UTBILDNINGSINFO
IN ENGLISH
Malmö universitet

Kursplan

Hösten 2026

Kursplan hösten 2026

Benämning

Datavetenskapens forskningsmetoder och beräkningsteoretiska fundament

Engelsk benämning

Research Methods of Computer Science and Fundamental Computational Theory

Kurskod

DA658E

Omfattning

7,5 hp

Betygsskala

UA / Utmärkt (A), Mycket Bra (B), Bra (C), Tillfredsställande (D), Godkänd (E) eller Underkänd (U)

Undervisningsspråk

Kursen ges på engelska

Beslutande instans

Fakulteten för teknik och samhälle

Gäller från

2025-09-01

Inrättandedatum

2025-06-17

Fastställandedatum

2025-05-20

Utbildningsnivå

Avancerad nivå

Behörighetskrav

  1. Kandidat- eller ingenjörsexamen (minst 180hp), inom datavetenskap eller närliggande ämnen såsom matematik, informatik, telekommunikation, elektroteknik, fysik.
  2. Minst 15 hp inom programmering
  3. Minst 7,5 hp i matematik
  4. Engelska 6 från svenskt gymnasium eller motsvarande

Huvudområde

CTDVA / Datavetenskap

Fördjupningsnivå

A1N / Avancerad nivå, har endast kurs/er på grundnivå som förkunskapskrav

Fördjupningsnivå i förhållande till examensfordringarna

Kursen ingår i programmet Tillämpad data science, masterprogram, och kan ingå i Masterexamen i datavetenskap (120 hp).

Innehåll

Syftet med kursen är att studenten ska förvärva kunskaper om forskningsmetodik inom datavetenskap. Vidare är syftet att studenten ska utveckla sin förmåga att välja och kritiskt reflektera över olika forskningsdesigner inom detta område.

Kursen innehåller följande:

  • Formulering av vetenskapliga problem och hypoteser
  • Den teoretiska grunden för datavetenskap, inklusive Turing-maskiner, Church-Turing-hypotesen, stopproblemet och komplexitetsteori
  • Urval och granskning av relevant litteratur
  • Forskningsmetoder relevanta för datavetenskap
  • Tillvägagångssätt för urval och insamling av data
  • Dataanalys, inklusive statistiska metoder
  • Muntlig och skriftlig presentation av forskningsstudier
  • Forskningsetik

Lärandemål

Kunskap och förståelse

Efter avslutad kurs skall studenten kunna:

1. redogöra och visa förståelse för den teoretiska grunden

2. redogöra för olika vetenskapliga metoder inom datavetenskap,

3. redogöra och visa förståelse för olika tillvägagångssätt för urval och insamling av relevant data,

4. redogöra och visa förståelse för olika tillvägagångssätt för analys av data, och

5. redogöra och visa förståelse för etiska aspekter relaterade till forskning inom datavetenskap.

Färdighet och förmåga

Efter avslutad kurs skall studenten kunna:

6. formulera vetenskapliga problem och hypoteser,

7. givet ett vetenskapligt problem, göra ett urval av och granska litteratur som är relevant för probelmet samt presentera denna litteratur,

8. utforma en forskningsstudie, inklusive val av vetenskaplig metod och data, samt insamling av data och dataanalys, och

9. muntligt och skriftligt presentera en forskningsstudie på ett vetenskapligt sätt.

Värderingsförmåga och förhållningssätt

Efter avslutad kurs skall studenten kunna:

10. 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

Studenterna examineras i två delar: Forskningsmetodik (Del 1) och beräkningsteoretiska fundament (Del 2).

För godkänt betyg krävs

Del 1:

  • Godkända skriftliga och muntliga inlämningsuppgifter (2hp, UG) (Lärandemål 6-10)
  • Skriftlig tentamen (3 hp, UA) (Lärandemål 2-5,8,10)

Del 2:

  • Godkända skriftliga och muntliga inlämningsuppgifter (1,5hp, UG) (Lärandemål 5, 6-10)
  • Skriftlig tentamen (1 hp, UA) (Lärandemål 1-5)

Slutbetyget baseras på betyget på de två skriftliga tentamina (Del 1 och Del 2)

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., (2022). Researching Information Systems and Computing. London: Sage Publications.
  • Sipser, M. (2013) Introduction to the Theory of Computation. Cengage.
  • 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.

Vetenskapliga artiklar som tillhandahålls av läraren under kursens gång.

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.