Språk och kommunika5on på Sannolikhetsteori (MSG110) ht- 14 Claes Ohlsson Avdelningen för fackspråk och kommunika5on Chalmers tekniska högskola claeso@chalmers.se Avdelningen för fackspråk och kommunika5on på Chalmers förbereder för akademiens och yrkeslivets kommunika5onskrav! jobbar med integrerad undervisning om akademisk och teknisk kommunika5on 5llsammans med ämnesföreträdare på hela Chalmers (och GU) finns med på alla nivåer från år 1 5ll master- och forskarnivå På svenska och engelska skriqligt och muntligt Fackspråksinslag på programmet Matema5k 1 skriva en koherent sammanfasning av informa5on från flera källor Flervariabelanalys tavelpresentera som en matema5ker MSG110 Sannolikhetsteori Ordinära differen5alekva5oner och Matema5sk modellering skriva och presentera vetenskaplig rapport Kandidatexamensarbete Problemlösning Inlärning A; kunna analysera A; hi;a nya infallsvinklar A; @llägna sig teorikunskaper handlar all5d om kommunika5on! Och framgången beror oqa på hur kommunika5onen lyckas både i skriqlig och muntlig form 1
Kommunika@onsförmåga är e; av de vik@gaste verktygen för ingenjören! Studier visar as mer än hälqen av arbets5den för en ingenjör går ut på as kommunicera på olika säs Kreth, M. A survey of the co- op wri5ng experiences of recent engineering graduates. IEEE Transac*ons of Professional Communica*on, Vol 43 (2) sid. 137-152. (2000) Schneider, B. & Andre, J. University prepara5on for workplace wri5ng: percep5ons of students in three disciplines. Journal of Business Communica*on, Vol 42 (2) sid. 195-218. (2005) Fackspråk behövs "Vi ser generellt en brist på skriqliga kommunika5onsfärdigheter hos de nyutexaminerade. De har svårt as undvika as gräva ner sig i detaljer, strukturera texten och tydligt framhäva kärnan i sis budskap." (en industrirepresentant i samtal med kursansvarig lektor på chalmersins5tu5on) Fackspråk behövs 5 Must- Have SoJ Skills for Engineers Career Success 1: Communica@on While speaking, wri5ng, and listening are everyday ac5ons, many professionals underes5mate the importance of communica5on skills. Engineers tend to priori5ze technical skills over communica5on skills, not realizing that they cannot be fully effec5ve in their jobs if they are inadequate speakers, writers, and listeners. Yet it is par5cularly in the engineering fields that effec5ve communica5on skills are crucial to success. hsp://news.thomasnet.com/imt/2013/03/18/5- must- have- soq- skills- for- engineers- career- success/ och vår avdelning är unik Verksamheten är den enda av sis slag på es svenskt lärosäte Inget annat universitet erbjuder och satsar på integrerad undervisning om språk och kommunika5on Det ger resultat vilket visats i utvärderingar av verksamheten vid Chalmers och inte minst i kommentarer från studenter och ämneskollegor 2
Olles "beställning" 5ll oss Ta upp akademiskt skrivande och akademiskt klarspråk från es matema5kperspek5v Mål för momentet 1. Hjälpa er 5ll ökad kunskap och reflek5on när det gäller omgivningens förväntningar och krav på akademisk text era egna färdigheter som skribenter och läsare av akademiska texter 2. Öka er generella kunskap om vad som kännetecknar en välfungerande akademisk text matema5kämnets hantering av akademiskt fackspråk Hur når vi målen? 1. Dagens föreläsning om akademisk kommunika5on och texter i vår verksamhet om akademiskt skrivande i matema5kämnet 2. Workshop/skrivseminarium ons. 15/10 utgångspunkt i Olles uppgiq prak5sk träning i as läsa och kommentera en annan skribents text 3. OmsäSning av kommentarer 5ll den slutliga versionen av uppgiqstexten Utgångspunkt: Akademiskt arbete = språkarbete Högre utbildning och akademiskt arbete handlar 5ll mycket stor del om as läsa och skriva 3
Akademiskt arbete = språkarbete (1) Akademiskt arbete = språkarbete (2) Språket är es av våra vik5gaste verktyg för as beskriva, analysera och diskutera olika ämnen Språket blir också helt centralt när vi ska förmedla och rapportera våra resultat från uppgiqer och undersökningar AS kunna möta krav och förväntningar på språkhantering är vik5gt för er som studenter (och naturligtvis även för oss som är lärare och forskare) Akademiskt arbete = språkarbete (3) För as hantera förväntningar och krav behövs: Kunskap om den akademiska "språkvärlden" i allmänhet och inom det egna ämnet i synnerhet Kompetens för as både skriva och läsa texter i akademiska sammanhang Språklig självkännedom. Vad är jag bra på? Vad behöver utvecklas och tränas ännu mer? Hur gör jag det? Akademiskt arbete = språkarbete (4) Kunskap om den akademiska "språkvärlden" vi blir språkligt insocialiserade genom undervisningens texter (både genom as skriva och läsa) "learning by doing" i högre utbildning finns oqa es antagande om eget ansvar hos studenten när det gäller språkhantering. Även antagande om as 5digare utbildning givit 5llräckliga kunskaper räcker det? (inte all5d) 4
Akademiskt arbete = språkarbete (5) Kompetens för as både skriva och läsa texter i akademiska sammanhang är något som utvecklas under en utbildning har med progression as göra mer komplexa uppgiqer kräver högre språklig kompetens stöds (i bästa fall) genom instruk5oner och feedback på GU finns också stöd genom Språkhandledningen (och insatser som idag!) Akademiskt arbete = språkarbete (6) Språklig självkännedom innebär as akademiskt språkarbete bygger på vår vardagliga språkliga kompetens medvetenhet om starka och svaga sidor blir nödvändig vi måste träna, bearbeta och utöka den individuella språkliga verktygslådan under en hel utbildning och karriär man aldrig blir fullärd Språket som självklart verktyg Vi har grundläggande metoder för as skriva (och as tala). Vi kan välja as: berä;a beskriva instruera förklara ta ställning/argumentera Dessa fem motsvarar våra vik5gaste usrycksbehov och förekommer mer eller mindre i alla kommunika5onssitua5oner 5
Texter har funk5oner Texter och i synnerhet facktexter produceras av någon om något för en viss målgrupp vid es särskilt *llfälle Texter förmedlar informa5on och kunskap de har innehåll Texter förhåller sig 5ll avsändare och mosagare de är rela*onsskapande Texter är utormade för as uppfylla sina syqen form och språkliga aspekter spelar roll Texter och genrer (1) Vi använder oss av otaliga genrer för as kategorisera och bedöma texter Några genreexempel från vardagen är: nyhetsno5s, reklam, e- postmeddelande, recept, sms- meddelande, blogginlägg, m.fl. "Stora genrer": skönliseratur, roman, novell, deckare, reportage, lärobok etc. Texter och genrer (2) Genrer är kategoriseringsverktyg både för liserära och fackspråkliga texter...men är särskilt vik5ga just för facktexter där funk*on och användning står i centrum Facktexter i en viss genre har all5d mönster när det gäller s5l, funk5on och komposi5on Genrer är kategoriseringsverktyg Om vi saknar kunskap om en genre och dess mönster skapas förvirring om hur vi ska tolka och använda texten Genrekunskap är centralt: för as hantera språkförväntningar för as kunna skriva och läsa inom es kompetensområde för as vara en kompetent språkbrukare på det individuella planet 6
Den akademiska texten som genre En akademisk text utgår från innehållet ämnet står i centrum, inte förfasarna Den akademiska texten behöver all5d redovisa, förklara och diskutera för as nå sina mål Berä;ande och beskrivande är stöd men sällan mål Fokus på argumenta@on som verktyg för både tanke och språk Argumenta5on sker genom språklig utormning men också på högre nivå genom val av innehåll Tydlighet, sammanhang och stringens as skriva vetenskapligt handlar inte om as skriva onödigt krångligt Akademiskt skrivande och matema5k Burton, L. & Morgan, C. (2000). Mathema5cians Wri5ng. Journal for Research in Mathema*cs Educa*on. 31(4). 429-453. FörfaSarna diskuterar rådande syn på akademiskt skrivande inom (det interna5onella) matema5kämnet FörfaSarna redovisar en studie av 53 ar5klar om matema5k analys av texterna och intervjuer med ca 70 förfasare Akademiskt skrivande och matema5k ES centralt resultat i studien är as det verkar finnas många, ibland motsägelsefulla, uppfasningar om hur matema5k ska presenteras i text och kanske också om vad matema5k innebär som vetenskapligt ämne "Maths isn't what ends up on the page. Maths is what happens in your head. I don't think maths is about proving theorems. It is one cons5tuent, but maths is about mapping abstract ideas in your head and understanding how things relate." (intervjuad matema5kforskare i Burton & Morgan, 2000:446) 7
"Mathema5cs is full of hidden assump5ons. You have to read a paper at least twice to get the real agenda, and you have to go through a process of deduc5on to find out what on earth it is. Is it that the people who are doing it are blithely unconscious of the wider process or is it a process of mys5fica5on? I think some5mes they are only semiconscious of what they are doing and why." (intervjuad matema5kforskare i Burton & Morgan, 2000:448) "I get annoyed with some of my collaborators and a lot of the papers I am sent, which are defini5on, theorem, lemma, proof. That seems to me to be appallingly bad. It is the sort of thing that no one is ever going to want to read. I think it is important to grab the reader from the opening sentence. Not 'Let A be a class of algebras such that...' Change it to 'This paper opens a new chapter in duality theory.'" (intervjuad matema5kforskare i Burton & Morgan, 2000:449) UppgiQen "Frågeställning: Hur åstadkommer man en följd av oberoende stokas5ska variabler X1, X2, X3,... som är normalfördelade med givet väntevärde μ och given standardavvikelse σ utgående från en sekvens av oberoende stokas5ska variabler U1, U2, U3,... som alla är likformigt fördelade på intervallet [0,1] (teore5skt och med prak5skt med hjälp av så kallade pseudoslumptal)? Studiedel: Det finns i liseraturen minst 3 olika idéer: [ ]" UppgiQen "UppgiQen är as i en ca 3-5 sidor lång text beskriva två av dessa metoder med källhänvisningar. På slutet av denna text skall du MatLab- implementera de två beskrivna metoderna med utgångspunkt från pseudoslumptal U1, U2, U3,... genererade i MatLab. Beskriv och använd koden för as generera 10.000 oberoende normalfördelade variabler med väntevärde 10 och standardavvikelse 3. På lämpligt säs skall ni slutligen presentera empiriska fördelningen för dessa och jämföra med den teore5ska normalfördelningen. [ ]" 8
Sammanfa;ning: Kort sammanfasning (es "abstract") av rapportens syqe och innehåll. Allmän kort Introduk@on: Vad har man för nysa av (Monte Carlo) simulering. Vad är pseudoslumptal. Hur genereras dessa i MatLab. Exempel på användning av es pseudos5ckprov för as studera någon sta5s5sk egenskap. Dessutom en schema5sk översikt av avsnisen som sedan följer. Metodbeskrivningar av de två metoder ni valt: En delrubrik för varje metod. Implementering av de två metoderna i MatLab (redovisa med kod och lämplig beskrivning) Enkel empirisk validering av metoderna (se ovan) Diskussion om för och nackdelar med de två metoderna Referenser UppgiQen som utgångspunkt Olle ger er alltså en mall för hur han förväntar sig as uppgiqen ska redovisas i text Mallen följer i stora drag de förväntade dragen i en akademisk rapport eller ar5kel IMRaD- strukturen Introduc5on, Method, Results and Discussion Varför IMRaD? "IMRaD is the most common physical structure for science papers" (Schimel 2011, Wri*ng Science) "[ ] This so- called 'IMRAD' structure is not an arbitrary publica5on format but rather a direct reflec5on of the process of scien5fic discovery. Long ar5cles may need subheadings within some sec5ons (especially Results and Discussion) to clarify their content. Other types of ar5cles, such as case reports, reviews, and editorials, probably need to be formased differently." (Uniform Requirements for Manuscripts SubmiSed to Biomedical Journals: Wri5ng and Edi5ng for Biomedical Publica5on) Fördelar UnderläSar för läsaren genom tydlig struktur Det blir läsare as snabbt överblicka en stor mängd ar5klar för en liseraturgenomgång om alla följer IMRaD LäSare as urskilja relevanta ar5klar IMRaD erbjuder en fast ordning för förfa;aren Egentligt forskningsarbete följer sällan IMRaD- strukturen som då blir es hjälpmedel för as ordna och strukturera arbetet i textorm Fokus på huvudpoängerna den mest relevanta informa5onen för varje del får räs utrymme LäSare as undvika onödiga detaljer Arbetsprocessen framställs tydligt och logiskt 9
Nackdelar IMRaD följer en ideal eller önskad struktur för forskningsarbete Modellen kan kri5seras för as vara stelbent och förenklande I egentligt forskningsarbete sker många saker sam5digt, i olika ordning och hänsyn måste tas 5ll oväntade händelser IMRaD visar inte hela arbetsprocessen Krea5vitet och sidospår skapar oqa upptäckter men ryms inte i modellen Inledning ES inledningsavsnis omfasar bakgrund @ll och syje för den studie som genomförs och redovisas En bakgrundspresenta5on behövs för as säsa studien i es sammanhang SyQe studiens varför frågor "packar" upp syqet frågor som de enskilda problem som ska undersökas Inledning Möjlighet as skapa förväntningar Inledningens syqe: as ge bakgrund as placera forskningen/undersökningen inom området, as peka på as det finns behov av mer forskning/undersökning as peka på hur undersökningen fyller det iden5fierade behovet av mer forskning/undersökning as redogöra för den teore5ska grunden as redogöra för syqet med rapporten as beskriva problemet som undersöks eller formulera frågor som ska besvaras as avgränsa forskningen/undersökningen Metod Hur en undersökning går @ll ES metodavsnis ska innehålla en tydlig beskrivning av hur ni har gås 5llväga i en undersökning och kan även innehålla diskussion om avgränsningar Fokus på materialhantering och redovisning Ämnet/projektet/syQet står i centrum, inte det kronologiska 5llvägagångssäSet 10
Metod Vad gjorde ni? Varför gjorde ni det (och inget annat?) Metoden syqar 5ll: as beskriva vad man konkret gjorde i forskningen/ undersökningen as beskriva varför man gjorde just så (och inte valde en annan metod) as beskriva vilket material/utrustning (t ex labora5onsmateriel) man använde för as genomföra forskningen/undersökningen (t ex es experiment i es laboratorium eller en datorsimulering) as möjliggöra en upprepning av forskningen/ undersökningen (för validering eller av andra skäl) Resultat ResultatavsniSet syqar 5ll: as beskriva resultat(en) av undersökningar i form av t ex observa5oner och datorstödda analyser/ mätningar eller labora5va experiment Resultatdelen är det huvudsakliga vetenskapliga bidraget med rapporten Resultat Behöver all5d en egen struktur Bestäm disposi5on för resultatkapitel i förhållande 5ll syqe och frågeställningar ES eller flera resultatkapitel? Disposi5on eqer teman? Disposi5on eqer en process? Er arbetsprocess? Prak5kens process? [ ] Inledning 5ll resultatbeskrivning (Påminn läsaren om syqet) Inled med as sammanfasa resultat och koppla ihop med syqet Kort stycke om vik5gaste resultaten Kort stycke med samtliga observa5oner 11
Diskussion Diskussion syqar 5ll: as hänvisa 5ll och anknyta 5ll inledningen as diskutera resultat(en) i förhållande 5ll det teore5ska ramverket man valt, annan forskning, och den metod man använt as utvärdera resultat(en) med utgångspunkt från syqesformuleringen i den inledande delen as närmare diskutera förväntade respek5ve oväntade resultat as diskutera konsekvensen av de avgränsningar man gjort as diskutera vad som kan göras bäsre i händelse av upprepning av eventuella experiment [as diskutera vidare implika5oner av resultat(en), även utanför det egna forskningsområdet, och därigenom peka på tvärvetenskapliga vinster med forskningen/undersökningen.] Matema5k i texten Matema5ken samverkar med gramma5ken Separera vik5g matema5k från övrig text på en egen rad Ibland är ord bäsre än matema5ska symboler Inled aldrig en mening med es matema5skt usryck Definiera vad variabler och formler betyder Se upp med syqning i matema5ska texter. Numrera formler och ekva5oner Teori/liSeratur och källor Källor används för as styrka egen argumenta5on och för as stödja påståenden och faktauppgiqer i texten samt visa på omfasningen och relevansen av den egna eqerforskningen Vi mo5verar (explicit eller implicit) vårt urval av källor på flera säs: källorna representerar en samsyn (mainstream) källorna är de mest citerade källorna 5llhör nytänkare/utmanare källorna är "färskast", den nyaste forskningen Teori/liSeratur och källkri5k En akademisk text som används som källa ska ha hög trovärdighet Internet är inte en källa, det är es medium Läroböcker har andra syqen än ar5klar, monografier, redigerade böcker och forskningsrapporter Andra studenters texter om teori räcker sällan 5ll som fullständig källa Akademiska 5dskriQer/journaler har varierande status och trovärdighet beroende på reviewförfarande och ranking De bästa akademiska källorna är de ursprungliga - undvik andrahandscitering 12
Använd es system för referenshantering konsekvent i texten UtnySja bibliotekets guider: hsp://guides.lib.chalmers.se/referensguide hsp://guides.lib.chalmers.se/apa_guide Referenslistan placeras eqer rapportens huvudsakliga text och innehåller alla de källor som använts i texten Sammandrag/abstract: en mycket kort text (oqast inte mer än 150-250 ord) som effek5vt sammanfasar helheten av rapporten. Tänk på as denna del placeras före innehållsförteckningen Innehållsförteckningen innehåller samtliga rubriker samt dessas sidhänvisningar dock finns inte "abstract" eller "sammandrag" med i innehållsförteckningen Tabeller, diagram, bilder m.m. UtnySja gärna tabeller och figurer för as exemplifiera och förtydliga resonemang ni för i texten Figurer ska förstärka och illustrera er text låt aldrig en bild vara okommenterad Kom ihåg källhänvisning för och numrering av eventuella bilder, figurer och liknande figurrubrik = under figuren tabellrubrik = över tabellen Workshop 15 okt. Tid: 13.15-15.00. Plats: MVF26 Utgångspunkt och arbetsmaterial är en så komples textversion av uppgiqen som möjligt Ta med utskrivna kopior av texten (minst två) 13
Workshop 15 okt. Er grupp paras ihop med en annan grupp Ni läser varandras texter och ger konstruk5va kommentarer, både med hänsyn 5ll språk och innehåll Använd stöd för läsning och kommentarer (delas ut på plats) Olle och jag finns på plats 14