Professional competencies of future software engineers in the software design: teaching techniques
Notice bibliographique
Résumé
Abstract The article is devoted to one of the competence components of a mobile-oriented environment for professional and practical training of future software engineers. It is shown that the introduction of higher education standard 121 “Software Engineering” for the first (bachelor) level of higher education in Ukraine has generated a number of training quality assurance problems associated primarily with the low level of detailed competencies and program learning outcomes. By solving these problems, the detailed design of the system of professional competencies for future software engineers is developed. The article deals with the approaches to developing one of the most important special professional competences of future software engineers – the ability to participate in software design, including modeling (formal description) of its structure, behavior, and processes of functioning. Based on a historical and genetic review of the software engineering training practice of future software engineers in the USA, UK, Canada, Australia, New Zealand and Singapore, recommendations for choosing forms of training organization, selection of training content, ways of students’ and teachers’ activities in software engineering, modeling and designing tools; assessment of the appropriate competence formation level are formulated. The example of organizing design training in conditions close to industrial-studio training is considered. The problems of transition from architectural to detailed design and project implementation are shown. Prospects for further development of this study are to substantiate the third (after requirements engineering and design engineering) engineering component of software engineering – the software construction.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».