Datalogiens historie og denakademiske verden

Henrik Kragh SørensenInstitut for Videnskabsstudier, Aarhus Universitethks@ivs.au.dkwww.henrikkragh.dk

Resumé

Undervisningsgangens temaer: Datalogiens og computerens historie. Datalogi i Dan-mark; ‘merkantalistiske’ og ‘nationalistiske’ argumenter. Computere, datalogi og sam-fundsudvikling. Datalogiske institutioner. De første (danske) dataloger. Dansk data-logisk identitet? Den akademiske verden og dens infrastruktur: universiteter og dereshistorie og opbygning, peer-review, forskningsetik.Case(s): “Datamatisering”: (Ensmenger 2003). Dansk datalogi mellem private og of-fentlige institutioner: (Klüver 1999).

Forelæsning #4, 2009-05-05Datalogiens Videnskabsteori 2009

Dagens program

? Meddelelser og spørgsmål.

? Sidste gang: Matematik og datalogi

? Datalogiens historie(r)

? Universitetets historie og ideologi

? Akademisk infrastruktur

? Overgang (og næste gang): Datalogiens profession

Meddelelser

? Tilmelding på AULA — også på øvelseshold. Kom til øvelserne.

? Øvelser denne uge (Martins og Torbens hold): onsdag 14-17 i auditoriet i bygning1110 (ved siden af det normale øvelseslokale).

? Kursusplanen gælder — ikke indholdsfortegnelsen i kompendiet → check påAULA.

? Eksamen 15. til 17. juni.

? Eksamenstilmeldinger → check! → studerende fra tidligere år: kontakt gerneHenrik.

? Vejledning i at skrive opgave ved forelæsning #7; opgave-skabelon på AULA.

Datalogi i det akademiske landskab

? Tidligere om datalogiens indhold (og datalogiens historie og universitetets idehi-storie):

? Datalogi “låner” videnskabelighed fra andre discipliner→matematik, lingvistik,logik, . . . .

? Datalogi og computere “hjælper” andre discipliner . . .

− som modelleringsværktøj i naturvidenskaberne → virtuelle laboratorier →irreproducible “eksperimenter”, visualisering (udvidet sansning).

− som “paradigme” i kognitions-videnskaber og lingvistik → kunstig intelli-gens (forskningsprogram), formalisering af teorier, “afprøvning” af teorier.

− som redskab i matematikken→ beviser, eksperimenter, empiri (heuristik).

? Datalogi som paradigme og computere som definerende teknologi.

2

Computer- og datalogi-historie

? Forskellige tilgange:

− Teknologihistorie→ computeren som teknologi,

− Videnskabshistorie → kognitiv udvikling (erkendelse, idehistorie), forbin-delse til matematik,

− Professionshistorie→ disciplindannelse, identitet,

− Arbejds(markeds)historie → organisationer og firmaer, medarbejdergrup-per og ledelse, effektivisering,

− Økonomisk historie→ rationalisering,

− Samfundshistorie→ teknologi og samfund.

? Ikke-disjunkte analyseniveauer→ fler-strenget historie.

The Endless Frontier

? USA’s militær understøttede videnskab og forskning under WWII:

− Adskillige programmer (ONR m.fl.),

− Forskernes “frihed” i emne- og metode-valg,

− Institutionel forankring ved akademiske institutioner.

? Vannevar Bush 1945 rapport til USA’s præsident:

− Fokus på (grund)videnskab i krig og fred.

− “Den lineære model”: grundforskning giver teknologisk innovation.

− Det nationale aspekt: videnskab og teknologi som kultur og som kompetitivfordel.

− “Merkantilistisk” argument.

Computere i krig og fred: WWII

? Teknologiske og (matematisk) videnskabelige “produkter” af WWII:

− Teknologisk innovation, fx. radar og raketter,

− Logistisk planlægning (lineær programmering, operationsanalyse),

− Manhattan projektet (inkl. store numeriske beregninger),

− Kodebrydning (Bletchley Park).

? Første generelle computere udtænkt (von Neumann) og planlagt→ gennemførtumiddelbart efter krigen.

3

Kryptologi og matematik

? Kryptologi oprindelig en “kunst”.

? JOHN WALLIS’ (1616–1703) kvalifikation for matematikprofessorat (1649).

? Kodebrydere: bridgespillere, skakspillere, krydsordsløsere, lingvister, etc.

? Mekanisering og nye koder: ingeniører (videnskabsmænd) og matematikere.

? Matematisering (computerisering) påbegyndt under Anden Verdenskrig; RSAgjorde kryptering matematisk.

? Anvendt talteori.

? NSA i dag største beskæftigelse af matematikere.

Datalogi- og matematikhistorie

? Fokus på computeren som automatisk regnemaskine,

? Forhistorie hos bl.a. GOTTFRIED WILHELM LEIBNIZ (1646–1716),

? CHARLES BABBAGES (1791–1871) design af en “analytical engine”.

? Den “abstrakte” computer, ALAN TURING (1912–1954), Halting-problemet og for-bindelserne til logik og fx KURT GÖDELS (1906–1978) resultater.

? Udviklingen af computere til numeriske beregninger og kodebrydning under WWII.

? Professionalisering og gensidig påvirkning af matematikkens udvikling i efter-krigsperioden→ selvstændiggørelse.

Fra hulkort til EDB

? Hulkort-maskiner benyttet . . .

− ved amerikanske og danske folkeoptællinger i slutningen af 1800-tallet hhv.1911,

− i store (amerikanske) firmaer (fra omkring 1900),

− i danske stats-, kommunal- og privatinstitutioner (Hafnia 1919, DSB 1922,. . . ).

? IBM som leverandør af hulkort-systemer med periferi-enheder,

? Leasing af systemer eller brug af beregningscentre,

4

? “Software” nærmest ikke-eksisterende.

? Første elektroniske computere “arver” (meget af) denne struktur→ computeren“genopdages” et par gange i erhvervs-øjemed.

Elektroniske computere

? Vacuumrør, fx

− Colossus (Bletchley Park),− ENIAC: Electronic Numerical Integration And Computer (Mauchly & Eck-

ert, Pennsylvania, 1946),− EDSAC: Electronic Delay Storage Automatic Calculator (Wilkes, Cambridge,

1949).

? Transistorer, fx

− Transistorized eXperimental computer 0 (TX-0) (Olsen, Lincoln Lab & MIT,1955–57),

− PDP-1 (DEC, Digital Equipment Corporation (Olsen & Anderson), fra 1959),− IBM System/360 (1964).

? Mainframes:

− Batch processing via operatører, senere også− Timesharing via teletypes.− System/360: delvis hardware-abstraktion.

Software-krisen fra 1960’erne

? System/360 satte nye standarder for software-udvikling.

? Udgifter til software oversteg udgifter til hardware,

? Problemer med at lede software-udvikling,

? Software-udvikling som en ingeniørvidenkab→ ledelse, organisering,

? Mangel på (dygtige) software-folk,

? NATO-konference i Garmish (Sonnenbichl) 1968,

? Software som produkt på programmet→ forskning i software-udvikling→ sprog,ledelse, test, etc.

5

Professionalsering af software

? Professionelle foreninger,

? “Officielle” uddannelser,

? Position på arbejdsmarkedet,

? “Profession” eller “vocation”?

Regnecentralen: Oprettelsen

? Regnemaskineudvalget dannet 1946: overvåge udviklingen inden for (elektroni-ske) regnemaskiner og indsamle information.

? Kontakt til svensk computer-konstruktionsprojekt (BESK),

? Akademiet for de Tekniske Videnskaber (ATV) og “Dansk Institut for Matema-tikmaskiner” → selvejende institution Regnecentralen: drift og vedligeholdelse,efteråret 1955→ fejret 50 års fødselsdag.

? Marshall-hjælpen giver startkapital til konstruktionen af DASK (Dansk Aritme-tisk Sekvens Kalkulator) i 1956→ indkøb af villa i Valby.

? DASK var køreklar september 1957→ før deadline (!).

? Præsentation i Forum 1957 og “gennembrud” ved valget til Folketinget 1960.

6

DASK og Folketingsvalget

Bech forklarer for forsvarsministerenog lille-P foran DASK

“Ved maskinfejl knus ruden og regnvidere”

Fra DASK til GIER

? Konservative estimater af behov for regnekraft hurtigt sprængt.

? Geodætisk Institut (KU) med tunge beregningsopgaver.

? Ønske om at bygge transistor-baseret computer.

? Designet af medarbejdere fra Geodætisk Institut (Krarup og Svejgaard), bygget afRegnecentralen→ GIER (Geodætisk Instituts Elektroniske Regnemaskine), 1958–1960.

? Først 8 kopier, siden yderligere 10 i løbet af perioden 1961–63.

? Eksport til bl.a. Norge.

? Installationer ved Regnecentralens servicecentre i København, Århus (1961) ogAalborg (1962).

7

GIER for kodere

Svejgaard, Isaksson, Scharøe Petersen

8

GIER for kodere . . .

GIER for kodere og kongelige

9

To centraler er en for meget

? Datacentralen oprettet 1959 til koordinering af brugen af EDB i statsapparatet, fxkildeskat og CPR.

? Koordinering af indkøb→ veto-ret mod større indkøb.

? Konflikt ved Regnecentralens ekspansionsplaner (DTH, AU, KU fra 1960)→ “Uni-versitetsplanen” (1962).

? Regnecentralen omdannet til A/S (1964), rekonstruktion 1979, nedlagt 1992.

? RECKU og RECAU (1971): EDB-centre ved universiteterne → “spirekasse” fordansk datalogi.

Regnecentralen & Algol 60

Sven Eriksen, Jørn Jensen, Per Brinch Hansen, Berta Henningsen, Ole Sejer Riis, PerMondrup, Paul Lindgreen, Peter Villemoes, Roger House, Peter Kraft og Peter Naur.

? Compiler-gruppen var en af Regnecentralens enheder.

? Implementation og “forskning”.

? Sprog-design, især af Algol.

? Design-processen for Algol-60→ international (europæisk), kommité-drevet spe-cifikation→ styret fra Regnecentralen.

10

? Oversættere til GIER (og andre arkitekturer).

? Forsinkelse pga. folketingsvalget.

? PETER NAUR (?1928) central aktør→ Turing-prisen 2006.

Disciplin- og professionsdannelse

? Udbredelse af programmering.

? Kurser på læreanstalterne.

? Undervisning i skolen.

? Rekrutteringsproblemet.

? Identitets- og professionsdannel-se.

? “Turings Man”?

11

Datalogi ved Regnecentralen

Numerisk-analyse-gruppen på Regnecentralen. Fra venstre, stående: J.C. Delage, B. Weneser,Bodil Nave Andersen, Chr. Gram og Peter Naur; siddende: S. E. Christiansen, Brian Mayoh,

Bjarner Svejgaard, Ole Møller og Kirsten Andersen

Fra Regnecentralen til KU

? Foruden compiler-gruppen også fx en gruppe i numerisk analyse.

? Nære forbindelser til de akademiske anvendere og til matematik.

? Universitetsplanen (KU, 1963):

− Oprettelse af central data-afdeling,

− Oprettelse af professorat i datalogi og tilhørende institut (NAUR, 1969),

− Udbud af kurser til universitetets ansatte,

− Oprettelse af studie-indgang (1968).

? RECKU og RECAU som “brobyggere” til de akademiske miljøer.

12

Datalogi ved AU: Bundgaards drøm

? SVEND BØRGE ERIK BUNDGAARD (1912–1984): Første professor i matematik ved AU(1954),

? Store planer for Matematisk Institut:

− Bibliotek,

− Faste medarbejdere (“lånt” i København),

− Internationale gæster (gæstelejligheder),

− Ph.d.-studerende ud i verden . . . og hjemigen.

? Internationalisering→ “begge veje”.

? BUNDGAARD: “Sådan en ting [datalogi] må viogså have” (ca. 1970).

? Yngelpleje: RECAU, kandidatinstruktorer, ud-landsophold, ansættelse.

? Tilknytning af centrale personer, bl.a. BRIAN

MAYOH og BJARNER SVEJGAARD (1919–1988)fra Regnecentralen.

? Matematisk (teoretisk) funderet datalogi.

? Selvstændigt studiefag 1976.

BRIAN MAYOH

Opsamlinger

? Aspekter af computerens og datalogiens internationale udvikling, bl.a.

− Computere under WWII,

− Fra hulkort til EDB,

− Software-krise.

? Danske computere: Regnecentralen, DASK og GIER.

? Dansk datalogi: Fra Regnecentralen til universiteterne→ øvelser.

13

? Disciplindannelse, institutionsdannelse, professionel identitet→ professionsetik→ næste uge.

Datalogiens historie

? Computerens historie:

− Automatiseret kontormaskine,

− Computere i krig→ numeriske beregninger og kodebrydning,

− Dansk-producerede computere (DASK og GIER).

? Datalogiens historie:

− Videnskabeliggørelse af computer-operation,

− Algoritmer og beregnelighed,

− Software engineering.

? Datalogiens institutionalisering:

− Datalogi i Danmark: Regnecentralen→ RECKU/RECAU→ DIKU/DAIMI,

− Peter Naur (Turing-prisen 2005 for Algol 60).

? Professionalisering (institutioner og roller).

Datalogens (ud)dannelse

? Dannelsesbegreber:

− Klassisk dannelse, formal-dannelse, material-dannelse

− Almen dannelse,

− Kritisk dannelse.

? Datalogen som akademisk “borger”:

− Universitetets idéhistorie,

− Akademisk videnskab vs. professionsfag:

� Teoretisk eller praktisk uddannelse?� Indsigt eller færdighed?� Videnskabelige normer eller ej?

14

Universitetets idéhistorie

? Fra kloster til universitet,

? Første universiteter i 1100-tallet i Norditalien, Paris (Sorbonne 1257), . . . ,

? Københavns Universitet (1479; Reformationen 1536):

− Filosofisk fakultet,

− Juridisk fakultet→ advokater og dommere,

− Medicinsk fakultet→ læger,

− Teologisk fakultet→ præster,

− Matematisk-naturvidenskabeligt fakultet (1850).

? Aarhus Universitet (1928)→ Naturvidenskabeligt Fakultet og Matematisk Insti-tut (1954)→ DAIMI (1971, 1998).

Videnskabens infrastruktur

? CUDOS:

− Communalism,

− Universality,

− Disinterestedness,

− Organized Scepticism.

? Videnskabens etos: Publish-or-perish!

? Videnskabens infrastruktur: mere tillid end kontrol.

− Peer-review→ tidsskrifter og bevillinger,

− Redelighed og ekspert-status.

? Forskning og undervisning→ forskningsbaseret undervisning.

? Finansiering: intern, ekstern og STÅ.

15

Peer-review i tidsskrifter

Refereeing

? Referee’ens rolle (“lynchpin around which the whole business of science is pivo-ted”):

1. bedømme arbejdets kvalitet og relevans for tidsskriftet,

2. vurdere prioritet og nyhedsværdi ved at være bekendt med relevant littera-tur,

3. foreslå ændringer og afkortninger,

4. aflaste redaktørerne,

5. give professionel accept til publikationer.

? Vurdere videnskabelig interesse, begrundelsesgrad, formuleringsevne.

? Sikre acceptable standard for publicerede resultater → fritage brugeren for atgen-checke citerede resultater.

? Kvalitetsgarant eller skolelærer? → flere publikationer?

16

Problemer omkring refereeing

? ‘Noget for noget’→ hvem er referees?

? Forholdet mellem referee og redaktion.

? Forsinkelse i offentliggørelsen→ preprints og synopser.

? Misbrug af rollen som referee? forsinkelse, påstand om plagiat.

? Anonymitet→ ‘disinterestedness’?

“The thought that personal factors could interfere with fair decision making ap-pears to be particularly abhorrent [to idealistic young scientists]. The image of thescientist as a selfless seeker after truth is clearly still cherished by some in a fashionthat does not easily admit to the need for safeguards to undergird virtue.” (Man-heim 1979, 100).

? Referee’ens grundighed: opdages fejl? introduceres fejl? → I sidste ende er tillidtil forfatteren en nødvendighed.

? Innovative artikler vs. ‘normal-videnskab’.

Peer-review og ansøgninger

? Forskningsansøgninger:

− Ph.d.-stipendier,

− Post-doc-stipendier,

− Faste stillinger (adjunkt, lektor, professor).

− Forskningsbevillinger (udstyr, projekter, rammer, centre).

? Vurderinger (refereeing)→ interne og eksterne→ hvad er kvalitet? → publika-tioner.

? Politiske udmeldinger (satsningsområder).

? Forskningsråd og/eller private fonde.

? Forskningsstyring→ mere eller mindre direkte.

17

Videnskabens fremskridt

? Videnskabens eksplosion og tidsskrifternes fremtid→ fra 840 artikler årligt i 1870til 50.000 i 1995.

? Stadig flere tidsskrifter og bøger→ hierarki iblandt tidsskrifterne.

? Review og abstracting services:

− Komprimeret information for at holde sig opdateret,

− Kritiske reviews,

− Vurdere — ikke filtrere — nyhedsstrømmen,

− Adgang til review-tidsskrifter (databaser) er magtpåliggende,

− I dag især elektronisk.

? Behov for hurtig kommunikation:

− Mindre formel kommunikation (email, konferencer, preprints, . . . ),

− Egentlige e-journals?

Et spørgsmål om tillid

? Forskningssystemet er bygget på tillid→ og er skrøbeligt.

? Sikrings-instanser: publikationer og kontrol.

? Publikationer:

− Skriftlighed og sikkerhed,

− Uformel (og hurtig) kommunikation.

? Kontrol:

− Peer-review (intern),

− Redelighed (UVVU) (pseudo-intern),

− Offentligheden.

? Ekspertens roller→ Tillid→ Professionel akademisk identitet.

18

Forskningsetik og UVVU

? Forskningsetik:

− Etiske spørgsmål→ også etisk råd.

− Overtrædelse af god forskningsskik vs. uredelighed.

? Tre Udvalg vedrørende Videnskabelig Uredelighed (UVVU) nedsat af ministerenfor videnskab, teknologi og udvikling → Udvalget vedrørende videnskabeliguredelighed for natur-, teknologi- og produktionsvidenskabelig forskning.

? UVVU behandler offentlig forsknings uredelighed i Danmark.

? “§ 2. Ved videnskabelig uredelighed forstås en forsætlig eller groft uagtsom ad-færd i form af forfalskning, plagiering, fortielse eller lignende, der indebærer enutilbørlig vildledning om egen videnskabelig indsats og/eller videnskabelige re-sultater. Omfattet er herefter bl.a.:

1. Uoplyst konstruktion af data eller substitution med fiktive data.

2. Uoplyst selektiv eller skjult kassation af egne uønskede resultater.

3. Uoplyst usædvanlig og vildledende anvendelse af statistiske metoder.

4. Uoplyst ensidig eller forvredet fortolkning af egne resultater og konklusio-ner.

5. Plagiering af andres resultater eller publikationer.

6. Uretmæssig angivelse af forfatterrolle, titel eller arbejdssted.

7. Afgivelse af urigtige oplysninger om videnskabelige kvalifikationer.”

? UVVU behandler klager→ fx frivilligt afgivne skriftlige værker eller ansøgningerom offentlige forskningsbevillinger.

? “§ 15. I sager, hvor Udvalgene vedrørende Videnskabelig Uredelighed konstate-rer, at der foreligger videnskabelig uredelighed, afgiver udvalgene en udtalelse,hvori der udtrykkes kritik. Udvalgene kan samtidig:

1. Orientere den indklagedes arbejdsgiver, hvis vedkommende er ansat somforsker.

2. Henstille, at det pågældende videnskabelige arbejde skal trækkes tilbage.

3. Orientere vedkommende offentlige myndighed, som fører tilsyn med områ-det.

4. Foretage politianmeldelse, hvis der er tale om en strafbar lovovertrædelse.”

19

COPE (AMS) eksempler

1. ‘Uberettiget’ afvisning af artikel→ afvises; ansvaret hos redaktøren.

2. ‘Tyveri’ af ideer fra en forskningsansøgning → afvises, hvis der ikke er ‘hårde’beviser.

3. ‘Tyveri’ af ideer af et indsendt manuskript→ stærk kritik af referee’en.

4. ‘Fejlagtig’ kreditering af resultat til prominent matematiker → opfordret til di-rekte kontakt.

5. . . .

6. ‘Genoptryk’ i et oversøisk tidsskrift→ offentliggørelse af kritisk notits.

7. ‘Tyveri’ af en students formel → kritik af vejlederen, som afbrød forbindelsenmed studenten og ‘bagtalte’ ham→ stærk kritik til dekanen.

8. ‘Tvang’ til at bruge bestemt lærebogssystem→ videresendt til andet organ.

9. . . .

Forskningsbaseret undervisning

? Historisk baggrund i Humboldts universitets-ideal (1810’erne).

? VIP’ers forpligtelser: undervisning, forskning og administration.

? Universitetets “forpligtelser”

− Forskning→ Grundforskning og “innovation”→ lineær model.

− Uddannelse→ Undervisere, andre professioner, akademikere,

− Forskningsuddannelse→ Selvforsyning, erhvervs-ph.d.’er.

? Fra forskning til undervisning→ Sml. fra forskning til faktura.

Universitetets finansiering

? Danske universiteter er offentlige (modsat fx USA).

? Finansieringskilder:

− Grundbevilling (40%),

− Ekstern finansiering (40%):

� Statslige forskningsråd (FNU),

20

� Private fonde (fx Carlsbergfondet, VKR, . . . ),� Private firmaer→ fx erhvervs-ph.d.’er,

− “STÅ-taksameteret” (20%).

? “Noget for noget” → Forskningsstyring, samfundsrelevans, eller altruisme? →Filantropi (fx Rockefeller).

Hvorfor universiteter?

? Hvorfor forskning ved et universitet? → Hvad kan universitær forskning bidra-ge? → Er der noget, der ikke opnås (bedst) i universitær forskning?

? Hvorfor universitære (akademiske) uddannelser? → Hvem er marked? Hvemsætter standarder? Hvordan?

? Universitet og akademisk identitet?

Opsummering: Infrastruktur

? Peer-review som “the lynchpin of science”→ sml. CUDOS.

? Peer-review og intern kontrol vs. ekstern styring.

? Videnskabens fremskridt→ og deraf afledte “problemer”,

? Trykte tidsskrifter, lærebøger og elektronisk forskningsudveksling.

21

Profession og professionsetik

Datalogi (bac.scient.) på DAIMI

Programmering:

? Introduction to programming,

? Programming 2,

? Programming languages.

Matematik, logik og algoritmer:

? Algorithms and datastructures 1+ 2,

? Computability and logic,

? Regularity and automata.

Computerarkitektur:

? Machine architecture,

? Operating systems.

Systemudvikling:

? Databases,

? Usability,

? Software architecture.

Perspektiver:

? Computer science in perspective,

? Web technology (?).

Indtræden i professionen

? Begrænsninger på medlemmerne af professionen?

? Hvilken uddannelsesmæssig baggrund kan kræves?

− Curriculum-krav til teoretisk datalogi?

− . . . til software engineering?

? Certificering→ professionelt eller som “it-kørekort”.

? Lav “indgangs-barriere” for smarte/dygtige unge mennesker → “boom times”og “hacker culture”.

? Fra t-shirts til skjorte og slips→ koderen og eksperten.

Samarbejdsformer i praksis

? Datalogens (systemudviklerens) virke involverer mange aktører:

− Kunder og klienter,

− Konsulenter,

22

− Ydre aktører (offentlige instanser etc),

− Medarbejdere, kolleger, etc.

? Forskellige ‘forpligtelser’ (roller) overfor forskellige aktører: Ansvarlighed, kom-petence, troværdighed, effektivitet, integritet, “smartness”, . . .

? Forskellige fagligheder (kompetencer): Programmering, systemanalyse, design,implementation, projektering, kommunikation, ledelse, jura, . . .

Projektorganisering

? Vandfaldsmodellen: vandtætte lag med klare interfaces → ‘Taylorism’ → Pro-grammører som udskiftlige dele.

? Chief programmer model: En hovedprogrammør per team med 10-15 understøt-tende service-funktioner (kodere, sekretærer, vand/kaffe-bærere).

? Autonome komponent-teams: Overordnet design og projektering med efterføl-gende autonomi i udviklingshold→ klare (objekt-orienterede) grænseflader.

? Integreret testing og debugging.

? Dokumentations-problemet.

? Peer-review og peer-testing.

Kulturmøder og konsekvenser

? Brugeren tages alvorligt:

− Opsøgende systemarbejde,

− Ergonomi og videnskab om grænseflader,

− Åbenhed i udviklingsprocessen.

? Risici er bl.a.

− Fremmedgørelse,

− Uhensigtsmæssige (ineffektive) løsninger,

− Manglende forståelse for udviklingsprocessen,

− Ubegrundede forventninger til produktet,

− Budget- og tids-overskridelser.

? Magtbalance og kompetence→ professionalitet→ kodificeret.

? Professionel imperialisme?

23

Whistle-blowing

? Den enkeltes ansvar i en organisation:

− Ansvar overfor ledelsen (primært),

− Ansvar overfor kunden / klienten,

− Ansvar overfor offentligheden,

− Ansvar overfor sig selv (subjektivt).

? “Whistle blowing” og ytringsfrihed (dilemma):

− Professionelt ansvar,

− Afvejes mod andre (etiske) interesser,

− Konsekvenser af whistle-blowing.

? Igangværende debat om whistle-blowing i dansk offentlig administration og pri-vat erhvervsliv.

Case: Loyalitet (husker I Lene?)

Lene er uddannet datalog og ansat i et større dansk firma.

? Lenes firma har vundet en licitation til et stort offentligt elektronisk journalsy-stem. Lene har været med til at udvikle specifikationerne og føler, at den i til-budet angivne sikkerhed imod uhensigtsmæssig (ulovlig) adgang til følsommedata er utilstrækkelig. Hun har nævnt det for sin chef, men han insisterer på, atspecifikationen er, hvad den offentlige kunde har ønsket og betalt for. Hvordanforholder Lene sig? Hvorfor?

? På grund af andre uklarheder i specifikationerne trækker implementationen afjournalsystemet i langdrag. Der opstår især nogle problemer med visse proprie-tære dataformater, som er indeholdt i specifikationen. Lene er en stor OSS-fan oghar været modstander af denne implementation fra starten. Nu bliver hun kon-taktet af en journalist, som har hørt, at forsinkelserne vil fordyre det prestigøseprojekt betragteligt. Hvordan forholder Lene sig? Hvorfor?

Litteratur

AMS: 1996, American Mathematical Society Committee on Professional Ethics (COPE) Procedures Ma-nual.

Ensmenger, N. L.: 2003, Letting the “computer boys” take over: Technology and the politics oforganizational transformation, International Review of Social History (IRSH) 48(Supplement11), 153–180.

24

Fink, H., Kjærgaard, P. C., Kragh, H. og Kristensen, J. E.: 2003, Universitet og Videnskab. Univer-sitetets idéhistorie, videnskabsteori og etik, Hans Reitzels Forlag, København.

Klüver, P. V.: 1999, From research institute to computer company: Regnecentralen 1946–1964,IEEE Annals of the History of Computing 21(2), 31–43.

Manheim, F. T.: 1979, The scientific referee, i A. J. Meadows (red.), The Scientific Journal, Aslib,London, pp. 99–103.

Sørensen, H. K.: 2009, Noter til datalogiens videnskabsteori 2009. Til brug for undervisningen ikurset Datalogiens Videnskabsteori, Aarhus Universitet, 2009. Version 1.6, 7. april 2009.

Videnskabsministeriet: 2003, Bekendtgørelse om Udvalgene vedrørende Videnskabelig Uredelighed,København.

Videnskabsministeriet: 2005, Afsluttede sager, Årsberetning 2005 fra Udvalget vedrørende Viden-skabelig Uredelighed, København.

25