DV0: Komputationellt tänkande, 7,5 hp

Innehåll

Kursen ger en bred introduktion till datavetenskap och en inblick i vetenskapligt tänkande. Kursen inleds med en historisk bakgrund till datavetenskap och går vidare med datorers konstruktion, hur program exekveras, logik och algoritmiskt tänkande. En rad datavetenskapliga begrepp såsom beräkning, beräkningsbarhet, komplexitet, datatyp, algoritm, algoritmiskt tänkande och kontrollmekanism introduceras, exemplifieras och diskuteras i syfte att förse studenterna med begrepp, språk och metoder för komputationellt tänkande (computational thinking). Skriftligt övas på beskriva orsakssamband i en mindre studie. Även hållbarhetsaspekter på informationsteknik kommer in i dessa diskussioner.

Förväntade studieresultat

Efter avslutad kurs ska studenten kunna:
Kunskap och förståelse

• kortfattat beskriva datavetenskapens idémässiga bakgrund (FSR 1),
• förklara grundläggande datavetenskapliga begrepp (FSR2),
• förklara en dators konceptuella konstruktion och arbetssätt (FSR3),
• förklara begreppen teoretisk och praktisk beräkningsbarhet (FSR 4),
• ge exempel på informationsteknikens roll för ekonomisk, social och ekologisk hållbarhet (FSR 5).

Färdighet och förmåga

• tolka, och formulera algoritmiska lösningar till, enkla komputationella problem (FSR 6),
• utforma och verifiera logiska uttryck med hjälp av satslogik (FSR 7),
• i en mindre rapport skriftligt redogöra för datavetenskapliga orsakssamband (FSR 8).

Värderingsförmåga och förhållningsätt

• värdera och analysera andras texter med avseende på språk och argumentation (FSR 9).

Behörighetskrav

Fysik A, Matematik D. Eller: Fysik 1a/1b1+1b2, Matematik 4 (områdesbehörighet 9/A9 med ett eller flera undantag)

Undervisningens upplägg

Undervisningen bedrivs i form av föreläsningar, diskussioner kring metodik och problemlösning i mindre grupper, workshops och seminarier. Utöver schemalagda aktiviteter krävs även individuellt arbete med materialet.

Examination

Examinationen på kursen består av följande fem delar:

1. FSR 1-4, och 6 sker genom ett skriftligt salsprov som får någon av bedömningarna Väl godkänd (VG), Godkänd (G), eller Underkänd (U).
2. Examinationen på FSR 7 sker också i form av ett on-line quiz som bedöms som antingen Väl godkänd (VG), Godkänd (G), eller Underkänd (U).
3. Examinationen av FSR 5 sker genom en workshop med obligatorisk närvaro och aktivt deltagande. Examinationen bedöms som Godkänd (G), eller Underkänd (U).
4. Examinationen på FSR 8 sker genom en mindre skrivuppgift. Examinationen bedöms som antingen Väl godkänd (VG), Godkänd (G), eller Underkänd (U).
5. Examination på FSR 9 sker genom kamratgranskning. Examinationen bedöms som Godkänd (G), eller Underkänd (U).

På hela kursen ges något av betygen Väl godkänd (VG), Godkänd (G) eller Underkänd (U). För att bli godkänd på hela kursen krävs att samtliga prov och obligatoriska moment är godkända. Betyget utgör en sammanfattande bedömning av resultaten vid examinationens olika delar och sätts först när alla obligatoriska moment är godkända. För högre betyg (VG) ska studenten utöver tidigare nämnda lärmål även kunna:

• beskriva konsekvenser av teoretisk och praktisk beräkningsbarhet på enkla komputationella problem, (se examination för FSR 4)
• förenkla och härleda logiska uttryck med hjälp av satslogik, (se examination för FSR 7)
• i en mindre rapport skriftligt argumentera för datavetenskapliga orsakssamband, (se examination för FSR 8)

Studerande som godkänts i ett prov får inte undergå förnyat prov för att få ett högre betyg.

För studerande som inte godkänns vid ordinarie provtillfälle anordnas ytterligare provtillfälle. Notera att när det gäller examinerande seminarier så anordnas ett "uppsamlingsseminarium" vid anslutning till kursens slut. Om student fortfarande inte blivit godkänd på seminarieuppgiften efter detta tillfälle är nästa komplettering i samband med att kursen ges nästa gång.

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.

Övriga föreskrifter

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.

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.

Speciellt gäller att denna kurs inte kan ingå i en examen tillsammans med en annan introducerande kurs på ett datavetenskapligt progam som exempelvis kursen 5DV159 DV0: Komputationellt tänkande eller kursen 5DV107 Metoder och verktyg för datavetare.
 

I samband med att denna kursplan träder i kraft kommer kursen 5DV159 DV0: Komputationellt tänkande att läggas ned. För studenter som varit registrerad på 5DV159 men ej avslutat den gäller att de under 2018 och 2019 kan slutföra 5DV159 genom att delta i examinerande delar på denna kurs. Student bör kontakta kursansvarig vid kursstart för individuell information om vilken examination som ska utföras.