Kursplan - Avancerat projekt i datavetenskap

Syfte

Kursen skall ge insikt i hur man planerar, genomför och redovisar ett självständigt projektarbete inom området datavetenskap. I projektet förväntas studenten använda och integrera tidigare förvärvade kunskaper, erfarenheter och färdigheter, och därigenom ytterligare fördjupa sin förståelse för utbildningsområdet. Kursen syftar även till att studenten skall utveckla och uppvisa fördjupad kunskap och förmåga som är förenlig med att arbeta inom området datavetenskap.

Lärandemål

Efter avslutad kurs kommer studenten kunna:
1. självständigt planera och genomföra ett avancerat projektarbete inom givna ramar samt identifiera och använda adekvata metoder för att genomföra arbetet och verifiera lösningar,
2. beskriva syftet, anledningen och målet för arbetet samt redogöra för eventuell fortsättning av projektet,
3. tillämpa ett kritiskt förhållningssätt och därmed tidigt kunna visa på möjligheter och svårigheter med projektet,
4. analysera vetenskapliga problemställningar och redogöra för "state-of-the-art" (och i förekommande fall "state-of-practice") inom området för arbetet samt utifrån detta utvärdera vald metod och/eller lösning,
5. beskriva arbetets olika delar i en vetenskaplig rapport på ett innehållsmässigt och strukturmässigt korrekt sätt (och därmed visa att ovannämnda lärandemål har uppnåtts) samt
6. muntligt redogöra för arbetets syfte, genomförande och resultat.

Innehåll

Kursen består av ett självständigt arbete i datavetenskap, där studenten använder tidigare förvärvade kunskaper och erfarenheter till att lösa ett givet problem. Problemet är ett forskningsproblem eller ett utvecklingsproblem inom området datavetenskap. Det skall ha gediget teoretiskt djup som ska bidra till kunskapsutveckling inom vissa delar av datavetenskap. Arbetet skall innehålla både praktiska och teoretiska inslag. I arbetet ingår moment som ämnesval, problemformulering, litteraturstudie, utveckling, presentation och rapportskrivning. Problemställningen som ligger till grund för arbetet skall noggrant redovisas och dess relevans samt föreslagna lösning skall diskuteras och motiveras. Arbetet skall behandla både relevant grundläggande teori samt tidigare forskning, d.v.s. det skall finnas en koppling till “state-of-the-art” (och i förekommande fall “state-of-the-practice”).

Undervisning

Handledning under projektarbetet. En projektplan ska upprättas i samråd med handledaren/handledarna och denna ska följas upp under arbetets gång.

Särskild behörighet

Avlagd kandidatexamen och avslutade kurser motsvarande 75 hp datavetenskap, varav minst 15 hp på avancerad nivå.

Dessutom krävs Sv B/Sv 3 samt En A/En 6. I de fall kursen ges på engelska görs undantag från Sv B/Sv 3.  

Examination

Projekt (PRO1), Projektplanering och genomförande, 17 hp, examinererar lärandemål 1, 3 och 4, betyg Underkänd (U), 3, 4 eller 5.
Projekt (PRO2), Skriftlig projektrapport 10 hp, examinererar lärandemål 1-5, betyg Underkänd (U), 3, 4 eller  5.
Seminarium (SEM1), Muntlig presentation av genomfört projekt, 3 hp, examinererar lärandemål 6, betyg Underkänd (U) eller Godkänd (G).

En student som har ett intyg från MDU avseende sin funktionsnedsättning har möjlighet att anmäla önskemål om anpassning vid salstentamina eller annan examinationsform i enlighet med Regler och anvisningar för examination på grundnivå och avancerad nivå vid Mälardalens högskola (2020/1655). Det är examinator som, utifrån det intyg som utfärdats, beslutar om eventuell anpassning och i så fall vilken anpassning som ska gälla.

Misstankar om vilseledande vid examination (fusk) anmäls, enligt högskoleförordningen, till universitetets rektor och prövas av universitetets disciplinnämnd. Om disciplinnämnden anser att en student gjort sig skyldig till en disciplinförseelse fattar nämnden beslut om en disciplinär åtgärd, vilket är varning eller avstängning.

Betyg

Med beröm godkänd, icke utan beröm godkänd, godkänd, underkänd

Övergångsbestämmelser och övriga föreskrifter

Kursen överlappar helt med följande kurser:

DVA430 Examensarbete för magisterexamen i datavetenskap 30.0 hp
DVA424 Examensarbete för magisterexamen i datavetenskap med inriktning mot programvaruteknik 30.0 hp
DVA504 Examensarbete för masterexamen i datavetenskap 30.0 hp
DVA503 Examensarbete för masterexamen i datavetenskap med inriktning mot inbyggda system 30.0 hp
DVA501 Examensarbete för masterexamen i datavetenskap med inriktning mot programvaruteknik 30.0 hp

Kursen överlappar dessutom med 15 hp mot:

DVA423 Examensarbete för magisterexamen i datavetenskap med inriktning mot programvaruteknik 15.0 hp
CDT412 Projekt i programvaruteknik 15.0 hp
DVA429 Examensarbete för magisterexamen i datavetenskap 15.0 hp