haku: @keyword käytännöt / yhteensä: 4
viite: 4 / 4
« edellinen | seuraava »
Tekijä:Hätinen, Antti J.
Työn nimi:A Method for Evidence Based Quality Practice Engineering
Menetelmä näyttöperustaiseen laatukäytäntöjen kehittämiseen
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2010
Sivut:vii + 90 + [10]      Kieli:   eng
Koulu/Laitos/Osasto:Elektroniikan, tietoliikenteen ja automaation tiedekunta
Oppiaine:Tietoverkkotekniikka   (S-38)
Valvoja:Manner, Jukka
Ohjaaja:Vanhanen, Jari
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201203131508
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  796   | Arkisto
Avainsanat:software engineering
quality
practices
semantic web
ohjelmistotuotanto
laatu
käytännöt
semanttinen verkko
Tiivistelmä (fin): Ohjelmistotuotannon laatu on yhä yksi IT-teollisuuden suurimpia ongelmia.
Erityisen kiinnostava kysymys on, kuinka tietty laatutaso voitaisiin saavuttaa systemaattisesti.
Empiirinen ohjelmistotuotanto (EBSE) pyrkii vastaamaan tähän kysymykseen keräämällä todistusaineistoa aitojen ohjelmistotuotantoprosessien ja -tuotoksien toimivuudesta.
Tässä työssä tutkimusnäkökulmaksi on valittu laatukäytäntöjen ja -tavoitteiden välinen suhde konstruoimalla ja vertailemalla uusia menetelmä ohjelmistotuotantoprosessien kehittämiseksi.

Tutkimusta varten suoritettiin yhteensä viisi toimintotutkimuksellista ja konstruktiivista interventiota neljässä suomalaisessa keskikokoisessa ohjelmistotuote-yrityksessä.
Ensiksi sovellettiin laatupalettianalyysi -menetelmää kolmessa yrityksessä.
Tämän jälkeen konsturoitiin uudet indikaattorianalyysi ja "NMA"-aivomyrsky menetelmät.
Viimeisenä konstruktiona rakennettiin semanttisen verkon -teknologiaan pohjautuva tietämyskanta laatutavoitteiden ja -käytäntöjen välisten vaikutusten tutkimiseen.

Tutkimuksen tulokset ovat kaksiosaiset.
Huolimatta siitä, että todistusaineiston määrällisen puutteen takia tilastollisesti merkittäviä tuloksia ei voida tässä työssä esittää, uusi tietämyskanta vaikuttaisi teoreettisesti pystyvän tutkituista menetelmistä ainoana vastaamaan tutkimuskysymyksessä esitettyyn kysymykseen.
Teollisuuden lisäksi tietämyskantaa on mahdollista hyödyntää akateemisessa tutkimuksessa, opetuksessa, koulutuksessa ja ohjelmistotuotantoprosessin kehitysideoiden arvioinnissa.
Tietämyskanta pystyi vastaamaan tiettyihin kysymyksiin, kuten "mitä käytäntöjä tulisi soveltaa varmistuakseen, ettei ohjelmistopäivitykseen kuluva työmäärä ylitä 8h:a?".
Vastauksena saatiin käytäntövektori "savutestiasennus" ja "alfa/beta -testaus".

Vähäisen tutkimustiedon takia tietämyskanta ei kuitenkaan pysty toistaiseksi vastaamaan esimerkiksi miten päivitykseen kuluvaa työmäärää voitaisiin lyhentää.
Lisäksi tuloksen luotettavuutta voidaan pitää heikkona.
Tietokannan antamien vastauksien laajuutta ja luotettavuutta voitaisiin kuitenkin helposti parantaa laatimalla systemaattisia kirjallisuuskatsauksia kaikesta saatavilla olevasta ohjelmistotuotantokäytäntöihin liittyvästä tieteellisestä kirjallisuudesta ja syöttämällä tulokset tietämyskantaan.
Kunnes tietämyskannasta pystytään kehittämään teolliseen käyttöön soveltuva versio, NMA -aivomyrsky on selkeästi tehokkain menetelmä kehitysideoiden tuottamiseen.
Muut tutkitut työpajamenetelmät eivät aina tuottaneet lainkaan kehitysideoita eivätkä siten sovellu teolliseen käyttöön.
Kuitenkin tämän työn lopussa esitetään ehdotuksia siitä, kuinka laatupalettianalyysiä voitaisiin hyödyntää tietämyskannan tiedonkeruumenetelmänä mm. poistamalla työpaja-vaihe ja kehittämällä uusi esitehtävätyökalu.
Tiivistelmä (eng): The quality of the software has been and remains as a key problem of the software industry.
Especially interesting questions is, how a certain level of quality can be systematically reached.
Evidence-based software engineering (EBSE) tries to provide answer to this question by collecting empirical evidence on different aspects of the software engineering process and deliverables.
In this work the perspective of quality practices and goals has been selected for constructing and evaluating a method that could be used for industrial software process improvement (SPI).

Four subject Finnish middle-sized software product companies were studied by performing in total five action research and constructive interventions.
First the novel Quality Palette Analysis -method was applied for three subject companies in different variations.
Next the Indicator Analysis and the New Method A (NMA) -brainstorming method were constructed and applied by the author.
As a final constructive step, the author designed a novel Semantic Web -based EBSE experience factory for mapping the empirical evidence on the relationship of the quality goals and practices.

The results of the study are two-fold.
While the collected data on the relationship between the quality goals and practices remains insufficient to draw definitive claims, it seems that the EBSE DB provides theoretically a very high utility model for software process improvement (SPI) initiative evaluation, training & education, and for the scientific research.
The database is able to answer questions such as "which practices should be used to ensure reaching of effort of 8h per update" with an answer vector of practices "smokeTesting" and "alphaBetaTesting".
Due to small amount of samples the database is currently unable to answer for example, how an update effort of 1 hour less could be reached and the results can be considered unreliable.

However, the reliability and range of answerable questions could be easily improvement by performing systematic literature review on all available scientific evidence on the software engineering practices.
While such a system remains as a prototype, the NMA -brainstorming method provided clearly the best yield of SPI initiatives compared to the time invested in the data collection.
The other methods were by the best cumbersome and can't be recommended for industrial application in their current forms.
However, the author provides suggestions how the QPA-method could be altered to function in the Future as a primary data collection method for the EBSE DB in context of individual companies by omitting the workshop -phase and developing an automatic data collection tool similar to the current QPA pre-assignment.
ED:2010-08-20
INSSI tietueen numero: 40196
+ lisää koriin
« edellinen | seuraava »
INSSI