Københavns Universitet bidrager fortsat med et stort antal it-specialister

- Vi glæder os over, at vi et år som dette, hvor der er en generel lavere søgning på de videregående uddannelser, og hvor den øgede kapacitet fra coronaårgangene er faldet igen, fortsat kan optage et så stort antal studerende på it-uddannelserne på Københavns Universitet, fortæller Martin Lillholm, professor på DIKU og viceinstitutleder for undervisning.

Stabil kønsbalance 

På tværs af uddannelserne er der samlet set optaget 212 kvinder svarende til 36%. Det er et fald på blot et procentpoint i forhold til sidste år. Og selvom vi arbejder for at udligne kønsbalancen i endnu højere grad, er vi tilfredse med årets resultat: 

- Samlet set ligger vi over landsgennemsnittet på 32% kvinder optaget på it-uddannelser i 2022. Og hvis vi ser på den traditionelle datalogiuddannelse, formår vi at placere os helt i top på tværs af landet. Med 20% kvinder er det den af de mest tekniske it-uddannelser, der har optaget den højeste andel kvinder sammen med ITU’s uddannelse i Softwareudvikling. Det betyder dog ikke, at vi ikke kan og skal gøre det bedre, og diversitet er bestemt et område, vi fortsat vil have stor fokus på i de kommende år med initiativer som FemTech, Dataekspeditioner og Kickstartkursus, siger Martin Lillholm. 

Få overblik over optagelsestallene for hele KU i Københavns Universitets optagelsesstatistik.

For specielt én uddannelse ser vi, på trods af den generelt positive udvikling, et fald i antallet af tilbudte studiepladser i forhold til 2021. Det drejer sig om uddannelsen Machine learning og datavidenskab, der blev startet i 2019 samtidig med uddannelsen Datalogi-økonomi.

- Vi mener fortsat, at en teknisk tung uddannelse inden for machine learning og kunstig intelligens er essentiel for Danmark. Det er et felt, hvor der i fremtiden bliver behov for kompetencer til ikke blot at kunne bruge machine learning metoder, men i høj grad også at kunne bidrage til at udvikle fremtidens metoder, der kan sikre ikke bare gode, men også fair, transparente og etisk forsvarlige machine learning metoder. Og det skal vi blive bedre til at kommunikere til potentielle ansøgerne, afslutter Martin Lillholm.