Computer Science Dissertation怎么写？计算机硕士论文高分指南 | UKThesis
Computer Science Dissertation和很多同学想象中的“长一点的essay”其实不是一回事。
尤其是Software Engineering、AI、Data Science、Cyber Security或者其他Computing方向，最后交上去的往往不只是文字。你可能还需要Software Prototype、Model、Dataset、Experiment、Testing结果甚至完整Repository。
我见过不少计算机同学前几个月一直埋头写代码，到了最后才突然发现：程序跑得起来，不等于Dissertation就一定拿高分。
因为Marker真正想看的通常是：你解决了什么问题、为什么采用这个Approach、具体实现了什么、怎么证明它有效，以及你能不能批判性评价自己的结果。
Computer Science Dissertation最关键的一条：
“能运行”只是Implementation的一部分；高质量Dissertation还要说明为什么这样设计、怎样Evaluation，以及Evidence是否真正支持你的Claims。
1. 先把Project Topic变成可评价的问题
Computer Science的Topic很容易写得特别宽。
比如：
Artificial Intelligence for Healthcare
听起来很厉害，但真正开始做Project以后会马上遇到几个问题：
到底是Classification还是Prediction？用什么Dataset？和什么Baseline比较？Success Criteria是什么？
更合适的research Question可能是：
Can a machine-learning model improve classification accuracy for X dataset compared with a logistic regression baseline?
| 需要明确 | Computer Science Project里意味着什么 |
|---|---|
| Problem | 到底解决哪个Technical或Research Problem？ |
| Deliverable | Software、Model、System、Experiment还是Formal Analysis？ |
| Baseline | 和什么Existing Method比较？ |
| Success Criteria | 怎样证明Project成功？ |
2. literature review不能只介绍Technology
计算机Dissertation的Literature Review很容易写成技术百科：
Python是什么、Machine Learning是什么、CNN是什么、Cloud Computing是什么……
这些内容不是完全没用，但真正应该回答的是：
别人已经怎样解决这个Problem？用了什么Method？效果怎样？还有什么Limitations？为什么你的Project仍然值得做？
也就是说，Literature Review最后应该自然走向：
Existing approaches
↓
Strengths and weaknesses
↓
Unresolved problem / limitation
↓
Your proposed approach
如果删掉所有作者名字以后，Literature Review只剩一堆Technology定义，通常还不够。
3. Implementation不是贴代码，而是解释Engineering Decisions
Computer Science Dissertation里Implementation通常非常重要。
但Implementation Chapter不是把GitHub代码复制二十页进去。
真正应该解释：
System Architecture怎么设计？为什么选择这个Framework？Data Pipeline怎么处理？为什么使用这个Algorithm？遇到了哪些Technical Problem？最后怎么解决？
Cambridge当前Computer Science项目指导也明确强调Implementation要说明实际产出的Program、Hardware或Theory，并解释Design Strategy和Software Engineering Approach。
| 弱写法 | 更好的写法 |
|---|---|
| “I used Python.” | 解释为什么Python及相关library适合当前任务 |
| 大量贴Code | 用Architecture Diagram、Pseudo-code和关键片段解释设计 |
| 只展示最终版本 | 解释关键Design Decision、Failure和Iteration |
4. Testing和Evaluation才是很多Project真正拉开分数的地方
我觉得Computer Science Dissertation最容易被低估的一章就是Evaluation。
很多同学花三个月做系统，最后Evaluation只写：
“The system worked successfully.”
这句话基本不能证明什么。
评价必须回到Success Criteria。
Cambridge项目指导特别强调，Evaluation的任务就是提供Evidence说明Project达到原始目标的程度；可以使用Performance Measurement、Correctness Testing、Human-subject Experiment、Baseline Comparison等不同方式。
| Project类型 | Evaluation可以看什么 |
|---|---|
| Machine Learning | Accuracy、F1、ROC、Baseline Comparison |
| Software System | Functional Testing、Performance、Usability |
| Algorithm | Runtime、Complexity、Correctness、Comparison |
| Security Project | Attack Scenario、Detection Rate、False Positive |
| HCI | User Study、Task Success、Usability Feedback |
5. Results不要只展示图，要解释图意味着什么
CS论文很容易有很多漂亮Chart：
Accuracy图、Loss Curve、Latency Chart、Confusion Matrix、Benchmark Table。
但图本身不会替你做Analysis。
Results之后要继续追问：
为什么Method A比Method B好？
这个差异有多大？
不同Dataset下结果稳定吗？
有没有Trade-off？
有没有Unexpected Result？
如果结果没有达到预期，也不要硬说成功。
好的Dissertation反而会诚实解释Limitations、失败原因和下一步怎么改。Cambridge的高分Evaluation标准也强调Critical Interpretation和Future Work，而不是只展示成功结果。
6. Technical Contribution一定要讲清楚“你做了什么”
Computer Science Project的Originality不一定意味着你必须发明全世界从未出现过的算法。
Master’s Project的Contribution可能是：
实现并比较多个Existing Methods；
将某方法应用到新的Dataset或Problem；
设计一个更完整的System；
改进Performance或Usability；
通过Experiment得到新的Evidence；
复现并批判性评估已有工作。
St Andrews也明确说明，本科或Master’s CS项目并不要求达到PhD那种推动State of the Art的程度，但仍然应该足够有挑战性，并展示学生把Computing Skills用于复杂问题的能力。
所以Conclusion里最好明确说：
What exactly did this project contribute?
7. 最后才轮到Language、Citation和Formatting
语言当然重要，但如果Project Evaluation很薄，单纯把英文润色得非常漂亮也救不了Technical Content。
提交前我更建议按下面顺序检查：
<td style="padding:10px;border:1px
| 优先级 | 检查重点 |
|---|---|
| 1 | Problem、Aim、Success Criteria是否一致 |
| 2 |