Bachelorstudium i ingeniørfag – matematisk modellering og datavitenskap Programplan

Planen er utarbeidet ved OsloMet - storbyuniversitetet etter forskrift om rammeplan for ingeniørutdanningen, fastsatt av Kunnskapsdepartementet 18. mai 2018.

Nasjonalt kvalifikasjonsrammeverk for høyere utdanning, fastsatt av Kunnskapsdepartementet 20. mars 2009, gir oversikt over det totale læringsutbytte definert i kunnskap, ferdigheter og generell kompetanse som kandidaten forventes å ha etter fullført utdanning. Læringsutbyttebeskrivelsene i planen er utarbeidet i henhold til rammeplan og kvalifikasjonsrammeverket.

Studiet er en treåring rammeplanstyrt ingeniørutdanning. Kandidater som har fullført i henhold til programplanen tildeles graden Bachelor i ingeniørfag – matematisk modellering og datavitenskap. Studiets profil er preget av samhandling mellom informatikk, matematikk, statistikk og fysikk. Utdanningen skal gi studentene kompetanse til å arbeide med ingeniørfaglige problemstillinger knyttet til realfaglige anvendelsesområder. Gjennom tre år med ingeniør-rettede emner vil studenten tilegne seg kunnskap som er essensiell for naturvitenskapelige problemstillinger i arbeidslivet. Studiet er tilpasset ingeniørfaglige premisser og er forskningsbasert; forskning og utviklingsarbeid danner grunnlag for en kontinuerlig utvikling av studiets innhold og struktur, som involverer både stipendiater og studenter.

Bachelorstudiet har tre studiespesialiseringer:

• vitenskapelige beregninger (engelsk: Scientific computing),
• statistiske og datadrevne metoder (engelsk: Statistics and data science), og
• matematikk og fysikk (engelsk: Mathematics and physics).

Studentene følger samme emner første studieår, og så fordyper de seg i økende grad i andre og tredje studieår. I siste semester gjennomfører studentene en bacheloroppgave knyttet til arbeidslivsrettede problemstillinger.

Videre studier

Det finnes en rekke videreutdanningsmuligheter for kandidater med bachelor i ingeniørfag. En del fortsetter fram til en mastergrad i ved OsloMet, hvor Anvendt data- og informasjonsteknologi (ACIT) er mest relevant. Studiet er spesielt tilrettelagt for spesialiseringene «Anvendt kunstig intelligens», «Datavitenskap», «Matematisk modellering og vitenskapelige beregninger» i ACIT-programmet. Spennende mastertilbud finnes også ved NTNU, UMB, UiO eller andre norske og utenlandske universiteter

Studiets målgruppe er søkere med realfaglig bakgrunn som ønsker høyere utdanning innen et ingeniørfaglig område. Søkere som ikke har realfaglig bakgrunn kan søke på universitetets forkurs for ingeniørfag eller tre-semesterordning for å kvalifisere seg videre til ingeniørutdanning. Se universitetets nettsider: www.oslomet.no

Dette studiet er en interdisiplinær utdanning som kobler sammen matematisk analyse, numerisk og diskret matematikk, fysikk, statistikk, og datadrevne metoder. Studenter som søker seg til studiet bør være motivert for å jobbe disse temaene og hvordan de kobles sammen for å løse komplekse ingeniørfaglige problemstillinger fra arbeidslivet. Dette er et ambisiøst program med stort innslag av matematikk i løpet av studiet, som vil forfine en matematisk tilnærming til problemløsning som kan anvendes både i og utenfor matematiske rammer

Generell studiekompetanse/realkompetanse og i tillegg matematikk R1+R2 og fysikk 1. Forkurs eller teknisk fagskole fra tidligere strukturer oppfyller kvalifikasjonskravene. Søkere med teknisk fagskole etter lov om fagskoler av 2003 må ta matematikk R1+R2 og fysikk 1.

Viser til forskrift om opptak til høyere utdanning: https://lovdata.no/dokument/LTI/forskrift/2007- 01-31-173

En kandidat med fullført og bestått kvalifikasjon 3-årig skal ha følgende totale læringsutbytte definert i kunnskap, ferdigheter og generell kompetanse.

Kunnskap

Kandidaten:

har bred kunnskap som gir et helhetlig systemperspektiv på ingeniørfaget generelt, med fordypning i matematisk modellering og datavitenskap. Sentrale kunnskaper inkluderer matematisk problemløsning, forståelse for fysiske prinsipper, samt utvikling og bruk av realfaglig programvare.

har grunnleggende kunnskaper i matematikk, naturvitenskap, relevante samfunns- og økonomifag og om hvordan disse kan benyttes i ingeniørfaglig problemløsning.

har kunnskap om teknologiens historie, teknologiutvikling, ingeniørens rolle i samfunnet, relevante lovbestemmelser knyttet til bruk av matematisk modellering og datavitenskap og har kunnskaper om ulike konsekvenser ved bruk av teknologien.

kjenner til forsknings- og utviklingsarbeid innenfor matematisk modellering og datavitenskap, samt relevante metoder og arbeidsmåter innenfor ingeniørfaget.

kan oppdatere sin kunnskap innenfor fagfeltet, både gjennom informasjonsinnhenting og kontakt med fagmiljøer og praksis.

Ferdigheter

Kandidaten:

kan anvende kunnskap og relevante resultater fra forsknings- og utviklingsarbeid for å løse teoretiske, tekniske og praktiske problemstillinger innenfor matematisk modellering og datavitenskap, samt begrunne sine valg

har kunnskap om programvare og programmeringsspråk relevant for matematisk modellering og datavitenskap og har bred ingeniørfaglig digital kompetanse.

kan bruke relevante programmeringsspråk til å løse naturvitenskapelige problemstillinger.

kan arbeide i digitale laboratorier og behersker metoder og verktøy som grunnlag for reproduserbar, målrettet og innovativt arbeid.

kan identifisere, planlegge og gjennomføre ingeniørfaglige prosjekter, arbeidsoppgaver, forsøk og eksperimenter både selvstendig og i team.

kan finne, vurdere, bruke og henvise til informasjon og fagstoff og framstille dette slik at det belyser en problemstilling.

kan bidra til nytenkning, innovasjon og entreprenørskap gjennom deltakelse i utvikling og realisering av bærekraftige og samfunnsnyttige produkter, systemer og løsninger.

Generell kompetanse

Kandidaten:

har innsikt i miljømessige, helsemessige, samfunnsmessige og økonomiske konsekvenser av bruk av matematisk modellering og datavitenskap.

kan sette resultater av matematisk modellering og datavitenskap i et etisk og livsløpsperspektiv.

kan identifisere sikkerhets-, sårbarhets-, personverns- og datasikkerhetsaspekter i produkter og systemer som anvender IKT.

kan formidle ingeniørfaglig kunnskap til ulike målgrupper både skriftlig og muntlig og kan bidra til å synliggjøre teknologiens betydning og konsekvenser.

kan reflektere over egen faglig utøvelse, også i team og i en tverrfaglig sammenheng, og kan tilpasse denne til den aktuelle arbeidssituasjon.

kan bidra til utvikling av god praksis gjennom å delta i faglige diskusjoner innenfor matematisk modellering og datavitenskap og dele sine kunnskaper og erfaringer med andre.

har informasjonskompetanse; vet hvorfor man skal søke etter kvalitetssikrede kunnskapskilder, hvorfor man skal henvise til kilder og kjenner til hva som defineres som plagiat og fusk i studentarbeider.

kan oppdatere sin kunnskap gjennom litteraturstudier, informasjonssøking, kontakt med fagmiljøer og brukergrupper og gjennom erfaring.

Studiet er en treåring ingeniørutdanning og gir graden bachelor i matematisk modellering og datavitenskap. Hvert studieår utgjør 60 studiepoeng, det vil si at bachelorstudiet har et samlet omfang på 180 studiepoeng. Hvert emne har en avsluttende eksamen.

I første semester vil det i hovedsak være norsk i pensum og som undervisningsspråk, men det blir i økende grad benyttet engelsk litteratur utover studiet. Femte semester tilbys på engelsk for å tilrettelegge økt inn-/utveksling. Selv om bachelorstudiet i hovedsak undervises på norsk er det derfor en forventning at studentene har tilstrekkelig gode engelskkunnskaper da mye relevant faglitteratur og ressurser er på engelsk.

Innholdet i undervisningen i den felles delen av utdanningen kan oppsummeres som følger:

Første studieår fellesemner: Realfaglig basis

Ingeniørfaglig basis

Kalkulus og diskret matematikk

Programmering

Fysikk og kjemi

Andre studieår fellesemner: Faglig bredde og dybde

Lineær algebra og differensialliknigner

Statistikk

Moderne fysikk

Tredje studieår: Faglig fordypning

Flervariabel kalkulus

Bacheloroppgave

Studiet er bygd opp av følgende emnegrupper jf rammeplanen:

Ingeniørfaglig basis: 30 studiepoeng med grunnleggende matematikk, ingeniørfaglig systemtenkning og innføring i ingeniørfaglig yrkesutøvelse og arbeidsmetoder. Dette skal i hovedsak relateres til ingeniørutdanningen og legge grunnlaget for ingeniørfaget.

Programfaglig basis: 50–70 studiepoeng med tekniske fag, realfag og samfunnsfag. Dette skal i hovedsak relateres til studieprogrammet og legge grunnlaget for fagfeltet.

Teknisk spesialisering: 50–70 studiepoeng som gir en tydelig retning innen eget fagfelt, og som bygger på ingeniørfaglig basis og programfaglig basis. Dette skal i hovedsak relateres til studieretningen og legge grunnlaget for fagområdet. Bacheloroppgaven inngår i teknisk spesialisering.

Valgfri emner: 20–30 studiepoeng som bidrar til videre faglig spesialisering, enten i bredden eller dybden.

Studiet består videre av tre spesialiseringer hvor studentene følger flere forskjellige emner i andre og tredje studieår. Studentene velger spesialisering i løpet av andre semester. Dersom det i ett årskull er få studenter som velger en gitt spesialisering, vil ikke spesialiseringen tilbys for det årskullet. De tre spesialiseringene har følgende fordypningstema i andre og tredje studieår:

Spesialisering i statistiske og datadrevne metoder

Spesialiseringen i statistiske og datadrevne metoder følger alle de obligatoriske felles emnene, men har følgende obligatoriske emner som teknisk spesialisering.

DATS2300 Algoritmer og datastrukturer

MAMO3100 Statistisk analyse

ADSE3200 Visualisering

DAVE3625 Introduksjon til kunstig intelligens

Følgende emner er spesielt utvalgt som valgfrie fordypningsemner (alle er 10 studiepoeng):

MAMO3200 Simulering og visualisering

ADTS2310 Testing av programvare

DATA3750 Anvendt kunstig intelligens og data science prosjekt

ITPE3100 Datasikkerhet

DATA3790 Personvern- og identitetsteknologiprosjekt

DATA3730 Introduksjon til IT-forskning Vår:

MAMO2200 Avansert modellering og beregninger

DATA2410 Datanettverk og skytjenester

DAVE3606 Ressurseffektive programmer

Spesialisering i vitenskapelige beregninger

Spesialiseringen i vitenskapelige beregninger følger alle de obligatoriske felles emnene, men har følgende obligatoriske emner som teknisk spesialisering.

DATS2300 Algoritmer og datastrukturer

DAVE3606 Ressurseffektive programmer

MAMO2200 Avansert modellering og beregninger

MAMO3200 Simulering og Visualisering

Følgende emner er spesielt utvalgt som valgfrie fordypningsemner (alle er 10 studiepoeng):

MAMO2300 Lineær algebra og introduksjon til gruppeteori

MAMO3300 Reell analyse

ADTS2310 Testing av programvare

ITPE3100 Datasikkerhet

DATA3730 Introduksjon til IT-forskning

MAMO2500 Symmetrier og algebraiske strukturer

ADSE3200 Visualisering

DATA2410 Datanettverk og skytjenester

Spesialisering i matematikk og fysikk

Spesialiseringen i matematikk og fysikk følger alle de obligatoriske felles emnene, men har følgende obligatoriske emner som teknisk spesialisering.

MAMO2300 Linear algebra og introduksjon til gruppeteori

MAMO2500 Symmetrier og algebraiske strukturer

MAMO2400 Termodynamiskk og statistikk fysikk

MAMO3300 Reell analyse

Følgende emner er spesielt utvalgt som valgfrie fordypningsemner (alle er 10 studiepoeng):

MAMO3200 Simulering og visualisering

ADTS2310 Testing av programvare

ITPE3100 Datasikkerhet

DATA3730 Introduksjon til IT-forskning

MAMO2200 Avansert modellering og beregninger

DATA2410 Datanettverk og skytjenester

DAVE3606 Ressurseffektive programmer

Studiet tilrettelegger for metoder som fremmer studentens faglige utvikling og egenaktivitet som stimulerer til studier både individuelt og i grupper. Arbeidsformene er valgt med tanke på at studentene skal oppnå læringsutbytte. Hver student har medansvar for og innflytelse på egen studie og læringssituasjon. Dette innebærer aktiv deltagelse gjennom hele studieløpet med drøfting av faglige spørsmål og fordrer et læringsmiljø som åpner for refleksjon, analyse og kritisk tenkning. Veiledende evaluering kan bestå av muntlige så vel som skriftlige tilbakemeldinger.

Arbeids- og undervisningsformene vil variere noe fra emne til emne, men vil ofte bygge på problembasert undervisning og læring. Studentene vil kontinuerlig arbeide med problemer, løse oppgaver og utvikle prosjekter av ulik art. Datamaskiner, nettbrett, mobiltelefoner, internett, web og andre elektroniske kanaler og enheter benyttes systematisk til læring, formidling, veiledning, utvikling og kommunikasjon.

De viktigste arbeids- og undervisningsformene som brukes i studiet er beskrevet nedenfor. Emneplanene angir hvilke som er aktuelle i det enkelte emnet. Studiet avsluttes med en stor, selvstendig og praktisk bacheloroppgave som normalt er gitt som et oppdrag fra næringslivet.

Undervisning spesielt tilrettelagt for studentaktiv læring

Undervisningen er spesielt tilrettelagt for studentaktive læringsformer. Spesifikt vil studentene arbeide med utfordringer knyttet til en ingeniørrettet problemstilling, et behov i samfunnet eller tilsvarende. Studentene skal finne en løsning, gjennom å vise hvordan de har tenkt og gått fram for å løse problemet.

Denne form for læring belyses gjennom ulike metoder som:

Prosjektarbeid

Prosjektarbeid er en viktig arbeidsform, hvor relevante problemstillinger knyttes til relevante læringsmål og løsningsmetoder. Prosjektarbeidet varierer fra individuelt arbeid til større prosjekter i gruppe.

Workshop

En arbeidsform som kan fremme studentaktiv læring, kreativitet og samhandling med andre i en konsentrert tidsperiode.

Presentasjoner

Noen emner åpner opp for å gi studentene erfaring i å presentere fagstoff og eller prosjektresultater til medstudenter og emneansvarlig.

Veiledning individuelt og i grupper

Veiledning er en måte for kandidater å få konkret tilbakemelding og veiledning på sitt prosjekt med spesifikke utfordringer og mål. Minner mye om forholdet mellom en mester og svenn hvor en erfaren utøver deler sin kunnskap.

Diskusjoner og refleksjoner

Å utvikle evnen til å kritisk reflektere over egen og andres kunnskap er viktig for å øke graden av egenevaluering og forståelse knyttet til læringsutbyttene.

Forelesninger

Det organiseres forelesninger i perioder av hvert emne. Forelesninger benyttes ofte for å introdusere et tema for videre arbeid, vekke interesse, sammenfatte et tema, lette studiearbeidet innenfor spesielt vanskelige områder av et tema og presentere aktuell forskning innenfor et tema.

Selvstudier

Det forventes at studentene selv tilegner seg kunnskaper om temaer i pensum som ikke blir behandlet gjennom forelesninger eller annen timeplanlagt undervisning, samt videreutvikle kunnskapen gjennom oppgaveløsning.

Organisert arbeid i grupper

Studentene organiseres i grupper for bl.a. å lære å løse problemer sammen. Studentene samarbeider deler erfaringer og refleksjoner, noe som forbereder dem direkte til samarbeidssituasjoner i arbeidslivet etter endt utdanning.

Arbeidslivsrelevant bacheloroppgave

Bacheloroppgaven vil utføres for arbeidslivsrelevante problemstillinger, og kan på mange måter sammenliknes med en slags «svenneprøve» i faget. Studentene arbeider i grupper og løser sammensatte og komplekse problemer som kobler sammen mange av læringsutbyttene på både emne og programnivå i et stort prosjekt. Prosjektet avsluttes med en muntlig presentasjon for sensor.

Ingeniør- og teknologifag er internasjonale. Mye av pensumlitteraturen er på engelsk og flere systemer og arbeidsverktøy har engelsk som arbeidsspråk. Deler av undervisningen kan gjennomføres på engelsk. Det vil framkomme i den enkelte emneplan hvilke emner dette gjelder. Studentene får dermed god erfaring med og kunnskap i engelsk fagterminologien for ingeniørfag.

Ingeniør- og teknologistudier er også tilrettelagt for internasjonalisering gjennom at studenter kan ta delstudier i utlandet. Se https://student.oslomet.no/hvor-nar

BA i matematisk modellering og datavitenskap har flere partnere, som studenter kan reise på utveksling til, i/fra og med femte semester. For mer informasjon om dine utreisemuligheter, se nettsiden om utveksling for programmet ditt: Utvekslingsavtaler | Utveksling.

For innreisende studenter legges det opp til at studiet tilbyr engelskspråklige emner i femte semester.

Du kan også velge å skrive BA-prosjektet ditt i 6. semester ved å gjennomføre The European Project Semester (EPS), enten ved en av våre partnerinstitusjoner eller her ved OsloMet. Nærmere informasjon om hvor du kan gjennomføre EPS ute finner du på nettsiden om utveksling for programmet ditt: Utvekslingsavtaler. Dersom du ønsker å gjennomføre EPS hjemme, finner du informasjon her: https://www.oslomet.no/en/study/tkd/european-project-semester

Generell informasjon om EPS: http://europeanprojectsemester.eu/

En kandidat med fullført og bestått 3-årig bachelorgrad i informasjonsteknologi har følgende samlede læringsutbytte definert i form av kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Kandidaten:

• har bred kunnskap om informasjonsteknologi, problemløsning, programvareutvikling, webutvikling og grensesnitt og kjenner prinsippene for oppbygging av datasystemer og datanettverk
• har kunnskap i dataorientert matematikk og andre grunnleggende informatikkemner og kan bruke dem på andre relevante og datarelaterte områder
• har kunnskap om teknologiens historie, teknologiutvikling, teknologens rolle i samfunnet, relevante lovbestemmelser knyttet til bruk av datateknologi og programvare og har kunnskaper om ulike konsekvenser ved bruk av informasjonsteknologi
• kjenner til forsknings- og utviklingsarbeid innenfor fagfeltet, samt relevante metoder og arbeidsmåter

Ferdigheter

Kandidaten:

• kan anvende kunnskap og relevante resultater fra forsknings- og utviklingsarbeid for å løse avanserte teoretiske, tekniske og praktiske problemstillinger innenfor informasjonsteknologifaget og begrunne sine valg
• behersker metoder og verktøy som grunnlag for systematisk, målrettet og innovativt arbeid. Dette inkluderer ferdigheter til å
  • anvende operativsystemer, systemprogramvare og nettverk
  • utarbeide krav og modellere, utvikle, integrere og evaluere datasystemer
  • bruke programmeringsverktøy og systemutviklingsmiljø
  • designe og implementere universelt utformet menneske-maskin-interaksjon i samarbeid med brukere
• kan identifisere, analysere, planlegge og gjennomføre informasjonsteknologiske oppgaver og prosjekter av ulik type både selvstendig og i en gruppe
• kan programmere i flere programmeringsspråk og bruke programmeringsverktøy og utviklingsmiljøer
• kan utføre behovsanalyser og lage løsninger med brukergrensesnitt som ivaretar brukeres ønsker og behov
• kan finne, vurdere, bruke og henvise til informasjon og fagstoff og fremstill dette slik at det belyser en problemstilling. Dette inkluderer å
  • søke etter faglitteratur og kritisk vurdere kvaliteten på kilden
  • sette opp litteraturreferanser i henhold til gjeldende mal
• kan bidra til nytenkning, innovasjon og entreprenørskap gjennom deltakelse i utvikling og realisering av bærekraftige og samfunnsnyttige produkter, systemer og/eller løsninger der informasjonsteknologi inngår

Generell kompetanse

Kandidaten:

• har innsikt i miljømessige, helsemessige, samfunnsmessige og økonomiske konsekvenser av produkter og løsninger innenfor sitt fagområde og kan settes disse i et etisk perspektiv og et livsløpsperspektiv
• kan formidle kunnskap om informasjonsteknologi til ulike målgrupper både skriftlig og muntlig på norsk og engelsk, og kan bidra til å synliggjøre denne teknologiens betydning og konsekvenser
• kan reflektere over egen faglig utøvelse, også i team og i en tverrfaglig sammenheng og kan tilpasse denne til den aktuelle arbeidssituasjon
• kan bidra til utvikling av god praksis gjennom å delta i faglige diskusjoner innenfor fagområdet og dele sine kunnskaper og erfaringer med andre
• har informasjonskompetanse; vet hvorfor man skal søke etter kvalitetssikrede kunnskapskilder, hvorfor man skal henvise til kilder og kjenner til hva som defineres som plagiat og fusk i studentarbeider
• kan oppdatere sin kunnskap gjennom litteraturstudier, informasjonssøking, kontakt med fagmiljøer og brukergrupper og gjennom erfaring

Studiet består av enkeltemner på 10 studiepoeng og et avsluttende bacheloroppgave på 20 studiepoeng - til sammen 180 studiepoeng.

Det fremgår av emneplanene om et emne bygger faglig på et eller flere andre emner.

Valgemner

Valgemner kan være emner spesielt laget for dette formålet eller obligatoriske emner i bachelorstudiene i anvendt datateknologi og ingeniørfag - data, som kan tas hvis det er ledig kapasitet. Igangsetting av spesielle valgemner krever et tilstrekkelig antall interesserte studenter og at instituttet har nødvendig kapasitet og tilstrekkelig med lærerkrefter. Fakultetet kan ikke garantere for at alle valgemner og kombinasjoner fra andre studier er mulig da emner kan ha samme undervisningstid og eksamensdag.

Igangsetting av valgemner krever et tilstrekkelig antall interesserte studenter. Fakultetet kan ikke garantere for at alle valgemner og kombinasjoner fra andre studier er mulig da emner kan ha samme undervisningstid og eksamensdag.

Hvis et valgemne har begrenset antall plasser vil det arrangeres undervisningsopptak.

Studenter som har enten stryk (F) eller gyldig fravær (legeattest) fra tidligere ordinær eksamen i et valgemne, og som vil ta igjen emnet som en del av sin bachelorgrad neste år, er sikret plass (forutsatt at emnet arrangeres). Disse må ta kontakt med studieadministrasjonen før semester-registreringen åpnes for å være sikret plass.

Valgemner for studieåret 2023-2024

4. semester

DAFE1000 Matematikk 1000 (*)

ADSE1310 Internet of Things

ADSE3200 Visualisering

ADTS2310 Testing av programvare

DAVE3605 Effektiv kode med C og C++

DAVE3615 Programvarearkitektur og rammeverk

5. semester

DAVE3600 Apputvikling

ADTS3100 Universell utforming for IT

TEK2850 Innovasjon og bærekraftige forretningsmodeller

DAVE3710 Akademisk engelsk

DATA3625 Introduksjon til kunstig intelligens

TKDF1000 Tverrfaglig prosjektarbeid (tilbys ikke studieåret 2022/23)

DATA3800 Introduction to Data Science with Scripting

6. semester

DAFE1000 Matematikk 1000 (*)

ADSE1310 Internet of Things

ADSE3200 Visualisering

ADTS2310 Testing av programvare

DAVE3606 Ressurseffektive programmer

DAVE3610 Nettverks- og systemadministrasjon

DAVE3615 Programvarearkitektur og rammeverk

2-6. semester

DAVE3710 Praktisk IT-prosjekt

DAVE3720 Samfunnskontaktprosjekt

DAVE3730 Introduksjon til IT-forskning

DAVE3740 IT-innovasjons- og entreprenørskapsprosjekt

DAVE3750 Anvendt kunstig intelligens og data science prosjekt

DAVE3760 Utvidet / virtuell virkelighet prosjekt

DAVE3770 Helseteknologi-prosjekt

DATA3780 Anvendt blockchain-teknologiprosjekt

DATA3790 Personvern- og identitetsteknologiprosjekt

(*) Forutsetter R1 + R2 eller tilsvarende

Arbeids- og undervisningsformene vil variere noe fra emne til emne, men vil ofte bygge på problembasert undervisning og læring. Studentene vil kontinuerlig arbeide med problemer, løse oppgaver og utvikle prosjekter av ulik art. Datamaskiner, nettbrett, mobiltelefoner, internett, web og andre elektroniske kanaler og enheter benyttes systematisk til læring, formidling, veiledning, utvikling og kommunikasjon.

Det benyttes forelesninger, øvinger med individuell og gruppevis veiledning, arbeidskrav (obligatoriske oppgaver), gruppeprosjekter, næringslivskontakt (bl.a. gjesteforelesninger) og selvstudier.

Studiet avsluttes med en stor, selvstendig og praktisk bacheloroppgave som normalt er gitt som et oppdrag fra næringslivet.

Emneplanene for de enkelte emnene inneholder detaljene om emnenes arbeids- og undervisningsformer. I tillegg blir det ved undervisningstart i hvert emne satt opp en undervisningsplan med fremdriftsplan, pensumoversikt, frister for arbeidskrav og informasjon om undervisnings- og øvingsopplegget.