STUDIEORDNING for Matematisk datalogisk modellering

Transkript

1 STUDIEORDNING for Matematisk datalogisk modellering CAND.SCIENT. ROSKILDE UNIVERSITET

2 1

3 Denne studieordning er fastsat i henhold til bekendtgørelse nr af 15. november 2016 om bachelor- og kandidatuddannelser ved universiteterne (Uddannelsesbekendtgørelsen) med eventuelle senere ændringer og Fællesregler af 27. september 2012 med eventuelle senere ændringer. 1. Om uddannelsen 1.1 Kandidatuddannelsens formål 1.2 Sprog 1.3 Adgangskrav 1.4 Kompetenceprofil - faglige og erhvervsrelevante kompetencer 1.5 Normering og varighed 1.6 Titel 1.7 Studienævn og censorkorps 1.8 Hovedområdetilknytning 1.9 Merit 1.10 Mobilitet -udlandsophold og projektorienteret praktikforløb 2. Uddannelsens elementer 2.1 Kurser 2.2 Projekter 2.3 Projektorienteret praktikforløb 2.4 Speciale 3. Uddannelsens opbygning 3.1 Anbefalet studieforløb 4. Uddannelsen semester semester semester semester - specialet 5. Generelle bestemmelser 5.1 Tilmelding/framelding og omprøve 5.2 Særlige prøvevilkår 5.3 Faglige udvælgelseskriterier 6. Dispensation og klageadgang 6.1 Dispensation 6.2 Klageadgang 7. Godkendelse 7.1 Godkendt af studienævnet 7.2 Godkendt af rektor 7.3 Overgangsregler 2

4 1. Om uddannelsen 1.1 Kandidatuddannelsens formål Formålet med en kandidatuddannelse på Roskilde Universitet er at: 1) udbygge den studerendes faglige viden og kunnen og øge de teoretiske og metodiske kvalifikationer og kompetencer samt selvstændigheden i forhold til kandidatniveauet 2) give den studerende en faglig fordybelse gennem anvendelse af videregående elementer i uddannelsens fagområdes discipliner og metoder, herunder træning i videnskabeligt arbejde og metode, der videreudvikler den studerendes kompetence til at bestride mere specialiserede erhvervsfunktioner samt til at deltage i videnskabeligt udviklingsarbejde 3) kvalificere den studerende til videreuddannelse, herunder til ph.d.-uddannelse Uddannelsen tilrettelægges med henblik på fuldtidsstudie og ud fra en forudsætning om, at de studerende gennemfører eller som minimum deltager i hvert semesters studieaktiviteter. 1.2 Sprog Uddannelsen udbydes på engelsk. Der kan forekomme uddannelseselementer og pensum på fremmedsprog. Eksamenssproget er identisk med undervisningssproget medmindre andet er angivet. 1.3 Adgangskrav Se særskilt studieordningsdokument. 1.4 Kompetenceprofil - faglige og erhvervsrelevante kompetencer Studienævnet tilrettelægger uddannelsen i henhold til uddannelsens formålsbeskrivelse og lægger således vægt på at videreudvikle den studerendes viden, færdigheder og kompetencer inden for matematik og datalogi. Særligt udvikles den studerendes kompetencer inden for udvikling, implementation og afvikling af matematiske og datalogiske modeller. Gennem sit arbejde med teoretisk datalogi, softwareudvikling, matematik og modellering udvikler den studerende både sine teoretiske og praktiske færdigheder til løsning af matematisk datalogiske problemstillinger og til præsentation af resultater på et videnskabeligt niveau. Gennem det problemorienterede projektarbejde vil den studerende opnå kompetencer til selvstændigt at kunne anvende sine faglige begrebsdannelser, ræsonnementskompetencer og metodebeherskelse i komplekse sammenhænge. De studerendes projektarbejde åbner herudover mulighed for at anvende og udvikle matematiske og datalogiske modeller og metoder og kritisk diskutere deres gyldighed. Kandidatuddannelsen giver derved dimittenden kompetencer til selvstændigt og i samarbejde med andre at varetage anvendelsesmæssige, videnskabelige og uddannelsesmæssige akademiske erhvervsfunktioner inden for begge fag. Uddannelsens fokus er at give kandidaten kompetencer til at tilrettelægge, styre og planlægge softwareudviklings og modellerings projekter, hvor især udvikling og anvendelse af matematiske modeller og metoder er centralt, og hvor fokus er på algoritmik, formel logik, formelle sprog og beregnelighed. Tilrettelæggelsen sker med særligt henblik på at kvalificere til arbejde inden for 3

5 IT-, tele-, elektronik- og medicinalbrancherne, finanssectoren, i stillinger som data scientist, it-udvikler, konsulent-, programmør eller it-arkitekt, forretningsudvikler og projektleder f.eks. i forbindelse med teknisk specialiseret software indenfor erhverv der benytter sig af eksakte og kvantitative metoder. Viden: Om matematiske og datalogiske modeller, deres anvendelser, funktioner og begrænsninger. Om teknikker og teorier til analyse, design og konstruktion af it-systemer; herunder software engineering metoder og principper, computer- og systemarkitektur, algoritmer og data repræsentation, designprincipper for menneske-maskine grænseflader. Om ræsonnementer og matematiske strukturers opbygning. Om teorier og metoder til analyse, design og implementering af it-anvendelser; herunder systemudviklings metoder og principper, it-arkitektur, innovative it-anvendelser som produkt, service eller proces, samspil mellem it-løsning og brug. Avanceret viden om udvalgte specialiserede datalogiske og matematiske områder, som er baseret på højeste internationale forskningsniveau. Om begrebsverden, tankegange, ræsonnementer og repræsentations- og anskuelsesmåder, der er karakteristiske for matematik og datalogi. Om hvad der konstituerer datalogi og matematik som fag mht. vidensområder, erkendelsesformer, fokuspunkter og udvikling. om begrebsverden, tankegange, ræsonnementer og repræsentations- og anskuelsesmåder der er karakteristiske for fagene. Færdigheder: i at analysere, opbygge og anvende datalogiske og matematiske modeller. i at analysere, formulere og diskutere problemstillinger indenfor matematik og datalogi i vi-denskabelig terminologi i kritisk at kunne forholde sig til, vælge og anvende metoder og teknikker til analyse, design og konstruktion af softwaresystemer. i at kunne programmere avancerede softwareløsninger med brug af hensigtsmæssige, state-of-the-art programmeringssprog, biblioteker, udviklingsværktøj og udstyr. i at kunne teste, validere og evaluere softwaresystemer. i at udvælge, gennemføre og evaluere eksperimentelle undersøgelser, simuleringer og soft-wareløsninger i at kunne bidrage med central datalogisk og matematisk viden til samarbejdsprojekter af tværfaglig karakter. i at kunne vurdere og formidle forskningsbaseret viden om datalogi og matematik herunder videnskabelig litteratur, empirisk materiale og modeller i at kunne diskutere professionelle problemstillinger på et videnskabeligt grundlag med både fagfæller og ikke-specialister. i at afgrænse og definere problemstillinger indenfor fagene samt opstille testbare/bevisbare hypoteser på videnskabeligt grundlag i at sammenfatte og vurdere videnskabelig litteratur herunder empirisk materiale og modeller 4

6 Kompetencer: til at forstå, opbygge og anvende datalogiske og matematiske modeller. til kritisk at vurdere anvendelser af datalogiske og matematiske modeller. til at identificere, formalisere, analysere, vurdere og løse videnskabelige problemstillinger med baggrund i matematik og datalogi selvstændigt eller i samarbejde med andre til at kunne tilrettelægge, planlægge og styre et modellerings eller softwareudviklings projekt, der er komplekst og forudsætter nye løsningsmodeller. til selvstændigt at kunne igangsætte og gennemføre datalogisk og eller matematisk udviklingsarbejde med tværfagligt samarbejde og påtage sig professionelt ansvar. til at forstå, forfine, udvikle, udføre og vurdere eksperimentelle undersøgelser, simuleringer, software løsninger, ræsonnementer eller beviser til at forstå, opstille, anvende og vurdere kvalitative og/eller kvantitative modeller i fagene til at forholde sig reflekterende og perspektiverende til måder fagene anvendes på til systematisk og kritisk at kunne sætte sig ind i nye fagområder og herved selvstændigt kunne tage ansvar for egen faglig udvikling og specialisering. til at formidle og kommunikere præcist til forskellige målgrupper og i forskellige kontekster såvel skriftligt som mundtligt 1.5 Normering og varighed Uddannelsen er normeret til 120 ECTS. 60 ECTS svarer til et fuldtidsstudie i 1 år, hvorved uddannelsen er normeret til 2 år. 1.6 Titel Uddannelsen giver den studerende ret til at anvende titlen cand.scient. i Matematisk datalogisk modellering Uddannelsens engelske betegnelse er Master of Science (MSc) in Mathematical Computer Modelling 1.7 Studienævn og censorkorps Uddannelsen hører under Studienævn for Naturvidenskabelige uddannelser og er tilknyttet censorkorpset for Matematik og Datalogi. 1.8 Hovedområdetilknytning Uddannelsen hører under det naturvidenskabelige hovedområde. 1.9 Merit Studienævnet kan på baggrund af ansøgning fra den studerende godkende, at uddannelseselementer bestået på en anden dansk eller udenlandsk uddannelse på samme niveau kan træde i stedet for uddannelseselementer i uddannelsen på Roskilde Universitet, jf. Uddannelsesbekendtgørelsen. Studienævnet skal ved forhåndsgodkendelsen sikre, at studerende opfylder de faglige mål i studieordningen for de fag, der skal meriteres. Førstartmerit Studerende er ved ansøgning om optagelse på uddannelsen forpligtet til at søge merit for uddannelseselementer, som tidligere er bestået på en ikke-afsluttet kandidatuddannelse. Ansøgningen skal indeholde dokumentation for de 5

7 beståede studieaktiviteter. Studienævnet kan godkende, at beståede uddannelseselementer fra en anden dansk eller udenlandsk uddannelse på samme niveau træder i stedet for uddannelseselementer i uddannelsen, jf. Kandidatadgangsbekendtgørelsen. Forhåndsmerit og endelig godkendelse Studerende kan som en del af uddannelsen søge studienævnet om forhåndsmerit til at gennemføre uddannelseselementer ved et andet universitet i Danmark eller udlandet. Hvis de forhåndsgodkendte uddannelseselementer f.eks. ikke udbydes af værtsuniversitetet, kan den studerende søge om ændring af godkendelsen. Den studerende er forpligtet til at sende dokumentation for, om uddannelseselementerne er bestået eller ej. Dokumentationen skal sendes til Roskilde Universitet. Den endelige godkendelse af forhåndsmeritten kan kun ske på baggrund af dokumentationen. Når dokumentationen er modtaget, vil Roskilde Universitet administrativt godkende, at uddannelseselementerne meriteres ind i uddannelsen. Den studerende har pligt til at give sit samtykke til, at Roskilde Universitet må indhente de nødvendige oplysninger hos værtsuniversitetet, hvis den studerende ikke selv kan fremskaffe dokumentationen Mobilitet -udlandsophold og projektorienteret praktikforløb Mobilitetssemester / mobilitetsvindue En studerende kan søge studienævnet om forhåndsgodkendelse til at gennemføre et studieophold i udlandet eller projektorienteret praktikforløb, som træder i stedet for enkelte specificerede dele af det ordinære uddannelsesforløb. Særligt for studieophold i udlandet Studieophold i udlandet kan gennemføres via en af RUC s kvalitetssikrede udvekslingsaftaler, eller ved et udenlandsk universitetet efter eget valg. Studieophold i udlandet skal normalt udgøre et helt semesters fuldtidsstudier ved det udenlandske universitet (30 ECTS eller tilsvarende) og med forhåndsgodkendelse af studienævnet. Studienævnet skal ved forhåndsgodkendelsen sikre, at studerende opfylder de faglige mål i studieordningen for de fag, der skal meriteres. Dog skal der ved merit for studieophold i udlandet ydes en vis fleksibilitet, som muliggør opholdet, på trods af, at et tilsvarende indhold ikke findes ved det udenlandske universitet. F.eks. skal kurser ved et udenlandsk universitet (samlet omfang af 15 ECTS) kunne godkendes som projekt, hvis det ligger inden for det relevante fagområde, selv om metode og form ikke er tilsvarende. Særligt for projektorienterede forløb Det projektorienterede praktikforløb omfatter bl.a. udarbejdelse af en praktikprojektrapport. Når ansøgningen om forhåndsgodkendelse er imødekommet, tildeler studielederen den studerende en vejleder. Studienævnet skal ved behandling af ansøgningen sikre, at den studerende gennem det projektorienterede praktikforløb opnår faglige kompetencer, der i omfang og niveau svarer til de kompetencer, der kan opnås gennem det ordinære uddannelsesforløb. Studienævnet skal samtidig sikre, at praktikforløbet ikke hindrer, at den studerende kan gennemføre de evt. øvrige studieaktiviteter på det pågældende semester. Praktik kan kun forekomme én gang i løbet af uddannelsen. 2. Uddannelsens elementer 2.1 Kurser Kurserne giver den studerende en systematisk viden om centrale teorier, metoder, færdigheder og praksis inden for uddannelsens fagområder. Den studerende skal fagligt forberedes til at kunne fordybe sig i problemstillinger, der er relevante i forhold til projektarbejde, herunder specialet. Kursusformen kan være forelæsninger, seminarer, casearbejde, laboratorieøvelser, workshops m.m. 6

8 2.2 Projekter Projektarbejdet er problemorienteret, eksemplarisk, deltagerstyret og gruppebaseret. Et projekt udgør et tidsbegrænset og målrettet fagligt forløb, hvor et problem formuleres, analyseres og bearbejdes, så det resulterer i et håndgribeligt produkt. Produktet kan eksempelvis være en projektrapport eller et eller flere andre produkter. Projektet tager udgangspunkt i en valgfri og selvstændigt udarbejdet problemformulering, der i lighed med projektets metoder kan udvikles løbende gennem projektforløbet. Projektets eksemplariske karakter sikrer, at de studerende gennem projektarbejdet tilegner sig viden og kompetencer, som de kan anvende i en bredere sammenhæng end selve projektet. De studerende har frihed til selv at vælge projektets indhold inden for studieordningens rammer og målbestemmelser. Evnen til kritisk at vurdere kvaliteten af egen indsats og eget videngrundlag i forhold til en given problemstilling er en vigtig målsætning for det deltagerstyrede og problemorienterede projektarbejde. Forløbet understøttes af en eller flere faglige vejledere. Vejleder(e) understøtter, at gruppens arbejde opfylder studieordningens krav. Projektarbejdet foregår i grupper bestående af 2-6 studerende. Studielederen kan i særlige tilfælde tillade, at en studerende udarbejder et projekt alene. 2.3 Projektorienteret praktikforløb En studerende kan søge studienævnet om forhåndsgodkendelse til at gennemføre et særligt tilrettelagt, fagligt relevant projektorienteret praktikforløb, som træder i stedet for enkelte specificerede dele af det ordinære uddannelsesforløb. Det fremgår af studieordningen, hvilke semestre praktikken kan placeres på. Det projektorienterede praktikforløb omfatter bl.a. udarbejdelse af en praktikprojektrapport. Når ansøgningen om forhåndsgodkendelse er imødekommet, tildeler studielederen den studerende en vejleder. Studienævnet skal ved behandling af ansøgningen sikre, at den studerende gennem det projektorienterede praktikforløb opnår faglige kompetencer, der i omfang og niveau svarer til de kompetencer, der kan opnås gennem det ordinære uddannelsesforløb. Studienævnet skal samtidig sikre, at praktikforløbet ikke hindrer, at den studerende kan gennemføre de evt. øvrige studieaktiviteter på det pågældende semester. 2.4 Speciale Specialet er et større selvstændigt studiearbejde, som er problemorienteret, eksemplarisk og deltagerstyret. Specialet udgør et tidsbegrænset og målrettet fagligt forløb, hvor et problem formuleres, analyseres og bearbejdes. Specialearbejdet udmøntes i en specialerapport. Specialets eksemplariske karakter sikrer, at de studerende gennem specialearbejdet tilegner sig viden, færdigheder og kompetencer, som de kan anvende i en bredere sammenhæng end i specialet. De studerende har frihed til selv at vælge specialets indhold inden for studieordningens rammer og målbestemmelser. Evnen til kritisk at vurdere kvaliteten af egen indsats og eget vidensgrundlag i forhold til en given problemstilling er en vigtig målsætning for det deltagerstyrede og problemorienterede specialearbejde. Forløbet understøttes af en eller flere faglige vejledere. Vejleder(e) understøtter, at specialearbejdet opfylder studieordningens krav. I specialerapporten skal den studerende dokumentere viden om og færdigheder i at anvende videnskabelige teorier og metoder under arbejdet med en afgrænset, faglig og relevant problemstilling. Den studerende skal dokumentere færdigheder i at analysere, kategorisere, diskutere, argumentere, vurdere og reflektere på et videnskabeligt grundlag samt kunne vælge og forholde sig kritisk til kilder, litteratur, teori og metoder anvendt i specialet. Gennem specialet skal den studerende demonstrere færdighed i at kunne kommunikere en akademisk undersøgelse til fagfæller samt demonstrere kompetence til at igangsætte, styre og gennemføre en længerevarende akademisk undersøgelses- og skriveproces. Specialearbejdet foregår som udgangspunkt i grupper bestående af op til 4. De studerende har ret til at gennemføre specialearbejdet individuelt. 7

9 3. Uddannelsens opbygning 3.1 Anbefalet studieforløb For at bidrage til sikring af uddannelsens kvalitet og progression, samt for at støtte den studerende i forhold til studieplanlægning, anbefales følgende studieforløb: Anbefalet Studieforløb 1. Semester 2. Semester 3. Semester Projektportefolio ( Project Portefolio - Computer Science) (15 ECTS) Datalogiske Kerneområder (10 ECTS) Valgkurser i matematisk datalogi (MatDat) (5 ECTS) (valgfrit) Reflection project (15 ECTS) Fundamental Mathematical Structures (10 ECTS) Elective course (5 ECTS) Geometry (10 ECTS) Valgkursus i Matematisk datalogi (5 ECTS) Integrated Science (5 ECTS)* 2 x valgkurser (i alt 10 ECTS)* * Integrated Science (5 CETS) og de 2 valgkurser kan erstattes af et projektorienteret praktik. 4. semester Speciale 4. Uddannelsen semester Formål Formålet med semestret er at give den studerende datalogiske forudsætninger for at forstå, opbygge og anvende datalogiske og matematiske modeller. Herunder at opbygge en konkret erfaringsbasis i arbejdet med formaliserings og modelleringsproblemer og metoder. Semesteret forløb skal dels styrke de studerendes kompetencer til at modellere problemstillinger med komplekse relationer mellem data og dels udvikle kompetencer til at konstruere avancerede it-systemer med mange datakilder og som samtidigt fungerer på mange platforme. Uddannelseselementer i 1 semester Semesteret omfatter: Matematisk datalogisk modellering Projektportefolio ( Project Portefolio - Computer Science) (15 ECTS) 8

10 Datalogiske Kerneområder (10 ECTS) Valgkurser i matematisk datalogi (MatDat) (5 ECTS) (valgfrit) Titel Seneste ændring Undervisningssprog Projektportfolio (Project portfolio - Computer Science) (Datalogi) Engelsk Type ECTS-normering Projektportfolio 15 ECTS Viden Færdigheder Dyberegående viden om de teoretiske, metodiske og praktiske muligheder og problemer, der knytter sig til softwareudvikling med anvendelse af specifikke modeller fra kerneområderne eller valgfrit emne. Læringsudbytte/bedømmelseskriterier I at beskrive og reflektere over et selvstændigt udført arbejde, hvor en kompleks problemstilling behandles under anvendelse af relevante løsningsmodeller. Ii at definere og motivere en udvalgt løsningsmodel samt selvstændigt planlægge og gennemføre løsning ved brug af relevant videnskabelig litteratur på højt fagligt niveau. Kompetencer I at beherske begreber, teori og metode baseret på litteratur og kan anvende disse på reflekteret vis til løsning af konkrete datalogiske problemer. Beherske datalogiske udviklingssituationer, der er komplekse, og som forudsætter nye løsningsmodeller. De studerende udvikler i grupper á 2-6 studerende sin egen praksis portfolio. Emnerne herfor skal ligge inden for kerneområderne. Overordnet indhold Kerneområder inden for Datalogi udgøres af emnerne maskinarkitektur og operativsystemer, distribuerede systemer, databaser samt menneskemaskin-interaktion. En projektportfolio er en samling af arbejder (tekster, programkode, modeller af data, arkitektur) på forskellige abstraktionslag knyttet til praktisk værkstedsorienteret eller øvelsesarbejde. Undervisnings- og arbejdsform Portfolioarbejdet dokumenteres i en projektrapport der indeholder en hovedrapport med refleksionsdokument og eventuelle udvalgte arbejder, samt udvalgte yderligere arbejdsprodukter som bilag. Refleksionsdokumentet går på tværs af kerneområderne og knytter praktiske erfaringer sammen med relevant teori fra fagområdet. 9

11 Projektrapporten skal i øvrigt indeholde forside, indholdsfortegnelse, litteraturliste og bilag. Projektportfolioarbejdet udføres normalt i en gruppe med 2-6 deltagere, men studielederen kan i særlige tilfælde tillade at en studerende udarbejder portfolioarbejdet alene. Emnet for portfolioarbejdet vælges af de studerende inden for kravene til læringsudbytte og evt. nærmere afgrænsede emner og temaer, som Studienævnet har fastsat. Mundtlig eksamen med udgangspunkt i projektrapport. Under prøven afsættes op til 5 min. per studerende til en selvvalgt, forberedt præsentation med afsæt i det fælles portfolioarbejde. Prøven forløber derudover som en samtale mellem de(n) studerende, eksaminator og intern medbedømmer under ledelse af eksaminator. Under eksaminationen skal det sikres, at alle eksaminander på lige vilkår får mulighed for at demonstrere deres kendskab til det fælles arbejde og for vise deres faglige niveau i relation til det forventede læringsudbytte. Prøveform Der foretages en individuel bedømmelse af den enkelte studerendes præstation. Bedømmelsen er en samlet bedømmelse af projektrapporten og den mundtlige præstation. Projektrapporten skal have et omfang på minimum antal tegn inkl. mellemrum og må have et omfang på maksimalt antal tegn inkl. mellemrum. Omfangskravene er inklusive forside, indholdsfortegnelse, litteraturliste, figurer og andre illustrationer, men eksklusiv eventuelle bilag. Opgaver, der ikke overholder omfangskravene, afvises fra bedømmelse og der er anvendt et eksamensforsøg. Opgaver, der ikke overholder grænser for minimum og maksimum afvises fra bedømmelsen. Dvs. den studerende afvises fra den mundtlige prøve. Gruppeprøve eller individuel prøve Gruppeprøve. Hjælpemidler til eksamen Bedømmelse Censur Alle 7-trins-skalaen En bedømmer og en medbedømmer (Intern) Titel Undervisningssprog Datalogiske kerneområder ( Mandatory Core Topics -Computer Science) (Datalogi) Engelsk Type 10

12 Obligatorisk kursus ECTS-normering 10 ECTS Viden Viden om centrale teorier inden for kernefagområderne. Viden om kernefagområdernes teknikker til design og konstruktion af softwaresystemer, som tilfredsstiller specificerede krav. Et samlet overblik over og forståelse af de generelle principper bag de systemer af programmel og maskinel, som indgår i en moderne computer, og brugerens interaktion hermed. Læringsudbytte/bedømmelseskriterier Færdigheder Vælge og anvende hensigtsmæssige metoder og teknikker fra fagområdet til analyse, design og konstruktion af softwaresystemer. Kompetencer Kunne arbejde med datalogiske problemstillinger, både selvstændigt og i teams. Kritisk og systematisk sætte sig ind i nye tilgange inden for fagområdet og herved selvstændigt kunne tage ansvar for egen faglig udvikling. Kerneområder inden for Datalogi udgøres af emnerne maskinarkitektur og operativsystemer, distribuerede systemer, databaser samt menneskemaskin-interaktion. Overordnet indhold Kurset indeholder en præsentation og kritisk diskussion samt afprøvning af viden inden for centrale områder for hvert af disse emner. Det konkrete indhold fremgår altid af kursus.ruc.dk. Undervisnings- og arbejdsform Forelæsning med øvelser eller holdundervisning mm. Prøveform Mundtlig eksamen. Den mundtlige eksamen har en varighed af 30 min inkl. votering. Gruppeprøve eller individuel prøve Individuel. Hjælpemidler til eksamen Bedømmelse Censur Alle 7-trins-skalaen En bedømmer og en censor (Ekstern) Titel Elective courses in Mathematical Computer Science 11

13 Oversættelse af titel Undervisningssprog Valgkurser i matematisk datalogi Engelsk Type ECTS-normering Valgkurser. 5 ECTS Viden Viden om et afgrænset emneområde inden for teoretisk Datalogi Viden om områdets teknikker til design og konstruktion af softwaresystemer, som tilfredsstiller specificerede krav Et samlet overblik over og forståelse af de generelle principper bag områdets teori, metoder og teknologiske løsninger Færdigheder Læringsudbytte/bedømmelseskriterier Færdigheder i at vælge og anvende hensigtsmæssige metoder og teknikker fra fagområdet til analyse, design og konstruktion af pålidelige og brugervenlige softwaresystemer Kompetencer Kompetence til at kunne arbejde med datalogiske problemstillinger, både selvstændigt og i teams Kompetence til kritisk og systematisk at sætte sig ind i nye tilgange inden for fagområdet og herved selvstændigt kunne tage ansvar for egen faglig udvikling Overordnet indhold Med et valgfrit kursus har den studerende muligheder for at specialisere sig inden for et specifikt emneområde, hvor den studerende tilegner sig viden, færdigheder og kompetencer med henblik på at kunne omsætte teorier, metoder og løsningsideer til egen praksis i relation til softwareudvikling. Et valgfrit kursus kan være: Teoretisk datalogi, Robotter, Kunstig intelligens, Webteknologier, Programmeringssprog, Parallel beregning og Mobile computere, big data mf. Undervisnings- og arbejdsform Normalt holdundervisning, dvs. en blanding af læreroplæg, studenteroplæg og praktisk arbejde med konkrete opgaver. Forelæsning med øvelser. Fremgår af beskrivelsen i kursus.ruc.dk. Prøveform Skriftlig/mundtlig prøve. 12

14 20 min. mundtlig prøve med udgangspunkt i en skriftlig opgave samt pensum. Der gives en samlet bedømmelse af den mundtlige prøve og den skriftlige opgave. Den skriftlige opgave tager udgangspunkt i en udleveret problemstilling og afleveres ved kursets afslutning. Opgaven skal have et omfang på minimum antal tegn inkl. mellemrum og må have et omfang på maksimalt antal tegn inkl. mellemrum. Omfangskravene er inklusive forside, indholdsfortegnelse, litteraturliste, figurer og andre illustrationer, men eksklusiv eventuelle bilag. Opgaver, der ikke overholder omfangskravene, afvises fra bedømmelse og der er anvendt et eksamensforsøg.har et omfang på minimum Gruppeprøve eller individuel prøve Bedømmelse Censur Individuel. 7-trins-skalaen En bedømmer og en medbedømmer (Intern) semester Formål Formålet med semestret er at styrke den studerende matematiske forudsætninger for at forstå, opbygge og anvende datalogiske og matematiske modeller samt at reflektere over deres natur. Studienævnet godkender hvert semester en række kurser som valgkurser/elective course som er fagligt relevante for uddannelsen. Kurserne kan udbydes af andre fag på RUC og beskrivelserne af de enkelte kurser, skal findes under studieordninger på de respektive fag. Uddannelseselementer i 2 semester Semesteret omfatter: Matematisk datalogisk modellering Reflection project (15 ECTS) Fundamental Mathematical Structures (10 ECTS) Elective course (5 ECTS) Titel Oversættelse af titel Undervisningssprog Reflection Project Refleksionsprojekt Engelsk Type 13

15 Project ECTS-normering 15 ECTS Viden Færdigheder Viden om projektets matematiske og datalogiske faglighed Viden om de indgående modeller og begreber samt deres rækkevidde og relationer Viden om det indgående matematiske symbolsprog Viden om og forståelse for de i projektet anvendte analytiske metoder Færdighed i at forholde sig kritisk til anvendte teoriers, metoders og modellers styrker og svagheder Færdigheder i at udforske matematisk-datalogiske problemstillinger Færdighed i at perspektivere faglige indsigter i området udspændt af datalogi og matematik og dets anvendelser Færdighed i at omgås de indgående matematiske og datalogiske begreber og tankegange Færdighed i at formidle de opnåede resultater til en udvalgt målgruppe Læringsudbytte/bedømmelseskriterier Kompetencer Kompetence til at kunne undersøge modellering i relation til de i projektet involverede emner og problemer Kompetence til at kunne identificere og formulere en eksemplarisk problemstilling indenfor det valgte område, der kan håndteres med til rådighed stående midler Kompetence i at planlægge og udføre et relevant analytisk arbejde af videnskabsteoretisk karakter angående området udspændt af datalogi og matematik og dets anvendelser Kompetence til kritisk at kunne diskutere betydningen af de opnåede resultater og sætte resultaterne i relation til den relevante videnskabelige litteratur på området, herunder særlig videnskabsteoretisk litteratur Kompetence til at kunne udøve matematisk-datalogsik tankegang i relation til de i projektet involverede emner og problemer Kompetence til at kunne følge og bedømme matematiske og datalogiske ræsonnementer inden for projektets ramme Kompetence til at kunne læse og forstå videnskabelige tekster inden for emnet samt selv at kunne kommunikere herom såvel mundtligt som skriftligt Overordnet indhold 14

16 Projektarbejdet er problemorienteret og eksemplarisk. Projektarbejdets problemformulering skal angå en refleksion over matematik og datalogi og deres anvendelser. Projektets underliggende materie skal indeholde en eller flere cases, som belyser og giver input til en besvarelse af problemformuleringen. Undervisnings- og arbejdsform Deltagerstyret og problemorienteret projektarbejde i grupper. Projektarbejdet bedømmes ved en mundtlig prøve. Ved prøven tages der udgangspunkt i de(n) studerendes projektrapport. Eksaminationen foregår som en samtale mellem de studerende, eksaminator og intern bedømmer. De studerende skal eksamineres med udgangspunkt i hele projektrapporten. Eksaminationen skal give mulighed for individuel bedømmelse af de studerende. Bedømmelsen af hver studerende er en samlet individuel bedømmelse af projektrapporten og den mundtlige prøve. Prøvens omfang er 30 minutter per studerende, inklusive votering. Prøveform Projektrapporten skal have et omfang på minimum antal tegn inkl. mellemrum og må have et omfang på maksimalt antal tegn inkl. mellemrum. Omfangskravene er inklusive forside, indholdsfortegnelse, litteraturliste, figurer og andre illustrationer, men eksklusiv eventuelle bilag. Opgaver, der ikke overholder omfangskravene, afvises fra bedømmelse og der er anvendt et eksamensforsøg. En rapport, der ikke lever op til disse krav, kan afvises som grundlag for projektprøven. Og der er brugt ét eksamensforsøg. Studerende der har fået afvist deres projektrapport grundet afvigelse fra omfangskravet, tildeles 24 timer til at tilpasse opgaven til omfangskravet, hvorefter opgaven genafleveres. Gruppeprøve eller individuel prøve Bedømmelse Censur Gruppeprøve 7-trins-skalaen En bedømmer og en medbedømmer (Intern) Titel Oversættelse af titel Undervisningssprog Fundamental Mathematical Structures Fundamentale matematiske strukturer Engelsk Type ECTS-normering Obligatorisk kursus 10 ECTS 15

17 Viden Færdigheder Konkrete matematiske strukturer inden for mængdelærer, topologi, analyse og algebra. Fællestræk og forskelle mellem sådanne strukturer. Forskellige typer af ræsonnementer og beviser og deres betydning. Opbygning og formalisering af sådanne strukturer. At genkende fundamentale matematisk strukturer. At kende og anvende symboler og andre repræsentationer i overensstemmelse med den givne formalisme. Læringsudbytte/bedømmelseskriterier Kompetencer At læse, forstå og reproducere beviser inden for rammerne af de studerede strukturer. Kompetence til at kunne udøve matematisk tankegang i relation til fagets fundamentalle strukturer. Kompetence til at kunne følge, bedømme og gennemføre matematiske ræsonnementer og beviser. Kompetence til at kunne afkode, fortolke, skelne mellem og forbinde forskellige matematiske repræsentationer. Kompetence til kunne afkode og anvende matematisk symbolsk sprog inden for en given formalisme og til at kunne vurdere styrker og svagheder ved et aksiomssystem. Kompetence til at kunne læse og forstå matematiske tekster vedrø-rende fagets grundlag og fundamentelle strukturer samt selv at kunne kommunikere herom såvel mundtligt som skriftligt. Overordnet indhold Forskellige fundamentale, abstrakte matematiske strukturer og deres indbyrdes sammenhæng Introduktion til formel logik og herunder til begrebet en formel teori Mængdelærer, algebraiske strukturer, metriske og topologiske rum, geometriske strukturer og aspekter af målrum Undervisnings- og arbejdsform Forelæsninger og regne øvelser med mindre studenteroplæg og diskussioner af stoffet. Der afleveres 3-7 mindre opgaver individuelt eller i grupper hvortil der gives feedback. Kurset bedømmes ved en mundtlig eksamen med trukket emne uden forberedelse. Den mundtlige eksamen kan inddrage skriftlige opgaver/ arbejder, som er udarbejdet i løbet af kurset. Prøveform Prøvens varighed er 30 minutter inklusive votering. Omprøve er den samme som den ordinære prøveform. 16

18 Gruppeprøve eller individuel prøve Individuel. Hjælpemidler til eksamen Bedømmelse Censur Alle 7-trins-skalaen En bedømmer og en medbedømmer (Intern) Titel Oversættelse af titel Undervisningssprog Probability Theory and Statistics Sandsynlighedsregning og statistik Engelsk Type ECTS-normering Valgkursus 5 ECTS Viden Færdigheder Generelle egenskaber for diskrete og kontinuerte sandsynlighedsfordelinger De almindeligste diskrete og kontinuerte sandsynlighedsfordelinger. Stokastiske variable, uafhængighed, middelværdi varians covarians og korrelation af stokastiske variable Statistiske modeller, maksimum likelihood princippet, estimatorer tests, resampling og ikke parametrisk statistik Statistisk interferens Læringsudbytte/bedømmelseskriterier I at regne og modellere med sandsynligheds fordelinger og stokastiske variable Kompetencer I at estimere estimatorer og beregne test sandsynligheder og fortolke resultaterne heraf I at teste hypoteser ved hjælp af resampling og Q-test. I at bruge det tilhørende symbolsprog og matematiske formalisme I at håndtere de involverede matematiske begreber og ideer, deres rækkevidde og indbyrdes relationer Kompetence til at kunne udøve matematisk tankegang i relation til sandsynlighed, stokastiske og statistiske fænomener, samt at kunne reflektere over egne læring i relation hertil 17

19 Kompetence til at kunne følge, bedømme og gennemføre matematiske ræsonnementer og beviser inden for sandsynlighedsteori og statistisk Kompetence til at kunne afkode, fortolke, skelne mellem og forbinde forskellige matematiske repræsentationer i sandsynlighedsteori og statistisk Kompetence til at kunne forstå, formulere, formalisere og løse problemer i relation til stokastiske fænomener Kompetence til forstå, bedømme, kritisere og opstille matematiske modeller af stokastiske fænomener Kompetence til at kunne læse og forstå matematiske tekster inden for emnet samt selv at kunne kommunikere herom såvel mundtligt som skriftligt Kompetence til at kunne anvende digitale værktøjer til statistiske undersøgelser, samt til modelsimulering og analyse Sandsynlighedsteori : Overordnet indhold Den klassiske matematiske formalisering og afklaring af begreberne sandsynlighed, sandsynlighedsfordeling, uafhængighed, betinget sandsynlighed, sandsynlighedsfordelinger på endelige, tællelige mængder og kontinuerte fordelinger på den reelle akse De mest almindelige fordelinger Frembringende funktioner og forgreningsprocesser Statistik: Resamplings teknikker og ikke parametrisk statistik Introduktion til likelihood baseret statistisk inferens Eksempler Undervisnings- og arbejdsform Forelæsninger og regneøvelser med mindre studenteroplæg og diskussioner af stoffet. Der indgår ca. 3-5 skriftlige opgaver/arbejder i løbet af kurset, som udarbejdes individuelt eller i grupper. Kurset bedømmes ved en mundtlig eksamen. Prøveform Den mundtlige eksamen tager udgangspunkt i kursets pensum og kan inddrage skriftlige opgaver/arbejder, som er udført i løbet af kurset. Prøvens omfang er 30 minutter, inklusive votering. Omprøve er den samme som den ordinære prøveform. Gruppeprøve eller individuel prøve Individuel. Hjælpemidler til eksamen Alle 18

20 Bedømmelse Censur 7-trins-skalaen En bedømmer og en medbedømmer (Intern) semester Formål Formålet med semestret er at konsolidere den studerendes matematisk-datalogiske fundament og give den studerende mulighed for individuel specialisering. Semesteret består at forskellige typer af valgkurser. Studienævnet godkender hvert semester en række kurser som valgkurser/elective course som er fagligt relevante for uddannelsen. Kurserne kan udbydes af andre fag på RUC og beskrivelserne af de enkelte kurser, skal findes under studieordninger på de respektive fag. Uddannelseselementer i 3 semester Semesteret omfatter: Matematisk datalogisk modellering Geometry (10 ECTS) Valgkursus i Matematisk datalogi (5 ECTS) Integrated Science (5 ECTS)* 2 x valgkurser (i alt 10 ECTS)* * Integrated Science (5 CETS) og de 2 valgkurser kan erstattes at et projektorienteret praktik. Titel Oversættelse af titel Undervisningssprog Geometry Geometri Engelsk Type ECTS-normering Kursus 10 ECTS Viden Generelle egenskaber ved regulære kurver og flader i R^3 Krumningsbegreber for regulære flader i R^3 Abstrakt differential geometri Læringsudbytte/bedømmelseskriterier Eksempler på konkrete flader Færdigheder At håndtere differentialgeometriske begreber, ideer og størrelser 19

21 At bruge det tilhørende symbolsprog og den matematiske formalisme Kompetencer At læse, forstå og føre matematiske beviser inden for en differentialgeometrisk ramme At anvende matematisk analyse og lineær algebra i differentialgeometri Kompetence til at kunne udøve matematisk tankegang i relation til geometriske strukturer og problemer Kompetence til at kunne følge, bedømme og gennemføre matematiske ræsonnementer og beviser inden for geometri Kompetence til at kunne afkode, fortolke, skelne mellem og forbinde forskellige matematiske repræsentationer herunder især geometriske og algebraiske repræsentationer Kompetence til at kunne forstå, formulere, formalisere og løse problemer inden for differentialgeometri Kompetence til at kunne læse og forstå matematiske tekster inden for emnet samt selv at kunne kommunikere herom såvel mundtligt som skriftligt Kompetence til at kunne anvende digitale værktøjer til undersøgelse, løsning af og kommunikation om differentialgeometriske problemstillinger Overordnet indhold Regulære kurver i R^3 Regulære flader i R^3 Krumningsbegreber for regulære flader og deres relationer Abstrakte flader og Riemannske metrikker Konkrete flader Forelæsninger og regne øvelser med mindre studenteroplæg og diskussioner af stoffet. Undervisnings- og arbejdsform De studerende får ved kursusstart 6-8 spørgsmål/temaopgaver. De studerende forventes i løbet af kurset og i eksamenslæsningstiden at formulere korte oplæg af 10 min. varighed, et til hvert spørgsmål. Kurset bedømmes ved en mundtlig eksamen. Prøveform Ved eksamen trækker den studerende et af de på forhmd forberedte spørgsmål. Eksaminanten fremlægger på 10 min. uden yderligere forberedelse sin besvarelse af det trukne spørgsmål. Derefter udspørges eksaminanden i pensum generelt i cirka 15 minutter. Prøvens omfang er 30 minutter, inklusive votering. Omprøve er den samme som den ordinære prøveform. Gruppeprøve eller individuel prøve Individuel. 20

22 Hjælpemidler til eksamen Bedømmelse Censur Alle 7-trins-skalaen En bedømmer og en censor (Ekstern) Titel Oversættelse af titel Undervisningssprog Elective courses in Mathematical Computer Science Valgkurser i matematisk datalogi Engelsk Type ECTS-normering Valgkurser. 5 ECTS Viden Viden om et afgrænset emneområde inden for teoretisk Datalogi Viden om områdets teknikker til design og konstruktion af softwaresystemer, som tilfredsstiller specificerede krav Et samlet overblik over og forståelse af de generelle principper bag områdets teori, metoder og teknologiske løsninger Færdigheder Læringsudbytte/bedømmelseskriterier Færdigheder i at vælge og anvende hensigtsmæssige metoder og teknikker fra fagområdet til analyse, design og konstruktion af pålidelige og brugervenlige softwaresystemer Kompetencer Kompetence til at kunne arbejde med datalogiske problemstillinger, både selvstændigt og i teams Kompetence til kritisk og systematisk at sætte sig ind i nye tilgange inden for fagområdet og herved selvstændigt kunne tage ansvar for egen faglig udvikling Overordnet indhold Med et valgfrit kursus har den studerende muligheder for at specialisere sig inden for et specifikt emneområde, hvor den studerende tilegner sig viden, færdigheder og kompetencer med henblik på at kunne omsætte teorier, metoder og løsningsideer til egen praksis i relation til softwareudvikling. Et valgfrit kursus kan være: Teoretisk datalogi, Robotter, Kunstig intelligens, Webteknologier, Programmeringssprog, Parallel beregning og Mobile computere, big data mf. Undervisnings- og arbejdsform 21

23 Normalt holdundervisning, dvs. en blanding af læreroplæg, studenteroplæg og praktisk arbejde med konkrete opgaver. Forelæsning med øvelser. Fremgår af beskrivelsen i kursus.ruc.dk. Skriftlig/mundtlig prøve. 20 min. mundtlig prøve med udgangspunkt i en skriftlig opgave samt pensum. Der gives en samlet bedømmelse af den mundtlige prøve og den skriftlige opgave. Den skriftlige opgave tager udgangspunkt i en udleveret problemstilling og afleveres ved kursets afslutning. Prøveform Opgaven skal have et omfang på minimum antal tegn inkl. mellemrum og må have et omfang på maksimalt antal tegn inkl. mellemrum. Omfangskravene er inklusive forside, indholdsfortegnelse, litteraturliste, figurer og andre illustrationer, men eksklusiv eventuelle bilag. Opgaver, der ikke overholder omfangskravene, afvises fra bedømmelse og der er anvendt et eksamensforsøg.har et omfang på minimum Gruppeprøve eller individuel prøve Bedømmelse Censur Individuel. 7-trins-skalaen En bedømmer og en medbedømmer (Intern) Titel Undervisningssprog Integrated Science Engelsk Type ECTS-normering Kursus 5 ECTS Viden Færdigheder Viden om forskellige anvendelses-, refleksions-, og internfaglige perspektiver på området udspændt af matematik og datalogi Læringsudbytte/bedømmelseskriterier Færdighed i at redegøre for og analysere forskelle og ligheder mellem eksempler på matematisk-datalogiske modeller Færdighed i at redegøre for og analysere forskelle og ligheder mellem eksempler på anvendelses-, refleksions-, og internfaglige perspektiver på området udspændt af matematik og datalogi 22

24 Kompetencer Kompetence til at formidle og kommunikere præcist om de forskellige perspektiver på området udspændt af matematik og datalogi Overordnet indhold Formålet med forløbet er at give den studerende overblik over anvendelses,- refleksions,- og intern-faglige perspektiver på området udspændt af matematik og datalogi. Undervisnings- og arbejdsform Forløbet består af en række seminarer afholdt af eksterne gæster og interne videnskabeligt personale. De studerende arbejder med tre selvvalgte problemstillinger fra seminarrækken som danner grundlag for essayopgaven. Prøveform Essay-opgave. Opgaven skal have et omfang på minimum antal tegn inkl. mellemrum og må have et omfang på maksimalt antal tegn inkl. mellemrum. Omfangskravene er inklusive forside, indholdsfortegnelse, litteraturliste, figurer og andre illustrationer, men eksklusiv eventuelle bilag. Opgaver, der ikke overholder omfangskravene, afvises fra bedømmelse og der er anvendt et eksamensforsøg. I essayet skal den studerende redegøre for og analysere forskelle og ligheder ved de tre selvvalgte problemstillinger, hentet fra de udbudte seminarer. Den studerende har 14 dage (inkl. weekend og helligdage) efter sidste kursusgang til at besvare opgaven. Omprøven er den samme som den ordinære prøve. Gruppeprøve eller individuel prøve Bedømmelse Censur Individuel. 7-trins-skalaen En bedømmer og en medbedømmer (Intern) Titel Oversættelse af titel Undervisningssprog Advanced Mathematics Videregående matematik Engelsk Type ECTS-normering Valgkursus 5 ECTS Viden Et eller flere matematiske emner af videregående præg Læringsudbytte/bedømmelseskriterier Færdigheder At håndtere de i indgående størrelser, symboler, terminologi og resultater 23

25 At bruge det tilhørende symbolsprog og den matematiske formalisme Kompetencer At læse, forstå og føre matematiske beviser i tilknytning til emnet Problemløsning i tilknytning til emnet Kompetence til at kunne udøve matematisk tankegang i relation til fagets fundamentalle strukturer Kompetence til at kunne følge, bedømme og gennemføre matematiske ræsonnementer og beviser Kompetence til at kunne afkode, fortolke, skelne mellem og forbinde forskellige matematiske repræsentationer Kompetence til at kunne læse og forstå matematiske tekster inden for emnet samt selv at kunne kommunikere herom såvel mundtligt som skriftligt Overordnet indhold Kurset omhandler et udvalgt område af matematikken, som der gås i dybden med. Hovedvægten ligger på det begrebsmæssige fundament, på opbygningen af en sammenhængende teori og på detaljerede argumenter for teoriens resultater. For hvert studieår udmeldes kursets udvalgte område på forhånd af studienævnet. Forelæsninger og regneøvelser med mindre studenteroplæg og diskussioner af stoffet. Undervisnings- og arbejdsform Der indgår ca. 3-5 skriftlige opgaver/arbejder i løbet af kurset, som udarbejdes individuelt eller grupper. Kurset bedømmes ved en mundtlig eksamen. Prøveform Den mundtlige eksamen tager udgangspunkt i kursets pensum og kan inddrage skriftlige opgaver/arbejder, som er udført i løbet af kurset. Prøvens omfang er 30 minutter, inklusive votering. Omprøve er den samme som den ordinære prøveform. Gruppeprøve eller individuel prøve Individuel. Hjælpemidler til eksamen Bedømmelse Censur Alle 7-trins-skalaen En bedømmer og en medbedømmer (Intern) Titel Project-oriented Internship Report 24

26 Oversættelse af titel Undervisningssprog Projektorienteret Praktikforløb Engelsk Type ECTS-normering Projektorienteret Praktikforløb 15 ECTS Viden Færdigheder Kendskab til arbejdet i en institution/virksomhed der arbejder med undervisning, forskning, udvikling eller drift under inddragelse af matematisk-datalogisk tankegang Viden om de dele af datalogien og matematikken, der er relevante for den valgte problemstilling. Overblik over eksperimentelle/teoretiske/analytiske metoder relevante for den valgte problemstilling. Viden om og forståelse for de i projektet anvendte eksperimentelle/teoretiske/analytiske metoder. Processuelle færdigheder i at planlægge og udføre praktiske opgaver med inddragelse af de modeller, metoder og teorier, der arbejdes med i datalogien og matematikken under de mulighedsbetingelser der eksisterer i en konkret organisatorisk sammenhæng. Færdighed i at analysere og præsentere opnåede resultater på baggrund af datalogiske og matematiske teorier og metoder. Læringsudbytte/bedømmelseskriterier Færdighed i at forholde sig kritisk til anvendte metoders styrker og svagheder. Kompetencer Færdighed i at formidle de opnåede resultater til en udvalgt målgruppe. Færdighed i kritisk at reflektere over den praksis, der er i en konkret organisation. Til at deltage aktivt og selvstændigt i løsningen af opgaver i organisationer hvormatematisk-datalogiske fagligheder og kompetencer bidrager til at skabe værdi for organisationen. Til at være i stand til at gå i dialog med andre faggrupper om hvordan egen viden og færdigheder kan bidrage til en kvalificeret opgaveløsning Til kritisk at kunne diskutere betydningen af de opnåede resultater ud fra matematisk-datalogiske metoder og teorier og sætte resultaterne i relation til udvalgt videnskabelig litteratur på området. Til at kunne reflektere over anvendelsen af matematiskdatalogiske kompetencer i praktiske sammenhænge. Overordnet indhold 25

27 Praktikken skal give den studerende mulighed for at afprøve sin faglige profil og kvalificere sine jobmuligheder. Praktikforløbet skal give den studerende mulighed for at opnå praktiske erfaringer med at arbejde professionelt med problemstillinger indenfor datalogiens og matematikkens fagfelt. Praktikprojektet skal indeholde et væsentligt element af refleksion over matematik og/eller datalogis funktion i relation til praktikstedet. Dette kan eksempelvis ske ved et egentligt videnskabsteoretisk-, videnskabshistorisk- eller didaktisk projekt relateret til praktikstedets praksis. Eller det kan ske ved et projekt som tager udgangspunkt i en konkret model relevant for praktikstedets praksis, hvortil der knyttes et væsentligt element af refleksion over projektet og/eller de studerendes arbejde med dette. Praktikforløbet afsluttes med udfærdigelse af en skriftlig praktikprojektrapport. Undervisnings- og arbejdsform Som hovedregel skaffer den studerende selv et praktiksted. Den studerende tildeles en praktikprojektvejleder fra RUC. Der afholdes et formøde med vejleder. Vejlederen er behjælpelig med at indgå de nødvendige aftaler med praktikstedet, herunder en skriftlig gensidig praktikaftale mellem vejleder, studerende og praktiksted. Vejlederen skal vurdere, at praktikstedet og de funktioner den studerende skal varetage under praktikken, er af en sådan karakter, at den studerendes læring og kompetenceudvikling sikres. Praktikprojektvejlederen bidrager til, at den studerende etablerer et akademisk fagligt fundament, gennemfører en vidensproduktion i forbindelse med praktikken, og sammenfatter praktikerfaringerne og den etablerede viden i et praktikprojekt. Praktikprojektet har karakter af en almindelig projektrapport, i hvilken der indgår case-baseret viden, hvor casen i dette tilfælde er praktikstedets organisation og/eller de opgaver praktikanten løser. Praktikstedet kan også bidrage til vejledningen af den studerende. Det projektorienterede praktikforløb bedømmes ved en mundtlig prøve. Ved eksamenen tages der udgangspunkt i det udarbejdede praktikprojekt. Eksamen indledes med individuelt oplæg fra den studerende på baggrund af på forhånd udleverede spørgsmål. Eksaminationen foregår som en samtale mellem den studerende, eksaminator(e) og intern(e) medbedømmer(e). Prøveform Den studerende eksamineres med udgangspunkt i hele praktikprojektet, herunder især det indgående element af refleksion. At der tages udgangspunkt i praktikprojektet medfører, at der kan stilles spørgsmål til hele projektmodulets faglige område. Bedømmelsen er en samlet bedømmelse af praktikprojektet og den mundtlige præstation. Praktikrapporten skal være forsynet med en forside med titel, projektdeltager(e), vejleder(e), uddannelse og semester; en indholdsfortegnelse, et abstract, samt en litteraturliste. Rapporten skal 26