Digital Health

  • Type: Vorlesung (V)
  • Semester: WS 20/21
  • Time: 05.11.2020
    16:00 - 17:30 wöchentlich


    12.11.2020
    16:00 - 17:30 wöchentlich

    19.11.2020
    16:00 - 17:30 wöchentlich

    26.11.2020
    16:00 - 17:30 wöchentlich

    03.12.2020
    16:00 - 17:30 wöchentlich

    10.12.2020
    16:00 - 17:30 wöchentlich

    17.12.2020
    16:00 - 17:30 wöchentlich

    07.01.2021
    16:00 - 17:30 wöchentlich

    14.01.2021
    16:00 - 17:30 wöchentlich

    21.01.2021
    16:00 - 17:30 wöchentlich

    28.01.2021
    16:00 - 17:30 wöchentlich

    04.02.2021
    16:00 - 17:30 wöchentlich

    11.02.2021
    16:00 - 17:30 wöchentlich

    18.02.2021
    16:00 - 17:30 wöchentlich


  • Lecturer: Prof. Dr. Ali Sunyaev
    Scott Thiebes
    Manuel Schmidt-Kraepelin
  • SWS: 2
  • Lv-No.: 2511402
  • Information: Online
Inhalt

Der Masterkurs Digital Health führt Masterstudenten in das Thema Digitalisierung im Gesundheitswesen ein. Die Studierenden lernen die theoretischen Grundlagen und praktischen Auswirkungen verschiedener Themen rund um die Digitalisierung im Gesundheitswesen kennen, darunter Health Information Systems, Telematik, Big Data im Gesundheitswesen und patientenzentrierte Gesundheitsversorgung.

Nach einer Einführung in die Herausforderung der Digitalisierung im Gesundheitswesen geht es in den folgenden Sitzungen um eine vertiefte Auseinandersetzung mit ausgewählten Themenschwerpunkten, die aktuelle Herausforderungen in Forschung und Praxis darstellen. Die Studierenden arbeiten (in einer Gruppe von 3-4 Personen) an einem ausgewählten Thema und müssen eine Kursarbeit schreiben. Die Studierenden können ein Thema aus einer Vielzahl von Themenbereichen auswählen. Zur Beantwortung der Forschungsfragen können die Studierenden auf Literaturübersichten zurückgreifen, aber auch Interviews, Umfragen, Programmieraufgaben und andere Forschungsmethoden sind möglich.

Es wird eine kurze Einführung in die Themen für die Kursarbeit in den folgenden Themenbereichen gegeben. Darüber hinaus wird es möglich sein, eigene Themen als Gruppe in den Themenbereichen vorzuschlagen: 

  • Mobile Health (mHealth) / Gamification
  • Distributed Ledger Technology / Blockchain
  • Artificial Intelligence / Machine Learning
  • Genomics / Biomedical Data

Da wir in dieser Lehrveranstaltung Themen anbieten, die auch den Forschungsinteressen unserer Forschungsgruppe entsprechen, kann es die Möglichkeit geben, die Themen im Rahmen einer Abschlussarbeit zu vertiefen.

Lernziele:

Die Studierenden kennen die Herausforderungen der Digitalisierung im Gesundheitswesen und können relevante Konzepte und Technologien zur Bewältigung dieser Herausforderungen einsetzen. Die Studierenden lernen, in Teams zu arbeiten und digitale Gesundheitsthemen mit Kommilitonen, Forschern und Praktikern kritisch zu diskutieren.

Anmerkungen:

Die Teilnehmerzahl ist auf 24 Studierende begrenzt. Bitte melden Sie sich  hier an: https://portal.wiwi.kit.edu/ys/3897

Die Anmeldung ist vom 11. September 2020 bis zum 12. Oktober 2020 möglich.

Bitte stellen Sie sicher, dass Sie zu den folgenden Terminen verfügbar sind, wenn Sie an dem Kurs teilnehmen möchten:

  • 05.11.2020, 16:00–17:30 - 1. Einführung in Digital Health
  • 12.11.2020, 16:00–17:30 - 2. Themenbereich Präsentation #1
  • 19.11.2020, 16:00–17:30 - 3. Themenbereich Präsentation #2
  • 26.11.2020, 16:00–17:30 - 4. Gastvortrag
  • 25.02.2021, 10:00–17:00 - Abschlusspräsentation

Weitere Informationen über die Kursstruktur werden in der ersten Sitzung bekannt gegeben. Je nach Anzahl der Teilnehmer können die einzelnen Sitzungen eine kürzere Dauer haben.

Die Sitzungen finden online über MS-Teams statt. Wir werden einen Link zum Beitritt zum Team bereitstellen, wenn Ihre Anmeldung genehmigt wurde.

Wenn Sie Fragen zur Kursanmeldung haben, wenden Sie sich bitte an scott.thiebes@kit.edu oder manuel.schmidt-kraepelin@kit.edu

Arbeitsaufwand:

4,5 ECTS = ca. 135 Stunden.

VortragsspracheDeutsch/Englisch
Organisatorisches

Bitte beachten Sie die geänderte Terminplanung und das geänderte Anmeldeverfahren (https://portal.wiwi.kit.edu/ys/3897)