesser former din faglige profil
Vi lægger derudover også vægt på, at du gennem din kandidatuddannelse former en individuel uddannelsesprofil, som afspejler dine interesser inden for lingvistikken og dine karriereplaner. Det kan gøres gennem valgfag, hvor du gennem inddragelse af andre fagområder selv retter din uddannelse i den retning, du ønsker, og gennem et praktikophold, hvor du får indblik i livet på en arbejdsplads, får afprøvet din faglighed og ser, hvad arbejdsmarkedet forventer af en humanistisk kandidat.

Link til uddannelsens studieordning

Kandidatuddannelsen i Informationsvidenskab, AU
Samspillet mellem mennesker og teknologi
På kandidatuddannelsen i Informationsvidenskab er samspillet mellem mennesker og informationsteknologien i højsædet. Du lærer, hvordan organisationer fungerer, og hvordan du integrerer IT i virksomheder. Desuden lærer du, hvordan du gør kommunikationen bedre både internt og eksternt i virksomheder og organisationer, og hvordan du designer brugervenlige programmer. 
Kandidatuddannelsen i Informationsvidenskab giver dig en række analytiske og praktiske redskaber og kompetencer inden for områderne: organisationsteori, kommunikationsteori, samfund og virksomhed i forretnings-orienteret og teknologihistorisk perspektiv, design-, systemudviklings- og programmeringsteorier samt læringsteorier. Dermed vil du være i stand til arbejde som eksempelvis konsulent eller projektleder i det offentlige og i det private erhvervsliv. 
Projekter med erhvervslivet
Undervisningen på kandidatuddannelsen i Informationsvidenskab er i høj grad baseret på projekt- og gruppearbejde, hvor du både arbejder med cases og empiri. Du vil i projekterne arbejde med eksempler fra erhvervslivet og herigennem få kontakt til både private virksomheder og offentlige institutioner. Mange studerende vælger også projektorienteret forløb, det vil sige praktik, som del af uddannelsen.

Link til uddannelsens studieordning 

Kandidatuddannelsen i psykologi, AU
Kandidatuddannelsen i Psykologi fokuserer på, hvordan en professionel psykolog anvender den psykologiske teori i praksis. På uddannelsen opnår du det nødvendige teoretiske grundlag, så du senere kan anvende din almene viden om psykologi til direkte kontakt med klienter, konsultativ praksis, forebyggende arbejde, eller som fundament for en fremtidig karriere inden for forskning.
Kandidatuddannelsen bygger på teori og er, udover den obligatoriske praktikperiode, ikke en praktisk uddannelse. Den praktiske del af psykologien møder du først, når du er færdig som kandidat og gennem dit arbejde kvalificerer dig til først autorisation som psykolog, og måske senere som specialist. 
Karrieremuligheder
Som færdiguddannet psykolog kan du efter to års klinisk praktisk arbejde opnå autorisation og dermed blive privatpraktiserende psykolog. Kandidatuddannelsen og autorisationen åbner op for en lang række arbejdsområder. Det kan eksempelvis være undersøgelsessamtaler, testning og diagnosticering af klienter, terapisamtaler både individuelt og i grupper, udarbejdelse af behandlingsplaner for specialundervisning, samtale med og undervisning af pårørende til klienter, supervision og undervisning af personale. Du kan også arbejde i konsulentbranchen, som leder eller bruge din psykologiske viden til at løse opgaver i virksomheder. Som kandidatuddannet kan du også tage en ph.d. eller arbejde inden for forskning og undervisning. 

Link til uddannelsens studieordning 

Kandidatuddannelsen i datalogi, AU
Kandidatuddannelsen i Datalogi udvikler dine evner inden for datalogiske grunddiscipliner som eksempelvis programmeringssprog, algoritmik og kryptologi. Uddannelsen foregår på engelsk, og du kommer til at bruge meget tid på logik og matematik. Du har i løbet af uddannelsen gode muligheder for at specialisere dig inden for dine interesseområder, hvad end det er komplekse algoritmer, IT-sikkerhed, pervasive computing eller noget helt fjerde. 
Karrieremuligheder
Som kandidatuddannet i Datalogi kan du arbejde i softwarehuse eller firmaer, der specialiserer sig i ITsikkerhed. Det kan eksempelvis være inden for medicinsk teknologi, offentlig administration eller bioinformatik. Du kan også arbejde som IT-konsulent i mange forskellige brancher, som underviser på et gymnasium eller fortsætte din uddannelse inden for forskningens verden i form af en ph.d.-uddannelse.

Link til uddannelsens studieordning

Opsummering af sammenligning
På baggrund af materialet blev aftagerne bedt om at vurdere, hvorvidt ”kandidatuddannelsen i Cognitive Science vil bidrage med kompetencer, som ikke er dækket af de beslægtede uddannelser”. Alle besvarelser vurderede, at Cognitive Science vil bidrage med unikke kompetencer i større eller mindre grad. Medianen for besvarelserne var ”I høj grad”. 71% af besvarelserne svarede enten ”I høj grad” eller ”I allerhøjeste grad”. 

Aftagerne blev også bedt nævne andre (semi-)beslægtede uddannelser og de er fremhævet her:

Cand.it i IT og Kognition, Københavns Universitet
Vurdering: Uddannelsen har et vist overlap med den foreslåede uddannelse, men bygger ikke på en fagspecifik bachelor i Cognitive Science og vil derfor for en del fags vedkommende være på et lavere kognitionsfagligt niveau. I et regionalt perspektiv vil de to uddannelser appellere til forskellige studentergrupper og understøtte delvist forskellige arbejdsmarkeder. Det er endnu sparsomt med ledighedstal for uddannelsen. Men i 2015 dimitterede i alt 14 kandidater, og ved udgangen af 2. kvartal var beskæftigelsesgraden 81 %.

Cand. Polyt. i produkt og designpsykologi, AAU
Vurdering: Uddannelsen bygger oven på en bachelor i designpsykologi. Der er et vist overlap mellem de to uddannelser. Begge har fokus på kognitive systemer og deres interaktion med omverdenen. Uddannelserne i Aalborg har imidlertid tilsammen væsentlig mindre statistik og data-science end uddannelserne i Cognitive Science (BSc og MSc under et). Sprog og hjerne er væsentlige fagelementer på Cognitive Science, som ikke findes i samme grad på AAU. Til gengæld har uddannelsen i Aalborg et stærkere fokus på teknisk design og produktudvikling. Beskæftigelse: Der er endnu ikke beskæftigelsesdata for 4.-7. kvartal for denne uddannelse (skyldes dels små årgange). I årene 2012-2015 er i alt 24 dimitteret fra denne uddannelse. 2011 årgangen har en beskæftigelsesgrad på 73%.

MSc in mathematical modelling and Computation /specializing in Cognitive Science and technology
Vurdering: Kandidatuddannelsen i mathematical modelling and computation bygger ikke oven på en bachelor i kognitionsvidenskab. De kognitionsvidenskabelige discipliner fylder kun sammenlagt 10 ECTS på kandidatuddannelsen. De kognitionsvidenskabelige discipliner vil derfor være på et lavere fagligt niveau end på kandidatuddannelsen i Cognitive Science. De matematiske og computationelle dele vil til gengæld formodentlig være på et højere fagligt niveau. I et regionalt perspektiv vil de to uddannelser appellere til forskellige studentergrupper og understøtte delvist forskellige arbejdsmarkeder. Der findes endnu ingen ledighedstal for uddannelsen. Der er tale om en ny uddannelse, og i 2015 dimitterede de første 68 studerende. Ved udgangen af 2. kvartal havde de en beskæftigelsesgrad på 93%.

Opsummering af sammenligning
På baggrund af ovenstående vurderes kommende dimittender fra kandidatuddannelsen i Cognitive Science ikke at få konsekvenser for de delvist beslægtede uddannelsers dimittender, dels pga. de begrænsede overlap, dels på grund af stigende efterspørgsel og dels pga. af den lave migration af arbejdskraft imellem de danske landsdele. Uddannelserne i Aalborg uddanner ingeniører, mens nærværende uddannelse sigter på en cand.it.-titel og dermed andre jobfunktioner.

Rekruttering sker primært fra BSc i Cognitive Science fra Aarhus Universitet. Det vurderes, at der ikke vil være nogen målbare konsekvenser for rekruttering på andre uddannelser.
http://ufm.dk/uddannelse-og-institutioner/statistik-og-analyser/sogning-og-optag-pa-videregaende-uddannelser/grundtal-om-sogning-og-optag/mobilitet-vidergaende-uddannelser/1-prio-ans-uniaarhus-1.pdf

Kandidatuddannelsen i Cognitive Science giver adgang til ph.d.-uddannelsen efter gældende regler på området. 

Der forventes et årligt optag på 40 studerende dvs. 120 studerende inden for en 3 årig periode.

Ikke relevant.