Student Conference in Computing Science, 7,5 hp

Innehåll

Kursen behandlar vetenskapligt skrivande, vetenskapligt beteende och forskningskvalitet. Studenten utvecklar och svarar på en ny och icke-triviell forskningsfråga inom datavetenskap eller interaktion och design. Studenten utför sedan forskning och skriver en artikel under lärarens övervakning och peer review. Den slutliga versionen av artikeln skickas via ett konferenssystem och granskas av anonyma granskare. Alla godkända artiklar publiceras i en teknisk rapport utgiven av Institutionen för datavetenskap och presenteras av författaren vid en intern konferens. Lärandemål inkluderat att studenten ska utveckla sin förmåga att göra oberoende utredningar och forskning, skriva en vetenskaplig artikel om hans / hennes arbete och presentera sin forskning muntligt.

Kursen är utformad enligt följande. Studenterna får individuell handledning av lärarna och arbetar i peer-review (kamratgransknings) grupper bestående av andra studenter på kursen. Peer-review mötena är obligatoriska. Varje student ska läsa utkast från de övriga studenterna i gruppen och komma förberedda inför mötet. Alla studenternas arbeten diskuteras och förslag på förbättringar ges. Kursen har fem leveranser i form av pågående / slutgiltiga / reviderade artikelinlämningar för att stödja studenternas progression och fem stödföreläsningar ges. Kursen kräver att studenten arbetar kontinuerligt under hela terminen på hans / hennes artikel.

Förväntade studieresultat

Kunskap och förståelse
Efter avslutad kurs ska studenten kunna:

• uppvisa kunskap och förståelse inom ett delområde (över kandidatnivå) inom datavetenskap. Delområdet har valts av studenten utifrån dennes tidigare studier i samråd med kursansvarig (FSR 1).

Färdighet och förmåga
Efter avslutad kurs ska studenten kunna:

• visa förmåga att tillämpa kunskap och förståelse (se FSR 1) i en ny situation (FSR 2),
• visa förmåga att analysera och utvärdera resultaten av tillämpningen som görs i FSR 2 (FSR 3),
• identifiera relevant vetenskaplig litteratur för en specifik frågeställning med hjälp av olika vetenskapliga databaser och sökmotorer (FSR 4),
• skriva en vetenskaplig artikel på engelska (FSR 5),
• ge konstruktiv feedback på en annan students arbete (FSR 6),
• ta emot konstruktiv feedback och använda den för att förbättra den egna artikeln (FSR 7),
• arbeta i grupp och ta ett delat ansvar för utvecklingen inom kamratgranskningsgruppen (peer-review  gruppen) (FSR 8),
• hantera och respektera hårda deadlines (FSR 9),
• visa erfarenhet av att ha skrivit en artikel till en konferens med peer review system (FSR 10), och
• presentera artikeln muntligt på engelska (FSR 11).

Värderingar och förhållningssätt
Efter avslutad kurs ska studenten kunna:

• visa nolltolerans mot plagiarism och upphovsrättsintrång (FSR 12) och
• visa en inställning av akademisk ärlighet och integritet med avseende på forskningsbeteende (FSR 13).

Behörighetskrav

Univ:För tillträde till kursen krävs 90 hp avklarade studier varav 60 hp i huvudområdet datavetenskap eller 2 års avklarade studier (120hp) inom ett studieprogram, i båda fallen inkluderande minst en kurs på avancerad nivå i datavetenskap eller motsvarande kunskaper.

Svenska för grundläggande behörighet för högskolestudier samt Engelska A/5. Krav på svenska gäller endast om utbildningen ges på svenska.

Undervisningens upplägg

Kursen omfattar föreläsningar om vetenskapligt skrivande, presentationsteknik, hur man hittar litteratur och forskningskvalitet. Ytterligare undervisning ges som återkoppling vid peer review-möten och individuell handledning. En betydande del av kursen består av individuellt arbete.

Examination

Examinationen på kursen består av fem skrivna inlämningar och fyra möten.

De fem obligatoriska inlämningarna under kursen är: 1) forskningsplan, 2) disposition, 3) utkast, 4) slutversion, 5) reviderad version, och examineras genom att man utvärderar kvalitet, hantering av förändringsförslag och den övergripande progressionen.

Under tre obligatoriska peer-review möten kommer följande aspekter examineras: hur väl förberedd studenten är (exempelvis har läst de andra studenternas utkast och sammanfattat föreslagna ändringar skriftligt) och hur väl studenten bidrar till diskussionen.

Under den obligatoriska konferensen kommer följande aspekter examineras: tydlighet i presentationen, presentationsstil (t ex riktar sig mot publiken, tydligt tal) och förmåga att svara professionellt och tillfredsställande på frågor från publiken.

Baserad på en sammanvägning av alla värderingar gjorde för kriterierna ovan får studenten något av följande betyg på kursen: Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5).

För att bli godkänd på hela kursen krävs att studenten lämnat in samtliga obligatoriska inlämningar och deltagit i alla obligatoriska möten och konferensen (icke-deltagande kan endast ursäktas i allvarliga fall som exempelvis sjukdom och endast efter samråd med ansvarig lärare.

Om utkastet inför tredje peer review mötet inte är en nästan slutlig version (dvs. artikeln saknar relevant introduktion, experiment, resultat, sanmanfattning, bevis etc) så får studenten inte skicka in ett bidrag på kursen och får betyget Underkänd (U).

Nödvändiga villkor för de högre betygen 4 eller 5 är: Alla leveranser levererades före deadline, det fanns väsentliga framsteg mellan de inlämnade versionerna av artikeln och den slutliga versionen blev accepterad till konferensen. Om det senare inte är fallet kan studenten revidera artikeln och presentera den muntligt vid ett senare tillfälle. Betyget kommer i det här fallet att vara högst Godkänd (3). Om betyget är Underkänd (U), är nästa tillfälle att passera kursen nästa gång kursen ges.

Den som godkänts i ett prov får ej undergå förnyat prov för högre betyg.

En student som utan godkänt resultat har genomgått två prov för en kurs eller en del av en kurs, har rätt att få en annan examinator utsedd, om inte särskilda skäl talar emot det (HF 6 kap. 22 §). Begäran om ny examinator ställs till prefekten vid Institutionen för datavetenskap.

Examination baserad på denna kursplan garanteras under två år efter studentens förstagångsregistrering på kursen. Detta
gäller även om kursen lagts ned och denna kursplan upphört gälla.

TILLGODORÄKNANDE
Student har rätt att få prövat om tidigare utbildning eller motsvarande kunskaper och färdigheter förvärvade i yrkesverksamhet kan tillgodoräknas för motsvarande utbildning vid Umeå universitet. Ansökan om tillgodoräknande skickas in till Studentcentrum/Examina. Mer information om tillgodoräknande finns på Umeå universitets studentwebb, www.student.umu.se, och i högskoleförordningen (6 kap). Ett avslag på ansökan om tillgodoräknande kan överklagas (Högskoleförordningen 12 kap) till Överklagandenämnden för högskolan. Detta gäller såväl om hela som delar av ansökan om tillgodoräknande avslås.

Övriga föreskrifter

Tillgodoräknanden
I en examen får denna kurs ej ingå, helt eller delvis, samtidigt med en annan kurs med likartat innehåll. Speciellt gäller att denna kurs inte kan ingå i en examen tillsammans med 5DV144 Student conference in Computing Science. Vid tveksamheter bör den studerande rådfråga studievägledare vid Institutionen för datavetenskap.

Kursens koppling till program och examina
Kursen är en baskurs på Masterprogrammet i datavetenskap.
Beroende på vilket tema studenten valt så kan denna kurs ingå som en kurs inom en av följande inriktningar i en datavetenskaplig masterexamen; Datalogi, Robotik och reglerteknik eller Människa-datorinteraktion. Vid osäkerhet kontakta respektive programansvarig.