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

Examensarbete för magisterexamen i datavetenskap, 15 hp

Engelskt namn: Degree Project: Master of Science (one year) in Computing Science

Denna kursplan gäller: 2024-01-01 och tillsvidare

Kurskod: 5DV138

Högskolepoäng: 15

Utbildningsnivå: Avancerad nivå

Huvudområden och successiv fördjupning: Datavetenskap: Avancerad nivå, innehåller examensarbete för magisterexamen

Betygsskala: Tregradig skala

Ansvarig institution: Institutionen för datavetenskap

Beslutad av: teknisk-naturvetenskapliga fakultetsnämnden, 2012-12-20

Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2023-06-19

Innehåll

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 insikt om pågående forskning och utvecklingsarbete i ämnet. Resultaten presenteras muntligt och skriftligt.

Modul 1. Självständigt arbete (13 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.

Modul 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:

  • (FSR 1) visa fördjupade kunskaper inom minst ett datavetenskapligt område,

Färdighet och förmåga
Efter avslutad kurs ska studenten kunna:

  • (FSR 2) visa förmåga att kritiskt och självständigt identifiera och formulera frågeställningar
  • (FSR 3) visa förmåga att planera och med adekvata metoder genomföra kvalificerade uppgifter inom givna ramar,
  • (FSR 4) 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 magistrar inom området och lekmän
  • (FSR 5) kommunicera kring arbetet muntligt och skriftligt på engelska
  • (FSR 6) visa förmåga att systematiskt integrera kunskap förvärvad i centrala och kvalificerade kurser under utbildningen och att söka, analysera och kritiskt granska vetenskaplig litteratur som är relevant för problemställningen

Värderingar och förhållningssätt
Efter avslutad kurs ska studenten kunna:

  • (FSR 7) visa förmåga att kritiskt granska eget och andras arbeten med hänsyn till relevanta vetenskapliga, samhälleliga och etiska aspekter.

Behörighetskrav

Minst 90 hp varav 30 hp på avancerad nivå varav 15 hp datavetenskap.

Beroende på examensarbetets inriktning kan särskilda förkunskaper krävas.

Engelska för grundläggande behörighet för högskolestudier.

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 6 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

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

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

På Modul 1 ges något av betygen Underkänd (U) eller Godkänd (G) och på Modul 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). Betyget på kursen bestäms av betyget på Modul 2.

Anpassad examination
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



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: 2024 vecka 1

Litteraturen bestäms av examensarbetets inriktning.