MétaCan
Menu
Retour à la cohorte
Enregistrement W2119566373 · doi:10.24908/pceea.v0i0.4797

Software Quality Assurance in an Undergraduate Software Engineering Program

2013· article· en· W2119566373 sur OpenAlexaffvenue
Claude Y. Laporte, Alain April

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Techniques and Practices
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésSoftware quality assuranceSoftware quality analystQuality assuranceSoftware qualityTeam software processEngineering managementSoftware engineeringSoftware quality controlCapstone courseSoftware peer reviewCapstoneSoftware project managementPersonal software processQuality (philosophy)SoftwareComputer scienceVerification and validationSoftware developmentSoftware constructionEngineeringOperations managementComputer security

Résumé

récupéré en direct d'OpenAlex

Software tests are used by most organizations. However, many other software quality assurance practices are often neglected. Most developers are not aware of the high cost of inferior quality and its impact on the duration and budget of a project. At the École de technologie supérieure (ÉTS), software quality assurance (SQA) is taught in lecture format in the undergraduate software engineering curriculum. The SQA course covers the concepts of the business modeland the cost of quality, to convince students of the importance of putting in place adequate prevention and evaluation practices, both to reduce the number of defects and to predict the extra effort needed to correct defects introduced as the work progresses.The course includes a 10-week capstone project in which teams of 4 students apply the SQA practices taught inclass in a software development assignment. The students collect measures throughout the 10-week period, and the performance of each team is analyzed. This analysis allows discussion to take place on the positive impact of SQA practices as a way to deliver quality software on time and within budget.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,177
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,255
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetSoftware Engineering Techniques and PracticesTravaux en français237 207