"False"
Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
Kursplan:

Examensarbete för kandidatexamen i datavetenskap, 15 hp

Engelskt namn: Degree Project: Bachelor of Science in Computing Science

Denna kursplan gäller: 2022-06-27 och tillsvidare

Kurskod: 5DV199

Högskolepoäng: 15

Utbildningsnivå: Grundnivå

Huvudområden och successiv fördjupning: Datavetenskap: Grundnivå, har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen

Betygsskala: Tregradig skala

Ansvarig institution: Institutionen för datavetenskap

Beslutad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2018-03-09

Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2022-06-27

Innehåll

Kursen innehåller ett examensarbete för filosofie kandidatexamen i huvudområdet datavetenskap utan inriktning och är obligatorisk kurs inom Kandidatprogrammet i datavetenskap. Studenten ska självständigt planera, genomföra och redovisa en vetenskaplig undersökning som innehåller den vetenskapliga processens alla delar; från problemformulering via teori, frågeställningar, metod och resultat till slutsats. Arbetet presenteras i en vetenskaplig rapport som muntligt presenteras och försvaras vid en offentlig konferens. Studenten ska även kritiskt granska andras rapporter och vid en offentlig konferens framföra konstruktiv kritik i en vetenskaplig anda.


Kursen genomförs i tre faser:

Fas 1: Planering
Studenten identifierar en lämplig frågeställning och relaterar den till relevanta vetenskapliga publikationer. Studenten planerar arbetet i samråd med en erfaren handledare. Projektplaneringen redovisas muntligt och skriftligt.

Fas 2: Genomförande
Studenten genomför arbetet självständigt med stöd av löpande individuell handledning. Arbetet delredovisas muntligt och skriftligt.

Fas 3: Presentation
Studenten redovisar arbetet i en vetenskaplig rapport som presenteras och försvaras vid en offentlig konferens. Studenten ger även konstruktiv kritik på andras rapporter.

Förväntade studieresultat


Kunskap och förståelse
Efter kursen ska studenten kunna:

  • (FSR 1) visa kunskap och fördjupning inom ett delområde i datavetenskap, inbegripet kunskap om områdets vetenskapliga grund, kunskap om tillämpliga metoder inom området, samt orientering i aktuella forskningsfrågor

Färdighet och förmåga
Efter kursen ska studenten kunna:

  • (FSR 2) visa förmåga att söka, samla, värdera och kritiskt tolka relevant information i en problemställning samt att kritiskt diskutera företeelser, frågeställningar och situationer
  • (FSR 3) visa förmåga att med hög grad av självständighet identifiera, formulera och lösa problem samt att genomföra uppgifter inom givna tidsramar
  • (FSR 4) visa förmåga att muntligt och skriftligt redogöra för och diskutera information, problem och lösningar på ett strukturerat och ett för uppgiftens karaktär vedertaget sätt

Värderingsförmåga och förhållningssätt
Efter kursen ska studenten kunna:

  • (FSR 5) visa förmåga att inom ett delområde i datavetenskap göra bedömningar av eget och andras arbeten med hänsyn till relevanta vetenskapliga, samhälleliga och etiska aspekter
  • (FSR 6) visa förmåga att identifiera sitt behov av ytterligare kunskap och att utveckla sin kompetens

Behörighetskrav

För behörighet krävs minst 135 hp varav minst 75 hp inom huvudområdet datavetenskap och minst 15 hp av de 75 hp ska vara på kandidatexamensnivå.

Följande kurser (eller motsvarande) krävs:
- DV0: Datavetenskapligt tänkande
- DV1: Datatyper och datastrukturer
- DV2: Algoritmer och problemlösning
- DV3: Beräkningar och språk
- DV4: Datavetenskaplig logik
- DV5: Datavetenskaplig fördjupning

Beroende på examensarbetets inriktning kan särskilda förkunskaper krävas.

Undervisningens upplägg

Undervisningen sker genom seminarier, kamratgranskning och indivudell handledning av en av institutionen utsedd disputerad lärare. För externa examensarbeten ska det även finnas en extern handledare.


Examination

På kursen sätts något av betygen Underkänd (U), Godkänd (G), eller Väl Godkänd (VG). Examinationen sker genom ett antal obligatoriska seminarier, muntliga presentationer och skriftliga inlämningsuppgifter. Betyget utgör en sammanvägd bedömning av examinationens olika delar.

Examinator kan besluta om avsteg från kursplanens examinationsform. Individuell anpassning av examinationsformen ska övervägas utifrån studentens behov. Examinationsformen anpassas inom ramen för kursplanens förväntade studieresultat. Student som har behov av en anpassad examination ska senast 10 dagar innan examinationen begära anpassning hos Institutionen för datavetenskap. Examinator beslutar om anpassad examination som sedan meddelas studenten.


Övriga föreskrifter

I en examen får denna kurs ej ingå, helt eller delvis, samtidigt med en annan kurs med likartat innehåll. Vid tveksamheter bör den studerande rådfråga studievägledare vid Institutionen för datavetenskap och/eller programansvarig för sitt program.



Om kursplanen har upphört att gälla eller kursen slutat erbjudas garanteras en student som någon gång registrerats på kursen minst tre provtillfällen (inklusive ordinarie provtillfälle) enligt denna kursplan under en tid av maximalt två år från det att kursplanen upphört att gälla eller kursen slutat erbjudas.

Litteratur

Giltig från: 2022 vecka 26

Av institutionen tillhandahållet material, samt litteratur och läromedel som i samråd med handledaren bestäms med hänsyn till varje projekts karaktär.