Examensarbete för masterexamen i datavetenskap (generell och inriktning datalogi), 30 hp

Innehåll

Examensarbetet skall utföras under sista terminen av en masterutbildning med Datavetenskap som huvudområde i examen, antingen generell examen eller med inriktning mot datalogi.

Under kursen tränas studentens förmåga att specificera, planera, genomföra och redovisa ett självständigt arbete. Studenten tillämpar sina under utbildningen förvärvade kunskaper och fördjupar sig inom minst ett specifikt delområde. Genom arbetet får studenten kontakt med forskning och utvecklingsarbete i ämnet. Resultaten presenteras muntligt och skriftligt.

Moment 1. Självständigt arbete (28 hp)
Examensarbetet utförs som ett självständigt arbete antingen inom ett forskningsprojekt vid universitetet eller som utvecklingsprojekt i industrin. Examensarbetet måste erbjuda någon form av problemlösning i vid mening, och innebära ämnesmässig fördjupning i förhållande till kurser som studenten tidigare läst. Arbetet får inte enbart bestå av rutinmässig programmering. Fördjupningen ska relatera det arbete man gör till existerande vetenskapliga ståndpunkter och resultat samt dokumenteras i en vetenskaplig rapport tillsammans med det övriga arbetet.

Moment 2. Presentation (2 hp)
Examensarbetet presenteras skriftligt i rapportform samt muntligt i disputationsform. Studenten skall även förbereda en opposition och genomföra denna på ett annat examensarbete. Under kursen kommer studenten att kommunicera kring arbetet både muntligt och skriftligt på engelska.

Förväntade studieresultat

Kunskap och förståelse
Efter avslutad kurs ska studenten kunna:

• visa väsentligt fördjupade kunskaper inom minst ett datavetenskapligt område,

Färdighet och förmåga
Efter avslutad kurs ska studenten kunna:

• visa förmåga att kritiskt, självständigt och kreativt identifiera och formulera komplexa frågeställningar
• visa förmåga att planera och med adekvata metoder genomföra kvalificerade uppgifter inom givna ramar samt visa förmåga att delta i forsknings- eller utvecklingsarbete och därigenom bidra till kunskapsutvecklingen
• visa förmåga att muntligt och skriftligt klart redogöra för och diskutera sina slutsatser och den kunskap och de argument som ligger till grund för dessa i dialog med exempelvis forskare och mastrar inom området samt lekmän
• kommunicera kring arbetet muntligt och skriftligt på engelska
• visa förmåga att kritiskt och systematiskt integrera kunskap förvärvad i centrala och kvalificerade kurser under utbildningen och att söka, analysera, syntetisera och kritiskt granska vetenskaplig litteratur som är relevant för problemställningen

Värderingar och förhållningssätt
Efter avslutad kurs ska studenten kunna:

• visa förmåga att systematiskt och kritiskt granska eget och andras arbeten med hänsyn till relevanta vetenskapliga, samhälleliga och etiska aspekter.

Behörighetskrav

För tillträde till kursen krävs en avlagd kandidatexamen samt kurser totalt omfattande 60 hp på avancerad nivå. Dessutom krävs att minst 30 hp av de 60 på avancerad nivå ska vara inom området Datavetenskap och det ska ingå följande tre kurser: Effektiva algoritmer och problemkomplexitet (5DV117), Datorers uppbyggnad och arkitektur (5DV118) samt en kurs i vetenskapligt skrivande om minst 7.5 hp (exempelvis 5DV144 Student Conference in Computing Science) eller motsvarande kunskaper. Beroende på examensarbetets inriktning kan särskilda förkunskaper krävas. Engelska A och svenska för grundläggande behörighet för högskolestudier om utbildningen ges på svenska.

Undervisningens upplägg

Undervisningen består av individuell handledning. En handledare inom institutionen utses för varje student, med vilken fortlöpande kontakt skall uppehållas. Studenten skall hushålla med den tillgängliga handledningsresursen och studenten kan normalt inte kräva att få handledning mer än 10 månader efter påbörjat arbete. Ytterligare en handledare utses av uppdragsgivaren vid externa examensarbeten. Utöver handledning skall studenten självständigt identifiera, söka, värdera samt sammanfatta informationskällor i syfte att ge en vetenskaplig bakgrund till det utförda arbetet. Studenten skall självständigt planera och genomföra arbetet inom givna tidsramar samt redovisa det både muntligt och skriftligt. Studenten skall också läsa in sig på ett annat examensarbete och opponera på detta.

Examination

Moment 1, självständigt arbete, bedöms utifrån
a) arbetets planering, genomförande och uppföljning samt
b) vetenskapligt och ingenjörsmässigt innehåll och resultat.

Moment 2, presentation, bedöms utifrån
c) utformning av skriftlig rapport,
d) muntlig presentation samt
e) planering och genomförande av opposition

På Moment 1 ges något av betygen Underkänd (U) eller Godkänd (G) och på Moment 2 ges något av betygen Underkänd (U), Godkänd (G) eller Väl Godkänd (VG). På kursen ges något av betygen Underkänd (U), Godkänd (G) eller Väl Godkänd (VG). För att bli godkänd på hela kursen krävs att samtliga bedömningsgrunder, dvs a)-e) ovan, och obligatoriska moment är godkända. Betyget på hela kursen utgör en sammanfattande bedömning av resultaten vid examinationens olika delar och sätts vid kursens slut. De studenter som inte blivit godkända när ett läsår passerat måste göra om kursens samtliga delar, dvs börja om med ett nytt ämne för examensarbetet.

En student som utan godkänt resultat har genomgått två prov för en kurs eller del av en kurs, har rätt att få en annan examinator utsedd, om inte särskilda skäl talar emot det (HF6 kap. 22§). Begäran om ny examinator ställs till prefekten vid Institutionen för datavetenskap.

Övriga föreskrifter

Tillgodoräknande
Denna kurs kan ej räknas i examen samtidigt som en annan kurs med liknande innehåll. Vid tveksamheter bör den studerande rådfråga studievägledare vid Institutionen för datavetenskap.

Speciellt gäller att denna kurs får ej ingå i någon annan examen än Mastersexamen i datavetenskap utan ett explicit tillgodoräknande.

Tillgodoräknande av studier prövas individuellt (se universitetets regelsamling).

Under 2013 kan studenter som påbörjat sina master-studier före 2012-07-01 få dispens för delar av förkunskapskraven. Eventuell dispens beslutas av programansvarig för Masterprogrammet i datavetenskap.