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
Efter avslutad kurs skall studenten kunna
visa väsentligt fördjupade kunskaper inom minst ett datavetenskapligt område,
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
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
visa förmåga att systematiskt och kritiskt granska eget och andras arbeten med hänsyn till relevanta vetenskapliga, samhälleliga och etiska aspekter.
kommunicera kring arbetet muntligt och skriftligt på engelska
Behörighetskrav
Examensarbetet skall utföras under sista terminen av en Mastersutbildning med datavetenskap som huvudområde i examen. För tillträde till kursen krävs en avlagd kandidatexamen samt kurser totalt omfattande 30 hp på avancerad nivå i datavetenskap eller motsvarande. Beroende på examensarbetets inriktning kan särskilda förkunskaper krävas.
Engelska A och svenska för grundläggande behörighet för högskolestudier (om kursen 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 vart och ett av momenten ges något av betygen Underkänd (U) eller Godkänd (G). 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 utgör en sammanfattande bedömning av resultaten vid examinationens olika delar och sätts först när alla obligatoriska moment är godkända.
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.
Tillgodoräknande:
Denna kurs får ej ingå i Civilingenjörsexamen i Teknisk datavetenskap. Studerande som vill ta denna examen ska läsa kursen Examensarbete för civilingenjörsexamen i teknisk datavetenskap (5DV097).
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.
Övriga föreskrifter
För studenter som antagits före 2007-07-01 till ett magisterprogram gäller följande förkunskaper: För tillträde till kursen krävs minst 55 poäng/82.5 hp i datavetenskap, varav en kurs skall vara på D-nivå/avancerad nivå eller motsvarande kunskaper.
Litteratur
Litteraturlistan är inte tillgänglig via den webbaserade utbildningskatalogen.
Kontakta aktuell institution.
