Veileder: Gabrielle Hansen
Beskrivelse av oppgaven: Denne oppgaven undersøker et nytt introduksjonskurs i IT, utviklet spesielt for LUR-studenter. Kurset skiller seg radikalt fra tradisjonelle IT-introkurs ved å fokusere på mestringslæring uten bruk av eksamener, øvinger, eller forelesninger. Hensikten er å tilby en ny tilnærming som stimulerer selvstendig læring og mestringsfølelse hos studentene.
Læringsassistener fra Excited: Oda Bang-Olsen, Joakim Pettersen Vassbakk

Veileder: Rune Hjelsvold
Beskrivelse av oppgaven: Dette prosjektet, ledet av Klynge 1 i Excited, analyserer læringsutbyttebeskrivelser for norske bachelorprogrammer i IT. Formålet er å vurdere kvaliteten på beskrivelsene, klassifisere dem i henhold til Blooms taksonomi, og undersøke dekningen av "soft skills". Prosjektet innebærer å hente ned og analysere de nyeste beskrivelsene, sammenligne dem med tidligere versjoner, og gjennomføre en konsistenssjekk for å gruppere lignende beskrivelser på tvers av studieprogrammer og studiesteder.
Læringsassistenter fra Excited: Tirl Sjøberg, Karan Singh Sandhu, Thomas Nitsche, Cathrine Libæk 

Veileder: Trond Aalberg
Beskrivelse av oppgaven: Dette prosjektet tar for seg bruken av ChatGPT som et verktøy i grunnleggende programmeringsopplæring. Gjennom observasjoner og intervjuer med studenter vil forskerne undersøke hvordan ChatGPT kan støtte læringsprosesser og forståelse i programmering. Arbeidet inkluderer en Excited arbeidsdag, hvor forskere og studenter samarbeider for å utvikle en forståelse av ChatGPTs potensial og begrensninger som støtteverktøy i undervisning.
Læringsassistenter fra Excited: Hanna Jacobsen, Hanna Kongelf, Anton Tveito

Veileder: Aamna Rais Ahmed, Line Kolas
Beskrivelse av oppgaven: Prosjektet er en systematisk litteraturgjennomgang av "Blended Project-Based Learning" (BPBL) innen høyere datavitenskapelig utdanning. Målet er å analysere hvordan BPBL blir definert, implementert og evaluert i forskning. Læringsassistenter vil få utdelt forskningsartikler og bruke et analytisk rammeverk for å kartlegge definisjoner, implementasjonsmetoder og forskningsresultater knyttet til BPBL. Resultatene skal bidra til å forstå effekten av BPBL i datavitenskapelig utdanning og veilede fremtidig undervisningspraksis.
Læringsassistenter fra Excited: Karan Singh Sandhu, Anton Tveito

Veileder: Line Kolås
Beskrivelse av oppgaven: Dette prosjektet omhandler analyse av programmeringsspill for voksne, med sikte på å evaluere spillenes egnethet for læring av programmering. Arbeidet inkluderer innsamling og rensing av data for å utelukke spill som ikke passer kriteriene for inkludering. I tillegg vil forskerne, sammen med læringsassistenter, spille og analysere spillene ved bruk av et analytisk rammeverk, som er under utvikling. Målet er å forstå hvordan disse spillene kan fungere som læringsverktøy for nybegynnere i programmering.
Læringsassistenter fra Excited: Anna Holden Jacobsen, Tiril Sjøberg og Hanna Kongelf

Veileder: Birgit R. Krogstie
Beskrivelse av oppgaven: Dette prosjektet er første steg i en større satsning for å integrere bærekraft på en meningsfull måte i bachelor- og masteroppgaver ved IDI. Bærekraft er nevnt i varierende grad i læringsutbyttene, men mange studenter opplever det som utfordrende å inkludere det på en god måte. Målet med denne fasen er å samle og strukturere relevante ressurser som skal gjøres tilgjengelige på en nettside innen utgangen av mars. Ressursene skal hjelpe studenter, veiledere, emneansvarlige og sensorer med å inkludere bærekraft i oppgaver uten at det blir en overfladisk pliktøvelse. Arbeidet innebærer å samle eksisterende rammeverk, snakke med relevante personer og finne eksempler på bærekraftsdiskusjoner i oppgaver.
Læringsassistenter fra Excited: Anton Tveito, Camilla Szwarc Jensen

Veiledere: Guttorm Sindre (NTNU), Mariusz Nowostawski (NTNU), Line Kolås (Nord), Robin Munkvold (Nord)
Beskrivelse av oppgaven: Dette prosjektet undersøker forskjeller og likheter i svar fra ulike KI-verktøy over tid. Hver måned stilles de samme fem spørsmålene—to med rene tekstsvar og tre med tekst og Python—til ChatGPT, Bing Copilot og Gemini. Forskningsfokuset er på variasjoner mellom verktøy, brukere og tidspunkt, samt om svarenes kvalitet utvikler seg over tid. Hittil er semantisk likhet analysert ved hjelp av Word-dokumenter og et Python-skript med Sentence-BERT. Neste steg er en mer detaljert analyse, både manuelt og automatisk, med utgangspunkt i det femte spørsmålet. Viktige aspekter inkluderer å vurdere tema, nødvendig kompetanse og oppgavens egnethet, samt å analysere kvalitet, kompleksitet og variasjon i de foreslåtte løsningene.