• Identificer og forklar en problemstilling, der er relevant i relation til data-drevne beslutninger, problemstillingen skal være forankret i egen organisation, eller i en anden empirisk kontekst.
• Vis (demonstrer) hvordan et udvalg af de teorier og begreber, der behandles i kurset kan anvendes i forbindelse med analyse af den valgte problemstilling.
• Evaluer/reflekter over analysens praktiske og teoretiske implikationer.

Nye teknologier, som f.eks. kunstig intelligens/AI, tilbyder organisationer og beslut-ningstagere nye og uprøvede muligheder for indsamling, bearbejdning og analyse af store datamængder. Sådanne analyser der giver beslutningstagere bedre muligheder for at forstå og håndtere avancerede problemer og løsninger, samtidig med at beslut-ningstagere står overfor mange nye udfordringer, fordi vor tids organisationer befin-der sig i en stadig mere kompleks og dynamisk omverden.

Kurset giver deltagerne mulighed for at tilegne sig kompetencer, der sætter dem i stand til at; udvikle komplekse forståelser af organisatoriske beslutningstagen under anvendelse af ny teknologi, kombinere dataanalyser med intuitive vurderinger, og styrke beslutningstagen i komplekse og dynamiske situationer.

I løbet af kurset introduceres deltagerne til forskellige teoretiske tilgange til beslut-ningstagen, gåede fra rationelle evidensbaserede tilgange til beslutningstagen, til tilgange, der fremhæver anarkiske, intuitive og ekspertisebaserede dimensioner af beslutningstagen.

I undervisningen lægges der vægt på praktisk anvendelse gennem cases og interak-tive øvelser, som gør det muligt at overføre læringen til deltagernes egen organisato-riske kontekst. Et særligt fokusområde er, hvordan machine learning og kunstig intel-ligens er ved at ændre beslutningsstrukturer i organisationer, og hvordan ledere kan udnytte teknologierne uden at miste den menneskelige dømmekrafts styrke.

• Klassisk og grundlæggende teori
• Undervisers egen forskning
• Modeller

• Udvikling af forskningsspørgsmål
• Dataindsamling
• Analyse
• Diskussion, kritisk refleksion, modelarbejde