Behörighetskrav

1. Kandidat- eller högskoleingenjörsexamen (minst 180 högskolepoäng) inom datavetenskap eller relaterade områden som datateknik, data- och informationsvetenskap, programvaruteknik, informatik, telekommunikation eller elektroteknik.
2. Minst 15 hp i programmering.
3. Motsvarande engelska 6 från svensk gymnasieskola.

Fördjupningsnivå i förhållande till examensfordringarna

Kursen ingår i programmet Datavetenskap: Internet of Things, masterprogram och huvudområdet Datavetenskap och kan ingå i examensfordringarna för en Masterexamen (120 hp) i Datavetenskap.

Innehåll

Kursen innehåller följande:

• Formulering av vetenskapliga problem och hypoteser
• Urval och granskning av relevant litteratur
• Forskningsmetoder i datavetenskap med särskilt fokus på IoT
• Tillvägagångssätt för urval och insamling av data
• Dataanalys, inklusive statistiska metoder
• Muntlig och skriftlig presentation av forskningsstudier
• Forskningsetik

Lärandemål

Kunskap och förståelse

För godkänd kurs ska studenten kunna:

1. Redogöra och visa förståelse för olika vetenskapliga metoder inom datavetenskap och IoT

2. Redogöra och visa förståelse för olika tillvägagångssätt för urval och insamling av relevant data

3. Redogöra och visa förståelse för olika tillvägagångssätt för analys av data

4. Redogöra och visa förståelse för etiska aspekter relaterade till forskning inom datavetenskap och IoT

Färdighet och förmåga

För godkänd kurs ska studenten kunna:

5. Formulera vetenskapliga problem och hypoteser

6. Givet ett vetenskapligt problem, göra ett urval av och granska litteratur som är relevant för problemet samt presentera denna litteratur

7. Utforma en forskningsstudie inom IoT, inklusive val av vetenskaplig metod och data, samt insamling av data och dataanalys

8. Muntligt och skriftligt presentera en forskningsstudie på ett vetenskapligt sätt

Värderingsförmåga och förhållningssätt

För godkänd kurs ska studenten kunna:

9. Kritiskt reflektera över val av forskningsmetoder, data, datainsamling och dataanalys, i relation till alternativa val och med hänsyn till etiska aspekter

Arbetsformer

Föreläsningar, seminarier och självstudier.

Bedömningsformer

Bedömning av studenternas prestationer baseras på:

• Skriftliga och muntliga inlämningsuppgifter (4hp, bedöms enligt UG) - Lärandemål 5, 6, 7, 8, 9
• Skriftlig tentamen (3,5hp, bedöms enligt UA) - Lärandemål 1, 2, 3, 4, 7, 9

För godkänt betyg krävs både godkända inlämningsuppgifter och godkänd tentamen.

Slutligt betyg baseras på tentamen.

Kurslitteratur

Referenslitteratur:

• Berndtsson, M., Hansson, J., Olsson, B., & Lundell, B. (2008). Thesis projects: A Guide for Students in Computer Science and Information Systems. London: Springer.
• Oates, B.J., (2005). Researching Information Systems and Computing. London: Sage Publications.
• Wohlin, C., Runeson, P., Höst, M., Ohlsson, M.C., Regnell, B., & Wesslén, A. (2012). Experimentation in Software Engineering. Berlin: Springer.
• Zobel, J. (2015). Writing for Computer Science - The Art of Effective Communication. London: Springer

Ytterligare vetenskapliga artiklar tillhandahålls av läraren under kursen.

Kursvärdering

Malmö universitet ger studenter som deltar i eller har avslutat en kurs en möjlighet att framföra sina erfarenheter av och synpunkter på kursen genom en kursvärdering som anordnas av lärosätet. Universitetet sammanställer kursvärderingarna samt informerar om resultaten och eventuella beslut om åtgärder som föranleds av kursvärderingarna. Resultaten ska hållas tillgängliga för studenterna. (HF 1:14).

Övergångsbestämmelser

Om en kurs har upphört att ges eller har genomgått större förändringar ska studenterna, under ett år efter det att förändringen har skett, erbjudas två tillfällen för omprov baserade på den kursplan som gällde vid registreringen.

Övrigt

Om en student har beslut om riktat pedagogiskt stöd, har examinator rätt att ge ett anpassat prov eller låta studenten genomföra prov på ett alternativt sätt.