Tematy prac licencjackich z Informatyki – seria przykładów

Temat licencjatu z informatyki wybierasz z jednej z dwóch grup: albo projektujesz i budujesz działający system (aplikację webową, mobilną, grę, narzędzie analityczne), albo badasz i porównujesz istniejące technologie lub ich skutki dla użytkowników. W obu przypadkach temat powinien dać się zrealizować w kilka miesięcy przez jedną osobę i zakończyć mierzalnym wynikiem: działającym prototypem z testami albo porównaniem opartym na danych. Dalej przedstawiamy ponad dwadzieścia aktualnych propozycji z obu grup, z sugerowanym zestawem technologii lub metodą, a także wskazówki, jak ograniczyć zakres projektu, jak ułożyć spis treści pracy projektowej i czego unikać.

Licencjat czy inżynierka z informatyki

Na wielu politechnikach studia pierwszego stopnia z informatyki kończą się tytułem inżyniera, ale licencjat jest standardem na kierunkach takich jak informatyka stosowana na uniwersytetach, informatyka ekonomiczna, informatyka w biznesie czy informatyka społeczna. Różnica w praktyce sprowadza się do proporcji: praca inżynierska kładzie większy nacisk na projekt i implementację, licencjacka częściej dopuszcza analizę, porównanie rozwiązań lub badanie użytkowników. Jeśli Twój kierunek kończy się tytułem inżyniera, zajrzyj do osobnego zestawienia tematów prac inżynierskich z informatyki.

Co wybierają dziś studenci

Zestawienie prac z informatyki zgromadzonych w repozytoriach uczelni pokazuje wyraźną zmianę. W licencjatach z lat 2024–2026 najliczniejsze są tematy o sztucznej inteligencji: jej wpływie na rynek pracy, wykorzystaniu w edukacji i nauce programowania, zastosowaniach w grach oraz o generatywnej AI. Prace o dużych modelach językowych, wykrywaniu deepfake’ów czy etyce algorytmów jeszcze kilka lat temu pojawiały się sporadycznie, a dziś powstają ich dziesiątki rocznie – w przypadku modeli językowych liczba prac wzrosła ponad dziesięciokrotnie. Wciąż popularne pozostają klasyczne projekty: aplikacje e-learningowe, gry, aplikacje do planowania treningów, systemy z bazą danych i aplikacje mobilne.

Tematy projektowe – zbuduj działające rozwiązanie

Wybierając technologię, kieruj się tym, co znasz lub chcesz poznać z myślą o pierwszej pracy, ale nie mieszaj zbyt wielu nowych narzędzi naraz. Jeden nowy framework w projekcie to rozsądne wyzwanie, trzy – przepis na opóźnienia. Inspiracji do bardziej rozbudowanych projektów możesz szukać także na naszej stronie poświęconej projektom informatycznym.

Tematy analityczne i badawcze

• Porównanie wydajności relacyjnej i dokumentowej bazy danych w aplikacji o dużej liczbie odczytów – testy obciążeniowe.
• Jakość kodu generowanego przez asystentów programowania – analiza błędów i podatności w wybranych zadaniach.
• Skuteczność narzędzi do wykrywania obrazów generowanych przez AI – test na przygotowanym zbiorze zdjęć.
• Wpływ generatywnej AI na pracę młodszych programistów – badanie ankietowe wśród stażystów i juniorów.
• Korzystanie z chatbotów AI przez studentów w nauce – częstotliwość, cele i ocena wiarygodności odpowiedzi.
• Dostępność cyfrowa stron internetowych urzędów gmin – audyt według wytycznych WCAG.
• Porównanie frameworków do tworzenia aplikacji wieloplatformowych pod kątem wydajności i wygody programisty.
• Bezpieczeństwo haseł i uwierzytelniania dwuskładnikowego w ocenie użytkowników bankowości mobilnej.

W pracach tego typu najważniejsza jest powtarzalność. Jeśli porównujesz technologie, opisz środowisko testowe (sprzęt, wersje oprogramowania, dane wejściowe) tak dokładnie, żeby ktoś inny mógł powtórzyć eksperyment. Jeśli prowadzisz ankietę, zadbaj o jasny dobór respondentów i pytania, które nie sugerują odpowiedzi.

Przy testach wydajności powtarzaj każdy pomiar kilkukrotnie i podawaj wartości średnie z odchyleniem, a nie pojedynczy wynik. Wyniki pokaż na wykresach z opisanymi osiami i jednostkami, a dane surowe umieść w repozytorium, żeby można je było zweryfikować.

Tematy o społecznych skutkach technologii

Na kierunkach takich jak informatyka społeczna czy informatyka w biznesie dobrze przyjmowane są tematy łączące technologię z zachowaniami ludzi i organizacji:

• Postrzeganie etyki algorytmów rekomendacyjnych przez użytkowników serwisów streamingowych.
• Gotowość małych firm do wdrożenia narzędzi AI – bariery kompetencyjne i kosztowe.
• Świadomość zagrożeń związanych z deepfake’ami wśród licealistów.
• Wpływ wymagań rozporządzenia AI Act na projektowanie aplikacji – analiza obowiązków dla twórców.

W takich pracach część techniczna jest skromniejsza, a większą wagę ma rzetelne badanie: dobrze skonstruowana ankieta, wywiady z praktykami albo analiza dokumentów i regulacji. Warto jednak zachować informatyczny charakter pracy, np. dołączając prosty prototyp ilustrujący problem albo analizę działania konkretnych narzędzi. Promotorzy na kierunkach informatycznych niechętnie przyjmują prace, które równie dobrze mogłyby powstać na socjologii czy zarządzaniu.

Jak ograniczyć zakres projektu

Najczęstszy problem licencjatów projektowych to zbyt ambitny zakres. „Platforma e-learningowa” brzmi dobrze, ale pełna platforma to praca zespołu przez wiele miesięcy. Zamiast tego zdefiniuj minimalny działający produkt: trzy–pięć kluczowych funkcji, które pozwolą sprawdzić główny pomysł. Resztę opisz w pracy jako kierunki dalszego rozwoju.

Pomaga spisanie wymagań przed rozpoczęciem kodowania. Wymagania funkcjonalne mówią, co system robi („użytkownik może dodać trening do kalendarza”), niefunkcjonalne – jak to robi („czas odpowiedzi poniżej sekundy”, „działanie offline”). Do opisu wymagań dobrze nadają się przypadki użycia lub historyjki użytkownika, a do architektury – proste diagramy UML lub C4. Te elementy trafią potem bezpośrednio do rozdziału projektowego.

Układ pracy projektowej

1. Wstęp – jaki problem rozwiązuje aplikacja, czemu służy i co obejmuje.
2. Przegląd istniejących rozwiązań i technologii – co już jest na rynku, czym Twój projekt się różni.
3. Analiza wymagań – użytkownicy, przypadki użycia, wymagania funkcjonalne i niefunkcjonalne.
4. Koncepcja rozwiązania – architektura, schemat bazy, makiety ekranów.
5. Implementacja – najważniejsze moduły, ciekawe problemy i sposób ich rozwiązania (bez wklejania całego kodu).
6. Testy – jednostkowe, integracyjne, testy z użytkownikami.
7. Podsumowanie – stopień realizacji celu, ograniczenia, możliwości rozwoju.
8. Źródła, wykaz ilustracji i dodatki (sposób uruchomienia, adres repozytorium).

Kod trzymaj w repozytorium Git od pierwszego dnia i zapisuj zmiany regularnie, z opisami mówiącymi, co zostało zrobione. Dodaj plik README z instrukcją instalacji – recenzent, który zechce uruchomić aplikację, nie powinien zgadywać, jakich bibliotek brakuje. Historia commitów to także dowód samodzielnej pracy, o który promotor może zapytać. Przy pracach badawczych układ jest inny: zamiast projektu i implementacji pojawiają się metodologia, opis eksperymentu lub ankiety oraz analiza wyników. Ogólne zasady pisania pracy pierwszego stopnia, niezależnie od kierunku, opisujemy na stronie o pracach licencjackich.

Testy i ocena gotowego rozwiązania

Rozdział o testach odróżnia dobrą pracę projektową od zwykłego opisu aplikacji. Zaplanuj trzy poziomy sprawdzania. Testy jednostkowe weryfikują pojedyncze funkcje, np. poprawność wyliczania obciążenia treningowego. Testy integracyjne sprawdzają współpracę modułów, np. zapis do bazy i odczyt przez API. Wreszcie testy z użytkownikami pokazują, czy aplikacja spełnia swoje zadanie: poproś pięć–dziesięć osób z grupy docelowej o wykonanie kilku zadań, zmierz czas i liczbę błędów, a na końcu zbierz ocenę w krótkim kwestionariuszu, np. standardowej skali użyteczności SUS.

W projektach z elementem uczenia maszynowego dochodzi ocena modelu: podział danych na zbiór uczący i testowy, miary jakości dobrane do problemu (dokładność, precyzja i czułość, błąd średniokwadratowy) i porównanie z prostym rozwiązaniem bazowym. Wynik „model osiąga 92% dokładności” niewiele mówi, jeśli nie wiadomo, ile osiągnąłby najprostszy klasyfikator.

Pierwsza rozmowa z promotorem

Na spotkanie przynieś krótką notatkę: tytuł roboczy, dwa–trzy zdania o problemie, listę kluczowych funkcji lub pytań badawczych i proponowane technologie. Promotorzy z informatyki często mają własne pomysły powiązane z projektami badawczymi albo współpracą z firmami – warto zapytać, czy nie szukają kogoś do konkretnego zadania. Taki temat bywa ciekawszy, a promotor jest bardziej zaangażowany w jego powodzenie. Ustalcie od razu, jak będzie wyglądała ocena: czy liczy się głównie działający kod, czy równie ważny jest tekst pracy.

Sztuczna inteligencja w pisaniu pracy

Asystenci programowania i modele językowe są dziś codziennym narzędziem informatyka, ale uczelnie mają różne zasady ich używania w pracach dyplomowych. Zapytaj promotora, co jest dozwolone, i opisz w pracy, do czego korzystałeś z takich narzędzi (np. generowanie szkieletu testów, poprawa składni). Tekst części opisowej pisz samodzielnie – systemy antyplagiatowe coraz częściej wskazują fragmenty prawdopodobnie wygenerowane, a ich obecność może opóźnić dopuszczenie do obrony. Jeżeli masz wątpliwości co do gotowego tekstu, zobacz, jak wygląda redakcja fragmentów wygenerowanych przez AI.

Czego unikać przy wyborze tematu

• Kolejnej „aplikacji do zarządzania listą zadań” bez żadnego wyróżnika – promotorzy widzieli ich setki.
• Pomysłów opartych na danych poza Twoim zasięgiem, np. dokumentacji medycznej potrzebnej do uczenia modelu.
• Projektów zależnych od płatnych usług, których koszt przekroczy Twój budżet, albo od API, które może zostać wyłączone.
• Tematów czysto opisowych („Historia języków programowania”), w których brakuje własnego projektu lub badania.
• Porównań technologii bez kryteriów i bez pomiarów – opinia autora to za mało.

Wsparcie przy dokumentacji projektów i części teoretycznej prac z informatyki opisujemy w zakładce pisanie prac.

Najczęstsze pytania

Czy temat o sztucznej inteligencji nie jest zbyt trudny na licencjat?

Nie, jeśli korzystasz z gotowych modeli i bibliotek. Na licencjacie nie musisz trenować własnego modelu od zera – wystarczy sensownie wykorzystać istniejący, zbudować wokół niego aplikację i ocenić jej działanie.

Czy kod musi być dołączony do pracy?

Zwykle dołącza się go na nośniku lub jako link do repozytorium, a w tekście pracy umieszcza tylko krótkie, najważniejsze fragmenty. Sprawdź wymogi swojego wydziału.

Jaka objętość jest typowa?

Najczęściej 40–60, przy czym w pracach projektowych dużą część zajmują diagramy, zrzuty ekranu i tabele z wynikami testów.

Czy mogę rozwinąć projekt z zajęć lub praktyk?

Tak, pod warunkiem że praca dyplomowa znacząco go rozbuduje, a projekt zespołowy zostanie wyraźnie rozdzielony na Twój własny wkład. Jeżeli projekt powstał w firmie, upewnij się, że masz zgodę na jego opisanie.

Czy pracę z informatyki mogę napisać po angielsku?

Na wielu uczelniach jest to możliwe za zgodą promotora i dziekana, zwłaszcza gdy dokumentacja i kod i tak powstają po angielsku. Streszczenie w języku polskim zwykle pozostaje obowiązkowe.

Czytaj także

Tematy prac dyplomowychPraca inżynierska informatyka – tematy 2026Przegląd tematów pracy inżynierskiej z informatyki na 2026 rok wraz z kryteriami doboru zakresu, strukturą dokumentacji projektowej i…7 października 2026Tematy prac dyplomowychTematy prac licencjackich z Kryminalistyki – przykładyLicencjat z kryminalistyki najłatwiej napisać o jednej technice lub jednej czynności śledczej – na przykład o zabezpieczaniu śladów…26 marca 2025Tematy prac dyplomowychTematy prac magisterskich z Kryminalistyki – TOP 10Najmocniejsze tematy prac magisterskich z kryminalistyki dotyczą dziś śladów biologicznych i badań DNA, techniki oględzin, dowodów cyfrowych oraz…25 marca 2025