Kursplan fastställd 2019-02-21 av programansvarig (eller motsvarande).
Kursöversikt
- Engelskt namnEmpirical software engineering
- KurskodDAT246
- Omfattning7,5 Högskolepoäng
- ÄgareMPSOF
- UtbildningsnivåAvancerad nivå
- HuvudområdeDatateknik, Informationsteknik
- InstitutionDATA- OCH INFORMATIONSTEKNIK
- BetygsskalaTH - Fem, Fyra, Tre, Underkänd
Kurstillfälle 1
- Undervisningsspråk Engelska
- Anmälningskod 24114
- Max antal deltagare80
- Sökbar för utbytesstudenterJa
Poängfördelning
Modul | LP1 | LP2 | LP3 | LP4 | Sommar | Ej LP | Tentamensdatum |
|---|---|---|---|---|---|---|---|
| 0114 Inlämningsuppgift 2,5 hp Betygsskala: UG | 0 hp | 2,5 hp | 0 hp | 0 hp | 0 hp | 0 hp | |
| 0214 Tentamen 5 hp Betygsskala: TH | 0 hp | 5 hp | 0 hp | 0 hp | 0 hp | 0 hp |
|
I program
- MPDSC - DATA SCIENCE OCH AI, MASTERPROGRAM, Årskurs 1 (valbar)
- MPHPC - HÖGPRESTERANDE DATORSYSTEM, MASTERPROGRAM, Årskurs 1 (valbar)
- MPIDE - INTERAKTIONSDESIGN, MASTERPROGRAM, Årskurs 2 (valbar)
- MPSOF - SOFTWARE ENGINEERING AND TECHNOLOGY - UTVECKLING OCH IMPLEMENTERING AV MJUKVARA, MASTERPROGRAM, Årskurs 1 (obligatorisk)
Examinator
Richard Torkar- Prefekt, Data- och informationsteknik
Ersätter
- DAT245 Empirical software engineering
Behörighet
Information saknasSärskild behörighet
För kurser på avancerad nivå gäller samma grundläggande och särskilda behörighetskrav som till det kursägande programmet. (När kursen är på avancerad nivå men ägs av ett grundnivåprogram gäller dock tillträdeskrav för avancerad nivå.)Undantag från tillträdeskraven: Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.
Kursspecifika förkunskaper
För behörighet till kursen krävs minst en kandidatexamen inom Software Engineering, programvaruteknik, Datavetenskap eller motsvarande.Syfte
Mjukvaruföretag måste ständigt förbättra sig för att bli snabbare, bättre och mer effektiv. Kursen syftar till att lära sig vetenskapliga metoder, särskilt experiment och statistik, för datainsamling, t.ex. som underlag för analys och beslutsstöd i förbättringsinitiativ i mjukvaruorganisationer. Kursen förbereder studenterna för examensarbete och förbättrar elevens förmåga att bedriva forskarstudier.
Lärandemål (efter fullgjord kurs ska studenten kunna)
1. Kunskaper och förståelse:a. Förstå principerna avseende empiri inom programvaruteknik.
b. Förståelse principerna bakom fallstudier/experiment/enkäter.
c. Beskriva de underliggande principerna för meta-analytiska studier.
d. Förklara vikten av forskningsetik.
e. Känna till och definiera "code of ethics" gällande forskning inom programvaruteknik.
f. Diskutera och förklara the vanligaste etiska modellerna inom forskningen.
g. Redogöra för och förklara vikten av validitetshot och hur man kan kontrollera dessa typer av hot.
2. Färdigheter och förmågor:
a. Designa en empirisk studie.
b. Analysera deskriptiv statistik och definiera lämpliga analysmetoder.
c. Använda och förklara "code of ethics" för programvaruteknisk forskning.
3. Värderingsförmåga och förhållningssätt:
a. Ange och diskutera verktyg för dataanalys och, i synnerhet, bedöma verktygens resultat.
b. Bedöma lämpligheten i olika empiriska metoder och deras tillämpbarhet i att lösa olika och disparata programvarutekniska problemställningar.
c. Ifrågasätta och bedöma vanliga etiska frågeställningar inom programvaruteknisk forskning.
Innehåll
Kursen är för studenter som är intresserade av att lära sig applicera olika empiriska metoder inom programvaruteknik. Kursen introducerar kvantitativa och kvalitativa metoder inom programvaruteknik.Kursen innehåller:
- Deskriptiv och inferentiell statistik applicerat på programvaruteknik.
- Kvalitativa metoder i programvaruteknik.
- Metoder för att praktisera evidensbaserad programvaruteknik.
Organisation
Kursen introducerar kvantitativa och kvalitativa metoder för programvaruteknisk forskning tillsammans med statistiska metoder för att analysera resultat.Kursen innehåller: Deskriptiva och inferentiella statistiska metoder applicerade inom programvaruteknik. Användning av kvantitativa och kvalitativa metoder. Metoder för att analysera kvantitativ och kvalitativ data inom programvaruteknik. Användandet av statistiska verktyg.