Denna kurs ger en introduktion till principerna och de praktiska metoderna för att bedriva forskning inom datavetenskap och datavetenskap. Studenterna lär sig att identifiera och formulera forskningsproblem, genomföra systematiska litteratursökningar och litteraturöversikter, utforma forskningsfrågor, utforma experiment, analysera data, utvärdera forskningsresultat samt kommunicera sina resultat genom vetenskapliga artiklar och presentationer. Kursen kombinerar korta föreläsningar med praktiska individuella och gruppbaserade övningar, kollegial granskning, vetenskapligt skrivande, forskningsetik och utarbetande av forskningsförslag.
Kursen ”Forskningsmetodik för datavetenskap och datateknik” ger en praktisk introduktion till hela forskningsprocessen inom datavetenskap och datadrivna discipliner. Kursen guidar studenterna från identifiering av ett forskningsproblem till litteraturgenomgång, formulering av forskningsfrågor, metodutformning, experiment, dataanalys, vetenskapligt skrivande, kollegial granskning och utarbetande av forskningsförslag.
Kursen är starkt praktikorienterad. Studenterna arbetar med autentiska forskningsämnen och utvecklar stegvis en litteraturöversikt, identifierar kunskapsluckor, formulerar forskningsfrågor, utformar lämpliga forskningsmetoder och redovisar sina resultat. Särskild uppmärksamhet ägnas åt akademisk integritet, ansvarsfull forskningspraxis, källhänvisning, förebyggande av plagiering, reproducerbarhet samt etiska överväganden inom datadriven forskning.
Studenterna deltar i både individuella och gruppbaserade aktiviteter, bland annat val av forskningsämne, litteraturanalys, kollegial granskning av vetenskapliga artiklar, vetenskapligt skrivande med hjälp av LaTeX, forskningspresentationer och utformning av forskningsförslag. Kursen avslutas med att studenterna utarbetar ett forskningsbaserat miniförslag som kan tjäna som underlag för vidare forskning, examensarbete eller projektutveckling.
Kursen kan genomföras i ett hybridformat, vilket gör det möjligt för studenter från olika CHARM-EU-partneruniversitet att delta på distans samtidigt som interaktiva klassrumsaktiviteter och samarbetsuppgifter bibehålls.
Vid kursens slut ska deltagaren kunna:
1. identifiera och formulera relevanta forskningsproblem inom datavetenskap och datavetenskap;
2. genomföra och kritiskt utvärdera en litteratursökning med hjälp av lämpliga akademiska databaser och vetenskapliga källor;
3. sammanfatta akademisk litteratur och identifiera forskningsluckor som motiverar forskningsfrågor;
4. formulera tydliga och undersökbara forskningsfrågor baserade på identifierade forskningsluckor;
5. utforma lämpliga forskningsmetoder, experiment och strategier för datainsamling;
6. analysera och tolka forskningsdata med hjälp av lämpliga kvalitativa och kvantitativa metoder;
7. utvärdera forskningsresultat med hjälp av lämpliga mått, jämförelser och vetenskapligt resonemang;
8. tillämpa principer för akademisk integritet, forskningsetik, ansvarsfull datahantering och korrekt källhänvisning;
9. utarbeta och kommunicera vetenskapliga arbeten genom akademiska artiklar, presentationer och peer review-aktiviteter;
10. utarbeta ett strukturerat forskningsförslag som inkluderar mål, forskningsfrågor, metodik, förväntade resultat och relevant litteratur.
Inga formella förkunskaper krävs. Grundläggande kunskaper inom datavetenskap eller datavetenskapliga begrepp rekommenderas.
Källor:
[1] Booth, W. C., Colomb, G. G., Williams, J. M., Bizup, J., & Fitzgerald, W. T. (2016). The Craft of Research (4:e uppl.). University of Chicago Press.
[2] Creswell, J. W., & Creswell, J. D. (2018). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (5:e uppl.). SAGE Publications.
[3] Kothari, C. R., & Garg, G. (2019). Research Methodology: Methods and Techniques (4:e uppl.). New Age International Publishers.
[4] National Academies of Sciences, Engineering, and Medicine. (2017). Att främja integritet inom forskningen. The National Academies Press. https://doi.org/10.17226/21896
[5] National Academies of Sciences, Engineering, and Medicine. (2019). Reproducibility and Replicability in Science. The National Academies Press. https://doi.org/10.17226/25303
[6] ACM. (2018). ACM Code of Ethics and Professional Conduct. Association for Computing Machinery. https://www.acm.org/code-of-ethics
Kursen består av korta interaktiva föreläsningar, ledda diskussioner, individuella forskningsuppgifter, grupparbete, kollegial granskning, praktiska skrivövningar, forskningspresentationer och återkoppling från läraren.
Studenterna arbetar med autentiska forskningsämnen under hela kursen och utvecklar successivt sin egen litteraturöversikt, sina forskningsfrågor, sin metodik, sitt vetenskapliga skrivande och sitt forskningsförslag. Teknikbaserade lärandeverktyg används för litteratursökning, samarbete, vetenskapligt skrivande, referenshantering, dataanalys och presentation.
Kursen bygger på ett studentcentrerat och forskningsbaserat tillvägagångssätt, där studenterna aktivt utvecklar och förmedlar sina egna forskningsidéer istället för att enbart ta del av teoretisk undervisning.
Studieutdrag