Studien- und Prüfungsordnung für den gemeinsamen Masterstudiengang Data Science des Fachbereichs Mathematik und Informatik und des Fachbereichs Erziehungswissenschaft und Psychologie der Freien Universität Berlin

Präambel

Aufgrund von § 14 Abs. 1 Satz 1 Nr. 2 Teilgrundordnung (Erprobungsmodell) der Freien Universität Berlin vom 27. Oktober 1998 (FU-Mitteilungen 24/1998) hat die Gemeinsame Kommission für den gemeinsamen Masterstudiengang Data Science des Fachbereichs des Fachbereichs Mathematik und Informatik und des Fachbereichs Erziehungswissenschaft und Psychologie der Freien Universität Berlin (Gemeinsame Kommission Data Science) am 18. April 2019 die folgende Studienund Prüfungsordnung für den gemeinsamen Masterstudiengang Data Science des Fachbereichs Mathematik und Informatik und des Fachbereichs Erziehungswissenschaft und Psychologie der Freien Universität Berlin erlassen: ¹

Anlagen

• Anlage 1: Modulbeschreibungen
• Anlage 2: Exemplarische Studienverlaufspläne für den Masterstudiengang Data Science
  • 2.1 Masterstudiengang mit dem Profil „Data Science in the Social Sciences“ (!TODO missing)
  • 2.2 Masterstudiengang mit dem Profil „Data Science in the Life Sciences“ (!TODO missing)
  • 2.3 Masterstudiengang mit dem Profil „Data Science Technologies“ (!TODO missing)
• Anlage 3: Zeugnis (Muster) (!TODO missing)
• Anlage 4: Urkunde (Muster) (!TODO missing)

§ 1 Geltungsbereich

1. Diese Ordnung regelt Ziele, Inhalt und Aufbau des gemeinsamen Masterstudiengangs Data Science des Fachbereichs Mathematik und Informatik und des Fachbereichs Erziehungswissenschaft und Psychologie der Freien Universität Berlin (Masterstudiengang) und in Ergänzung zur Rahmenstudien- und -prüfungsordnung der Freien Universität Berlin (RSPO) die Anforderungen und Verfahren für die Erbringung von Studien- und Prüfungsleistungen (Leistungen) im Masterstudiengang. Zuständig für die Organisation von Lehre und Studium ist die Gemeinsame Kommission Data Science.
2. Es handelt sich um einen konsekutiven Masterstudiengang gemäß § 23 Abs. 3 Nr. 1 Buchst. a) Gesetz über die Hochschulen im Land Berlin (Berliner Hochschulgesetz - BerlHG) vom 26. Juli 2011 (GVBl. S. 378), zuletzt geändert am 2. Februar 2018 (GVBl. S. 160).

§ 2 Qualifikationsziele

1. Die Absolventinnen und Absolventen des Masterstudiengangs kennen wesentliche Methoden der modernen Datenwissenschaft sowie die zugehörigen mathematischen, informatischen, und fachspezifischen Grundlagen. Sie sind fähig, datenanalytische Problemstellungen eigenständig zu analysieren, unterschiedliche methodische Ansätze zu vergleichen und ihre Vor- und Nachteile zu beurteilen. Die Absolventinnen und Absolventen können neu auftretende datenanalytische Probleme mathematisch formalisieren, Methoden zu ihrer Lösung entwickeln, diese anwendungsorientiert implementieren, und sachgerecht interpretieren. Außerdem sind ihnen Probleme und Lösungen für den Umgang mit Daten unter ethischen, rechtlichen und sicherheitsrelevanten Aspekten bekannt und sie kennen die Grenzen und Risiken datenwissenschaftlicher Methoden.
2. Neben ihrer fachlichen Qualifikation verfügen die Absolventinnen und Absolventen über Team-, Kommunikations- und Transferfähigkeiten und sind mit Gender- und Diversityaspekten vertraut. Sie beherrschen Techniken der wissenschaftlichen Recherche, des Lesens und Verfassens englischsprachiger wissenschaftlicher Texte, und der Vortragstechnik bzw. Präsentation.
3. Die Absolventinnen und Absolventen sind auf eine fachliche Leitungsfunktion in verschiedensten Tätigkeitsfeldern, die mit der Erhebung, Verwaltung, Aufbereitung, Analyse und Interpretation digitaler Daten einhergehen, vorbereitet. Dazu gehören beispielsweise die Bereiche Internetökonomie, Gesundheit oder Industrie 4.0 bzw. entsprechende Einrichtungen in Industrie, Forschung und Verwaltung. Darüber hinaus besteht die Möglichkeit, im Rahmen einer Promotion eine weitere akademische Qualifikation zu erwerben.

§ 3 Studieninhalte

1. In diesem Masterstudiengang werden Fähigkeiten vermittelt, die für den Umgang mit der fortschreitenden Digitalisierung vieler gesellschaftlicher und naturwissenschaftlicher Bereiche erforderlich sind. Dies betrifft beispielsweise die Erfassung, Verarbeitung, Analyse und Interpretation großer digitaler Datensätze. Der Masterstudiengang vermittelt hierzu die zentralen Aspekte der modernen Datenwissenschaft, die durch eine Verschmelzung der zentralen Felder Mathematik, Statistik,Informatik und maschinellem Lernen unter Berücksichtigung anwendungsbezogener Fragestellungen gekennzeichnet ist. Durch eine vertiefte Ausbildung in den entsprechenden Teilgebieten der Mathematik, Statistik und Informatik, sowie in den relevanten quantitativ arbeitenden Anwendungsfeldern der Natur-, Sozial-, und Geisteswissenschaften vermittelt der Studiengang die notwendigen Kompetenzen, relevante datenanalytische Fragestellungen zu erkennen, dafür angemessene mathematische oder informatische Lösungen zu entwickeln, diese anzuwenden und die Ergebnisse im speziellen Anwendungskontext richtig zu interpretieren.
2. Die Studentinnen und Studenten lernen die Inhalte und Arbeitsweise forschungsnaher Studiengebiete kennen. Neben fachlichen Kompetenzen in ausgewählten daten-intensiven Anwendungsfeldern werden ihnen überfachliche Fähigkeiten und Schlüsselqualifikationen im Hinblick auf eine spätere Forschungstätigkeit oder Leitungsfunktion vermittelt.

§ 4 Studienberatung und Studienfachberatung

1. Die allgemeine Studienberatung wird von der Zentraleinrichtung Studienberatung und Psychologische Beratung der Freien Universität Berlin durchgeführt.
2. Die Studienfachberatung wird durch die Hochschullehrerinnen und Hochschullehrer, die Lehrveranstaltungen im Masterstudiengang anbieten, zu den regelmäßigen Sprechstunden durchgeführt. Zusätzlich steht mindestens eine studentische Hilfskraft beratend zur Verfügung. Weiterhin wird empfohlen, die Eignung der individuellen Studienverlaufsplanung mit dem zuständigen Prüfungsbüro abzusprechen.
3. Ein Beratungsgespräch mit der oder dem Vorsitzenden des Prüfungsausschusses oder ihrer Stellvertreterin oder ihrem Stellvertreter innerhalb der ersten zwei Wochen des 1. Fachsemesters wird dringend empfohlen. Hierbei kann eine Beratung zur individuellen Studienverlaufsplanung und zur Ausrichtung des Profilbereichs erfolgen. Dazu werden ausreichend Termine angeboten und diese in geeigneter Form rechtzeitig bekannt gegeben.

§ 5 Prüfungsausschuss

Zuständig für die Organisation der Prüfungen und die übrigen in der RSPO genannten Aufgaben istder von der Gemeinsamen Kommission Data Science für den Masterstudiengang eingesetzte Prüfungsausschuss.

§ 6 Regelstudienzeit

Die Regelstudienzeit beträgt vier Semester.

§ 7 Aufbau und Gliederung; Umfang der Leistungen

1. Der Masterstudiengang im Umfang von 120 Leistungspunkten (LP) gliedert sich in Module im Umfang von insgesamt 90 LP und die Masterarbeit mit begleitendem Kolloquium im Umfang von 30 LP. Der Masterstudiengang gliedert sich in einen Grundlagenbereich im Umfang von 30 LP und in einen Profilbereich im Umfang von 60 LP.
2. Im Grundlagenbereich im Umfang von 30 LP sind die folgenden Module zu absolvieren:
   • Modul: Introduction to Profile Areas (5 LP),
   • Modul: Statistics for Data Science (10 LP),
   • Modul: Machine Learning for Data Science (10 LP) und
   • Modul: Programming for Data Science (5 LP).
3. Im Profilbereich werden die drei Profile „Data Science in the Social Sciences“, „Data Science in the Life Sciences“ und „Data Science Technologies“ angeboten, von denen eines zu wählen und zu absolvieren ist.Die Wahl des Profilbereiches geschieht durch Belegung der entsprechenden Pflichtmodule. Die im Rahmen des Wahlpflichtbereichs des Profilbereichs gewählten Module dürfen nicht mit Modulen, die bereits im Bachelorstudiengang absolviert wurden, übereinstimmen. Im Zweifelsfall entscheidet hierüber der Prüfungsausschuss; die Klärung soll vor der Wahl des fraglichen Moduls vorgenommen werden. Die drei Profile im Rahmen des Profilbereichs werden wie folgt angeboten:
   1. Profilbereich mit dem Profil „Data Science in Social Sciences“ im Umfang von 60 LP:
      1. Pflichtbereich im Umfang von 30 LP: Es sind die folgenden Module zu absolvieren:
         • Modul: Data Science in the Social Sciences(15 LP),
         • Modul: Ethical Foundations of Data Science(5 LP) und
         • Modul: Forschungspraxis (10 LP).
      2. Wahlpflichtbereich im Umfang von 30 LP:
         1. Aus den folgenden Modulen des Profils „Data Science in Social Sciences“ müssen Module im Umfang von insgesamt 15 LP gewählt und absolviert werden:
            • Modul: Neurocognitive Methods and Programming for Data Science (10 LP)
            • Modul: Cognitive Neuroscience for Data Science A (10 LP)
            • Modul: Cognitive Neuroscience for Data Science B (10 LP)
            • Modul: Differentialpsychologische Ansätze in den Data Sciences (10 LP)
            • Modul: Natural Language Processing(10 LP)
            • Modul: Einführung in die Psychoinformatik(5 LP)
            • Modul: Mobile Mental Health (5 LP)
            • Modul: Entwicklung von psychologischen Online-Interventionen (10 LP)
            • Modul: Ausgewählte Themen der Data Science in the Social Sciences (5 LP)
            • Modul: Spezielle Aspekte der Data Science in the Social Sciences (5 LP)
         2. Aus den folgenden Modulen der anderen Profile müssen Module im Umfang von insgesamt 15 LP gewählt und absolviert werden:
            • Modul: Data Science in the Life Sciences(15 LP)
            • Modul: Spezielle Aspekte der Data Science in Life Sciences (5 LP)
            • Modul: Ausgewählte Themen der Data Science in Life Sciences (10 LP)
            • Modul: Spezielle Aspekte der Data Science Technologies (5 LP)
            • Modul: Aktuelle Forschungsthemen der Data Science Technologies (5 LP)
            • Modul: Ausgewählte Themen der Data Science Technologies (10 LP)
            • Modul: Maschinelles Lernen in der Bioinformatik (5 LP)
            • Modul: Analyse großer Datensätze in der Bioinformatik (5 LP)
            • Modul: Netzwerkanalyse (10 LP)
            • Modul: Datenbanksysteme Data Science(5 LP)
            • Modul: Verteilte Systeme (5 LP)
            • Modul: Mobilkommunikation (5 LP)
            • Modul: Telematik (10 LP)
            • Modul: Höhere Algorithmik (10 LP)
            • Modul: Rechnersicherheit (10 LP)
            • Modul: Mustererkennung (5 LP)
            • Modul: Netzbasierte Informationssysteme(5 LP)
            • Modul: Künstliche Intelligenz (5 LP)
            • Modul: Spezielle Aspekte der Datenverwaltung (5 LP)
   2. Profilbereich mit dem Profil „Data Science in Life Sciences“ im Umfang von 60 LP:
      1. Pflichtbereich im Umfang von 30 LP: Es sind die folgenden Module zu absolvieren:
         • Modul: Data Science in the Life Sciences(15 LP),
         • Modul: Forschungspraxis (10 LP) und
         • Modul: Ethical Foundations of Data Science(5 LP).
      2. Wahlpflichtbereich im Umfang von 30 LP:
         1. Aus den folgenden Modulen des Profils „Data Science in Life Sciences“ müssen Module im Umfang von insgesamt 15 LP gewählt und absolviert werden:
            • Modul: Spezielle Aspekte der Data Science in Life Sciences (5 LP)
            • Modul: Ausgewählte Themen der Data Science in Life Sciences (10 LP)
            • Modul: Maschinelles Lernen in der Bioinformatik (5 LP)
            • Modul: Analyse großer Datensätze in der Bioinformatik (5 LP)
            • Modul: Netzwerkanalyse (10 LP)
         2. Aus den folgenden Modulen der anderen Profile müssen Module im Umfang von insgesamt 15 LP gewählt und absolviert werden:
            • Modul: Data Science in the Social Sciences(15 LP)
            • Modul: Ausgewählte Themen der Data Science in the Social Sciences (5 LP)
            • Modul: Spezielle Aspekte der Data Science in the Social Sciences (5 LP)
            • Modul: Spezielle Aspekte der Data Science Technologies (5 LP)
            • Modul: Aktuelle Forschungsthemen der Data Science Technologies (5 LP)
            • Modul: Ausgewählte Themen der Data Science Technologies (10 LP)
            • Modul: Neurocognitive Methods and Programming for Data Science (10 LP)
            • Modul: Cognitive Neuroscience for Data Science A (10 LP)
            • Modul: Cognitive Neuroscience for Data Science B (10 LP)
            • Modul: Natural Language Processing(10 LP)
            • Modul: Differentialpsychologische Ansätze in den Data Sciences (10 LP)
            • Modul: Einführung in die Psychoinformatik(5 LP)
            • Modul: Mobile Mental Health (5 LP)
            • Modul: Entwicklung von psychologischen Online-Interventionen (10 LP)
            • Modul: Datenbanksysteme Data Science(5 LP)
            • Modul: Verteilte Systeme (5 LP)
            • Modul: Mobilkommunikation (5 LP)
            • Modul: Telematik (10 LP)
            • Modul: Höhere Algorithmik (10 LP
            • Modul: Rechnersicherheit (10 LP
            • Modul: Mustererkennung (5 LP)
            • Modul: Netzbasierte Informationssysteme(5 LP)
            • Modul: Künstliche Intelligenz (5 LP)
            • Modul: Spezielle Aspekte der Datenverwaltung (5 LP)
   3. Profilbereich mit dem Profil „Data Science Technologies“ im Umfang von 60 LP:
      1. Pflichtbereich im Umfang von 15 LP: Es sind die folgenden Module zu absolvieren:
         • Modul: Softwareprojekt Data Science (10 LP) und
         • Modul: Ethical Foundations of Data Science(5 LP).
      2. Wahlpflichtbereich im Umfang von 45 LP:
         1. Aus den folgenden Modulen des Profils „Data Science Technologies“ müssen Module im Umfang von insgesamt 30 LP gewählt und absolviert werden:
            • Modul: Spezielle Aspekte der Data Science Technologies (5 LP)
            • Modul: Aktuelle Forschungsthemen der Data Science Technologies (5 LP)
            • Modul: Ausgewählte Themen der Data Science Technologies (10 LP)
            • Modul: Datenbanksysteme Data Science(5 LP)
            • Modul: Verteilte Systeme (5 LP)
            • Modul: Mobilkommunikation (5 LP)
            • Modul: Telematik (10 LP)
            • Modul: Höhere Algorithmik (10 LP)
            • Modul: Rechnersicherheit (10 LP)
            • Modul: Mustererkennung (5 LP)
            • Modul: Netzbasierte Informationssysteme(5 LP)
            • Modul: Künstliche Intelligenz (5 LP)
            • Modul: Spezielle Aspekte der Datenverwaltung (5 LP)
         2. Aus den folgenden Modulen der anderen Profile müssen Module im Umfang von insgesamt 15 LP gewählt und absolviert werden:
            • Modul: Data Science in the Social Sciences(15 LP)
            • Modul: Spezielle Aspekte der Data Science in the Social Sciences (5 LP)
            • Modul: Ausgewählte Themen der Data Science in the Social Sciences (5 LP)
            • Modul: Data Science in the Life Sciences(15 LP)
            • Modul: Spezielle Aspekte der Data Science in Life Sciences (5 LP)
            • Modul: Ausgewählte Themen der Data Science in Life Sciences (10 LP)
            • Modul: Neurocognitive Methods and Programming for Data Science (10 LP)
            • Modul: Cognitive Neuroscience for Data Science A (10 LP)
            • Modul: Cognitive Neuroscience for Data Science B (10 LP)
            • Modul: Differentialpsychologische Ansätze in den Data Sciences (10 LP)
            • Modul: Natural Language Processing(10 LP)
            • Modul: Einführung in die Psychoinformatik(5 LP)
            • Modul: Mobile Mental Health (5 LP)
            • Modul: Entwicklung von psychologischen Online-Interventionen (10 LP)
            • Modul: Maschinelles Lernen in der Bioinformatik (5 LP)
            • Modul: Analyse großer Datensätze in der Bioinformatik (5 LP)
            • Modul: Netzwerkanalyse (10 LP)

4. Über die Zugangsvoraussetzungen, die Inhalte und Qualifikationsziele, die Lehr- und Lernformen, den zeitlichen Arbeitsaufwand, die Formen der aktiven Teilnahme, die zu erbringenden studienbegleitenden Prüfungsleistungen, die Angaben über die Pflicht zur regelmäßigen Teilnahme an den Lehr- und Lernformen, die den Modulen jeweils zugeordneten Leistungspunkte, die Regeldauer und die Angebotshäufigkeit informieren für die Module des Masterstudiengangs die Modulbeschreibungen in der Anlage 1. Für die folgenden drei Module wird auf die Studien- und Prüfungsordnung für den Masterstudiengang Bioinformatik der Fachbereiche Biologie, Chemie, Pharmazie sowie Mathematik und Informatik der Freien Universität Berlin und der Fakultät der Charité - Universitätsmedizin Berlin verwiesen:

   • Modul: Maschinelles Lernen in der Bioinformatik(5 LP),
   • Modul: Analyse großer Datensätze in der Bioinformatik (5 LP),
   • Modul: Netzwerkanalyse (10 LP).

   Für die folgenden neun Module wird auf die Studienund Prüfungsordnung für den Masterstudiengang Informatik des Fachbereichs Mathematik und Informatik der Freien Universität Berlin verwiesen:

   • Modul: Verteilte Systeme (5 LP),
   • Modul: Mobilkommunikation (5 LP),
   • Modul: Telematik (10 LP),
   • Modul: Höhere Algorithmik (10 LP),
   • Modul: Rechnersicherheit (10 LP),
   • Modul: Mustererkennung (5 LP),
   • Modul: Netzbasierte Informationssysteme (5 LP),
   • Modul: Künstliche Intelligenz (5 LP),
   • Modul: Spezielle Aspekte der Datenverwaltung(5 LP).

5. Über den empfohlenen Verlauf des Studiums im Masterstudiengang unterrichtet der exemplarische Studienverlaufsplan in der Anlage 2.

§ 8 Lehr- und Lernformen

1. Im Rahmen des Lehrangebots für den Masterstudiengang werden folgende Lehr- und Lernformen angeboten:
   1. In Vorlesungen (V) werden die Inhalte der jeweiligen Veranstaltung von der Lehrkraft vorgetragen und erläutert. Die Lehrkräfte vermitteln Lehrinhalte unter Hinweis auf Fachliteratur und regen zu eigenem Arbeiten und kritischem Denken an.
   2. Übungen (Ü) finden in der Regel begleitend zur Vorlesung in kleinen Gruppen statt. In den Übungsgruppen werden die Inhalte der Vorlesung schwerpunktmäßig wiederholt und die praktische Anwendung des Gelernten anhand von Übungsaufgaben eingeübt.
   3. Seminare (S) dienen der exemplarischen Einarbeitung in Inhalte, Theorien und Methoden von Vertiefungsgebieten der Bioinformatik anhand überschaubarer Themenbereiche. Im Seminar werden unter Anleitung einer Lehrkraft Lehrinhalte von Studentinnen und Studenten anhand von Fachliteratur und empirischen Erkenntnissen erarbeitet, präsentiert und diskutiert.
   4. In Praxisseminaren (PraxS) arbeiten die Studentinnen und Studenten unter Anleitung allein oder in Kleingruppen an umfangreichen praktischen oder wissenschaftlichen Problemstellungen. Bei der Bearbeitung eines Projektes steht der Prozess der Lösungsfindung, also die praktische Anwendung geeigneter Techniken und Verfahrensweisen unter Verwendung wissenschaftlicher Erkenntnisse und Methoden im Mittelpunkt. Darüber hinaus werden überfachliche Qualifikationen wie Team-, Kommunikations- und Transferfähigkeiten erworben sowie ein verantwortliches und geschlechtersensibles Handeln eingeübt.
   5. Im Projektseminar (ProjS) bereiten die Studentinnen und Studenten eine umfangreichere Aufgabe auf und lösen sie mit Techniken und Methoden, die in der Regel in einer begleitenden oder vorangegangenen Veranstaltung erarbeitet wurden. Das schließt die formale Problemspezifikation, die Zerlegung in Teilprobleme, die Festlegung von Schnittstellen sowie den Einsatz von Projektmanagementmethoden ein. Die Studentinnen und Studenten berichten in selbstorganisierten Gruppen regelmäßig über ihre Fortschritte. Gut dokumentierte, lauffähige Programme und ein zusammenfassender Projektbericht, aus dem die eigenen Leistungen hervorgehen, sind zum Abschluss vorzulegen. Neben dem Erwerb von Fähigkeiten zur selbstständigen Anwendung von erlernten Kenntnissen und Problemlösungsmethoden der Informatik auf eine konkrete Aufgabe dient ein Projektseminar auch der Vertiefung von kooperativen Arbeitstechniken, von Gender- und Diversitätskompetenz.
   6. Im seminaristischen Unterricht (sU) werden anwendungsorientierte Kenntnisse eines abgegrenzten Stoffgebietes vermittelt; dabei wird eine Aufgabe selbstständig bearbeitet und deren Ergebnisse werden von den Studentinnen und Studenten dargestellt und kritisch gemeinsam diskutiert.
   7. Externe Praktika (P) dienen dem Erwerb von Fähigkeiten, die Problemlösungsmethodik im Bereich Data Science anhand mehrerer praktischer Aufgaben erfolgreich einzusetzen. Das schließt die Problemspezifikation und die Zerlegung in Teilprobleme ein. Lösungsvorschläge und Ergebnisse sind regelmäßig vorzuführen, schriftlich auszuarbeiten und vorzutragen. Zweck der Praktika ist der sichere Umgang mit dem erlernten Wissen.
   8. Ringvorlesung (RV): Ringvorlesungen vermitteln ein breites Spektrum an Fächerkulturen oder Zugänge zu einem Thema oder zu einem Fach und sind damit eine besondere Form der Vorlesung. In der Vorlesungsreihe zur Orientierung stellen sich verschiedene Dozentinnen und Dozenten, aus den unterschiedlichen Profilbereichen und Disziplinen, mit ihren Fächern vor. Dies schließt Gesprächselemente ein.
   9. Vertiefungsseminare (VS) dienen der gründlichen Auseinandersetzung mit exemplarischen Themenbereichen und der Einübung selbstständigen wissenschaftlichen Arbeitens. Die vorrangigen Arbeitsformen sind Seminargespräche auf der Grundlage von Unterrichtsmitteln, vorzubereitender Lektüre von Fachliteratur und Quellen, schriftlichen und/oder mündlich vorzutragenden Arbeitsaufträgen sowie Gruppenarbeit.
2. Die Lehr- und Lernformen gemäß Abs. 1 können in Blended-Learning-Arrangements umgesetzt werden. Das Präsenzstudium wird hierbei mit elektronischen Internet-basierten Medien (E-Learning) verknüpft. Dabei werden ausgewählte Lehr- und Lernaktivitäten über die zentralen E-Learning- Anwendungen der Freien Universität Berlin angeboten und von den Studentinnen und Studenten einzeln oder in einer Gruppe selbstständig und/oder betreut bearbeitet. Blended Learning kann in der Durchführungsphase (Austausch und Diskussion von Lernobjekten, Lösung von Aufgaben, Intensivierung der Kommunikation zwischen den Lernenden und Lehrenden) bzw. in der Nachbereitungsphase (Lernerfolgskontrolle, Transferunterstützung) eingesetzt werden.

§ 9 Masterarbeit

1. Die Masterarbeit soll zeigen, dass die Studentin oder der Student in der Lage ist,eine fortgeschrittene Aufgabenstellung aus dem Bereich Data Science mit wissenschaftlichen Methoden selbstständig zu bearbeiten und die gewonnenen Ergebnisse schriftlich und mündlich angemessen darzustellen und zu bewerten.
2. Studentinnen und Studenten werden auf Antrag zur Masterarbeit zugelassen, wenn sie bei Antragstellung nachweisen, dass sie
   1. im Masterstudiengang zuletzt an der Freien Universität Berlin immatrikuliert gewesen sind und
   2. Module im Rahmen des Masterstudiengangs im Umfang von insgesamt mindestens 60 LP erfolgreich absolviert haben.
3. Dem Antrag auf Zulassung zur Masterarbeit sind Nachweise über das Vorliegen der Voraussetzungen gemäß Abs. 2 beizufügen, ferner die Bescheinigung einer prüfungsberechtigten Lehrkraft über die Bereitschaft zur Übernahme der Betreuung der Masterarbeit. Der Prüfungsausschuss entscheidet über den Antrag. Wird eine Bescheinigung über die Übernahme der Betreuung der Masterarbeit gemäß Satz 1 nicht vorgelegt, so setzt der Prüfungsausschuss eine Betreuerin oder einen Betreuer ein. Die Studentinnen und Studenten erhalten Gelegenheit, eigene Themenvorschläge zu machen; ein Anspruch auf deren Umsetzung besteht nicht.
4. Die Masterarbeit soll ca. 70 Seiten umfassen.
5. Der Prüfungsausschuss gibt in Abstimmung mit der Betreuerin oder dem Betreuer das Thema der Masterarbeit aus. Thema und Aufgabenstellung müssen so beschaffen sein, dass die Bearbeitung innerhalb der Bearbeitungsfrist abgeschlossen werden kann. Ausgabe und Abgabe der Masterarbeit sind aktenkundig zu machen. Bei der Abgabe hat die Studentin oder der Student schriftlich zu versichern, dass sie oder er die Arbeit selbstständig verfasst und keine anderen als die angegebenen Quellen und Hilfsmittel benutzt hat.
6. Die Bearbeitungsfrist beträgt 23 Wochen. Als Beginn der Bearbeitungsfrist gilt das Datum der Ausgabe des Themas durch den Prüfungsausschuss. Das Thema kann einmal innerhalb der ersten vier Wochen zurückgegeben werden und giltdann als nicht ausgegeben. Der Prüfungsausschuss entscheidet über den Antrag im Einvernehmen mit der Betreuerin oder dem Betreuer der Masterarbeit.
7. Die Masterarbeit muss in englischer Sprache abgefasst werden. Auf begründeten Antrag kann der Prüfungsausschuss auch das Verfassen in deutscher Sprache zulassen. War eine Studentin oder ein Student über einen Zeitraum von mehr als acht Wochen aus triftigem Grund an der Bearbeitung gehindert, entscheidet der Prüfungsausschuss, ob die Masterarbeit neu erbracht werden muss. Die Prüfungsleistung hinsichtlich der Masterarbeit gilt für den Fall, dass der Prüfungsausschuss eine erneute Erbringung verlangt, als nicht unternommen.
8. Die Masterarbeit wird durch ein Kolloquium begleitet, das in der Regel in der zugeordneten Arbeitsgruppe stattfindet. Die Studentinnen und Studenten sollen einmal einen ca. 30-minütigen Vortrag über den Fortgang ihrer Masterarbeit halten.
9. Mit Zustimmung des Prüfungsausschusses kann die Masterarbeit auch extern in einem geeigneten Betrieb oder in einer wissenschaftlichen Einrichtung angefertigtwerden, sofern die wissenschaftliche Betreuung durch eine Prüferin oder einen Prüfer der Masterarbeit gewährleistet ist.
10. Die Masterarbeit ist von zwei Prüfungsberechtigten zu bewerten, die vom Prüfungsausschuss bestellt werden. Eine oder einer der beiden Prüfungsberechtigten soll die Betreuerin oder der Betreuer der Masterarbeit sein. Mindestens eine oder einer der beiden Prüfungsberechtigten muss an der Lehre im Masterstudiengang beteiligt und zugleich Hochschullehrerin oder Hochschullehrer am Fachbereich Mathematik und Informatik der Freien Universität Berlin oder am Fachbereich Erziehungswissenschaft und Psychologie der Freien Universität Berlin sein.
11. Die Note für die Masterarbeit ergibt sich aus dem arithmetischen Mittel der Einzelnoten der beiden Prüfungsberechtigten. Bewertet eine oder einer der Prüfungsberechtigten die Arbeit mit „nicht ausreichend“ (5,0) oder liegen die beiden Einzelnoten der Prüfungsberechtigten um 2,0 oder mehr auseinander, beauftragt der Prüfungsausschuss eine oder einen dritten Prüfungsberechtigten mit der Bewertung der Masterarbeit. In diesem Fall ergibt sich die Note für die Masterarbeit aus dem arithmetischen Mittel der Einzelnoten der drei Prüfungsberechtigten. Die Masterarbeit istbestanden, wenn die Note für die Masterarbeit „ausreichend“ (4,0) oder besser ist.
12. Die Anrechnung einer Leistung auf die Masterarbeit ist zulässig und kann beim Prüfungsausschuss beantragt werden. Voraussetzung für eine solche Anrechnung ist,dass sich die Prüfungsbedingungen und die Aufgabenstellung der vorgelegten Leistung bezüglich der Qualität, des Niveaus, der Lernergebnisse, des Umfangs und des Profils nicht wesentlich von den Prüfungsbedingungen und der Aufgabenstellung einer im Masterstudiengang zu erbringenden Masterarbeit, die das Qualifikationsprofil des Masterstudiengangs in besonderer Weise prägt, unterscheidet.

§ 10 Antwort-Wahl-Verfahren

1. Prüfungsaufgaben in der Form des Antwort-Wahl-Verfahrens sind von zwei Prüfungsberechtigten zu stellen.
2. Erweist sich bei der Bewertung von Prüfungsleistungen, die nach dem Antwort-Wahl-Verfahren abgelegt worden sind, eine auffällige Fehlerhäufung bei der Beantwortung einzelner Prüfungsaufgaben, so leitet eine Prüferin oder ein Prüfer die gesamten Prüfungsunterlagen unverzüglich und vor der Bekanntgabe von Prüfungsergebnissen an den Prüfungsausschuss. Der Prüfungsausschuss überprüft die Prüfungsaufgaben darauf, ob sie auf die Qualifikationsziele des jeweiligen Moduls abgestellt sind und zuverlässige Prüfungsergebnisse ermöglichen. Ergibt die Überprüfung, dass einzelne Prüfungsaufgaben fehlerhaft sind, sind diese bei der Feststellung des Prüfungsergebnisses nicht zu berücksichtigen. Die Zahl der fürdie Ermittlung des Prüfungsergebnisses zu berücksichtigenden Prüfungsaufgaben mindert sich entsprechend. Die Verminderung der Zahl der Prüfungsaufgaben darf sich nicht zum Nachteil einer Studentin oder eines Studenten auswirken. Übersteigt der Anteil der Bewertungspunkte der zu eliminierenden Prüfungsaufgaben 15 % der Gesamtzahl der erzielbaren Bewertungspunkte, so ist die Prüfungsleistung insgesamt zu wiederholen.

3. Eine im Antwort-Wahl-Verfahren erbrachte Prüfungsleistung ist bestanden, wenn die Studentin oder der Student mindestens 50 % der erzielbaren Bewertungspunkte erreicht hat (absolute Bestehensgrenze) oder wenn die Zahl der von der Studentin oder dem Studenten erzielten Bewertungspunkte um nicht mehr als 10 % die von den Teilnehmerinnen und Teilnehmern des Prüfungsversuchs der jeweiligen Prüfungsleistung durchschnittlich erzielten Punktzahl unterschreitet (relative Bestehensgrenze). Kommt die relative Bestehensgrenze zum Tragen, so muss die Studentin oder der Student für das Bestehen der Prüfungsleistung gleichwohl mindestens 40 % der erzielbaren Bewertungspunkte erreicht haben.

4. Im Antwort-Wahl-Verfahren erbrachte Prüfungsleistungen sind wie folgt zu bewerten: Hat die Studentin oder der Student die für das Bestehen der Prüfungsleistung nach Abs. 3 erforderliche Mindestbewertungspunktzahl erreicht, so lautet die Note

   • sehr gut, wenn sie oder er mindestens 75 %,
   • gut, wenn sie oder er mindestens 50, aber weniger als 75 %,
   • befriedigend, wenn sie oder er mindestens 25, aber weniger als 50 %,
   • ausreichend, wenn sie oder er keine oder weniger als 25 %

   der über die nach Abs. 3 erforderliche Mindestbewertungspunktzahlen hinaus erzielbaren Bewertungspunkte zutreffend beantwortet hat; für die verwendeten Noten gilt im Übrigen die RSPO.

5. Die Bewertungsvorgaben gemäß der Absätze 3 und 4 finden keine Anwendung, wenn

   1. die Prüfungsberechtigten, die die Prüfungsaufgaben gemäß Abs. 1 gestellt haben und die im Antwort-Wahl-Verfahren erbrachten Prüfungsleistungen bewerten, identisch sind oder
   2. der Anteil der erzielbaren Punktzahl in den Prüfungsaufgaben in der Form des Antwort-Wahl-Verfahrens an einer Klausur, die nur teilweise in der Form des Antwort-Wahl-Verfahrens gestellt wird, 25 % nicht übersteigt.

§ 11 Elektronische Prüfungsleistungen

1. Bei elektronischen Prüfungsleistungen erfolgt die Durchführung und Auswertung unter Verwendung von digitalen Technologien.
2. Vor einer Prüfungsleistung unter Verwendung von digitalen Technologien ist die Geeignetheit dieser Technologien im Hinblick auf die vorgesehenen Prüfungsaufgaben und die Durchführung der elektronischen Prüfungsleistung von zwei Prüferinnen oder Prüfern festzustellen.
3. Die Authentizität des Urhebers und die Integrität der Prüfungsergebnisse sind sicherzustellen. Hierfür werden die Prüfungsergebnisse in Form von elektronischen Daten eindeutig identifiziert sowie unverwechselbar und dauerhaft der Studentin oder dem Studenten zugeordnet. Es ist zu gewährleisten, dass die elektronischen Daten für die Bewertung und Nachprüfbarkeit unverändert und vollständig sind.
4. Eine automatisiert erstellte Bewertung einer Prüfungsleistung ist auf Antrag der geprüften Studentin oder des geprüften Studenten von einer Prüferin oder einem Prüfer zu überprüfen.

§ 12 Wiederholung von Prüfungsleistungen

1. Im Falle des Nichtbestehens dürfen die Masterarbeit einmal, sonstige studienbegleitende Prüfungsleistungen dreimal wiederholt werden.
2. Wenn der erste mögliche Prüfungstermin unmittelbar nach Abschluss der zugehörigen Lehrveranstaltung wahrgenommen wird, darf eine mit „ausreichend“ (4,0) oder besser bewerteten Prüfungsleistung im Rahmen eines Moduls einmalig zur Notenverbesserung, die spätestens zu Beginn des Folgesemesters stattfindet, wiederholt werden. Gewertet wird die Note mit dem besseren Ergebnis. Im Fall von Wiederholungsprüfungen ist eine Notenverbesserung ausgeschlossen.

§ 13 Auslandsstudium

1. Den Studentinnen und Studenten wird ein Auslandsstudium empfohlen. Im Rahmen des Auslandsstudiums sollen Leistungen erbracht werden, die auf den Masterstudiengang anrechenbar sind.
2. Dem Auslandsstudium soll der Abschluss einer Vereinbarung zwischen der Studentin oder dem Studenten, der oder dem Vorsitzenden des Prüfungsausschusses sowie der zuständigen Stelle der im Ausland ansässigen wissenschaftlichen Institution über die Dauer des Auslandsstudiums, über die im Rahmen des Auslandsstudiums zu erbringenden Leistungen, die gleichwertig zu den Leistungen im Masterstudiengang sein müssen, sowie die den Leistungen zugeordneten Leistungspunkte vorausgehen. Vereinbarungsgemäß erbrachte Leistungen werden angerechnet.
3. Als geeigneter Zeitpunkt für ein Auslandsstudium wird das zweite oder dritteFachsemester des Masterstudiengangs empfohlen.

§ 14 Studienabschluss

1. Voraussetzung für den Studienabschluss ist, dass die gemäß §§ 7 und 9 geforderten Leistungen erbracht worden sind.
2. Der Studienabschluss ist ausgeschlossen, soweit die Studentin oder der Student an einer Hochschule im gleichen Studiengang oder in einem Modul, welches mit einem der im Masterstudiengang zu absolvierenden und bei der Ermittlung der Gesamtnote zu berücksichtigenden Module identisch oder vergleichbar ist, Leistungen endgültig nicht erbracht oder Prüfungsleistungen endgültig nicht bestanden hat oder sich in einem schwebenden Prüfungsverfahren befindet.
3. Dem Antrag auf Feststellung des Studienabschlusses sind Nachweise über das Vorliegen der Voraussetzungen gemäß Abs. 1 und eine Versicherung beizufügen, dass für die Person der Antragstellerin oder des Antragstellers keiner der Fälle gemäß Abs. 2 vorliegt. Über den Antrag entscheidet der zuständige Prüfungsausschuss.
4. Aufgrund der bestandenen Prüfung wird der Hochschulgrad Master of Science (M.Sc.) verliehen. Die Studentinnen und Studenten erhalten ein Zeugnis und eine Urkunde (Anlagen 3 und 4), sowie ein Diploma Supplement (englische und deutsche Version). Darüber hinaus wird eine Zeugnisergänzung mit Angaben zu den einzelnen Modulen und ihren Bestandteilen (Transkript) erstellt. Auf Antrag werden ergänzend englische Versionen von Zeugnis und Urkunde ausgehändigt.

§ 15 Inkrafttreten

Diese Ordnung tritt am Tage nach ihrer Veröffentlichung in den FU-Mitteilungen (Amtsblatt der Freien Universität Berlin) in Kraft.

---

1. Diese Ordnung ist vom Präsidium der Freien Universität Berlin am 16. Mai 2019 bestätigt worden. ↩