Способи отримання даних.

Читайте также:

Ответы на модуль с ЕМПИ

===== Отмечайте цветами Ваши ответы! =====

Оформление: 12 шрифт, не жирный, Times New Roman

Премечание: если на вопрос ответили не полностью, выделить вопрос желтым цветом

Состояние вопросов: (зеленые - готовый, желтый - не все или не уверен, серым - нет ответа)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80

1. Пряма, зворотна, емпірична інженерія програмного забезпечення.

Пряма інженерія ПЗ – це інженерія ПЗ, яка забезпечує процеси розробки ПЗ, починаючи з високорівневих абстракцій у вигляді специфікацій вимог, і закінчуючи реалізацією програмного продукту у вигляді виконуваного коду.

Задача зворотної інженерії полягає у забезпеченні процесів отримання із низькорівневого представлення програмного забезпечення (як правило, вихідного коду) високорівневе його представлення (часто – це проектна інформація).

Емпірична інженерія програмного забезпечення – сукупність дій для отримання знань з метою кращого розуміння аспектів розробки програмного забезпечення. Результатом дій є ряд тверджень щодо визначеного переліку проблем. Ці твердження являються відповідями на поставлені запитання та підтвердженням чи спростуванням гіпотез.

2. Емпіричні та теоретичні дослідження.

Основна ідея емпіричних досліджень - фокусування на процесах досліджень, проектуванні та структурованості емпіричних досліджень, а не на змісті чи результаті.

Дослідження ПЗ: теоретичні і емпіричні. Теоретичні методи: абстрагування, ідеалізація і аксіоматичний. Емпіричні методи: спостереження, експеримент і вимірювання.

Абстрагування. В процесі абстрагування відбувається відхід від конкретних об’єктів, які чуттєво сприймаються, до абстрактного “мисленнєвого” представлення про них.

Ідеалізація - це мислене внесення певних змін в об’єкт вивчення у відповідності з метою дослідження.

Аксіоматичний метод. При аксіоматичному виведенні теоретичного знання спочатку задається набір вихідних положень, які не потребують доведень, а далі за визначеними правилами будуються виведення.

Спостереження – чуттєве відображення предметів та явищ зовнішнього світу. Спостереження: безпосереднє і опосередковане.

Експеримент -це активний, ціленаправлений та строго контрольований вплив дослідника на досліджуваний об’єкт для виявлення та вивчення тих чи інших сторін, властивостей, зв’язків. Експерименти: дослідницькі і перевірочні. Експерименти: якісні і кількісні.

Вимірювання -це процес, який полягає у визначенні кількісних значень тих чи інших властивостей, сторін досліджуваного об’єкта, явища за допомогою спеціальних технічних засобів. Вимірювання: статичні і динамічні. Вимірювання: прямі і непрямі.

3. Напрями емпіричних досліджень.

(Розписати “В малому” ”В середньому” ”В великому”)

1) Дослідження в натуральному середовищі

Дослідження в натуральному середовищі пов’язані з реальними задачами через спостереження за розробниками ПЗ в «природному середовищі», в якому відбувається розробка ПЗ.

2)Дослідження в лабораторних умовах

Дослідження в лабораторних включають в себе моделювання процесів розробки та проведення експериментів.

3)”В малому”

4)”В середньому”

5)”В великому”

4. Методи пізнання: загально наукові, конкретно наукові.

Методи ЕІПЗ: загально наукові (емпірико-теоретичні) і конкретно наукові (контрольовані експерименти, дослідження ситуацій, дослідження-огляди).

Загально наукові

Ідеалізація - це мислене внесення певних змін в об’єкт вивчення у відповідності з метою дослідження.

Аналіз – розділення об’єкта (мислено чи реально) на складові частини з метою їх окремого вивчення.

Індукція – формальне логічне мисленнєве виведення, яке приводить до отримання загального висновку на основі конкретних посилань. Це рух мислення від конкретного до загального.

Дедукція – отримання конкретних висновків на основі знання деяких загальних положень. Це рух мислення від загального до конкретного.

Використання моделювання диктується необхідністю розкрити такі сторони об’єктів, які або неможливо зрозуміти шляхом безпосереднього вивчення, або їх не вигідно вивчати з чисто економічних міркувань.

Конкретнонаукові - призначені для проведення досліджень тільки в певній галузі

Контрольовані експерименти – це дослідження гіпотези, яка перевіряється, де за допомогою зміни значення однієї чи декількох незалежних змінних вимірюють їх дію на одну чи декілька залежних змінних.

Дослідження ситуацій. Особливість методу полягає у дослідженні однієї сутності. Дослідження проводиться в межах його реального контексту.

Дослідження-огляди -це дослідження досвіду людей. Метою є вивчення точок зору людей з даного питання.

5. Теоретичні загально наукові методи пізнання.

Ідеалізація - це мислене внесення певних змін в об’єкт вивчення у відповідності з метою дослідження.

Мисленний експеримент. Полягає у мисленнєвому підборі тих чи інших положень, ситуацій, які дозволяють виявити якісь важливі особливості досліджуваного об’єкта.

Формалізація. Полягає у використанні спеціальної символіки, яка дозволяє відволіктися від вивчення реальних об’єктів, від змісту теоретичних положень, які їх описують, та оперувати натомість деякою множиною символів.

Метод гіпотези. 5 стадій: ознайомлення з емпіричним матеріалом; висунення здогадки про причини та закономірності даних явищ; оцінка серйозності здогадки та відбір з множини здогадок найбільш ймовірної; розгортання висунутої здогадки та дедуктивне виведення з неї наслідків, які можна емпірично перевірити; експериментальна перевірка виведених із гіпотези наслідків

6. Емпіричні загально наукові методи пізнання.

7. Конкретно наукові методи пізнання (в загальному).

Конкретно наукові методи пізнання: контрольовані експерименти, дослідження ситуацій, дослідження-огляди

Дослідження-огляди -це дослідження досвіду людей. Метою є вивчення точок зору людей з даного питання.

8. Місце емпіричної інженерії програмного забезпечення в І П З.

Емпірична інженерія ПЗ охоплює всі аспекти розробки ПЗ, які пов’язані з практичним дослідженням ПЗ. Основна ідея емпіричних досліджень в ПЗ - фокусування на процесах досліджень, проектуванні та структурованості емпіричних досліджень, а не на змісті чи результаті

9. Емпірична інженерія програмного забезпечення – суть, предмет та методи.

ЕІПЗ – сукупність дій для отримання знань з метою кращого розуміння аспектів розробки програмного забезпечення. Результатом дій є ряд тверджень щодо визначеного переліку проблем. Ці твердження являються відповідями на поставлені запитання та підтвердженням чи спростуванням гіпотез. Предмет ЕІПЗ – дослідження процесів (ЖЦ ПЗ), продуктів ІПЗ та самих методів досліджень. Методи ЕІПЗ: загально наукові (емпірико-теоретичні) і конкретно наукові (контрольовані експерименти, дослідження ситуацій і дослідження-огляди). Основна ідея емпіричних досліджень в ПЗ - фокусування на процесах досліджень, проектуванні та структурованості емпіричних досліджень, а не на змісті чи результаті

10. Методи емпіричної інженерії (загально наукові, конкретно наукові).

Методи ЕІПЗ: загально наукові (емпірико-теоретичні) і конкретно наукові (контрольовані експерименти, дослідження ситуацій і дослідження-огляди).

Загально наукові методи. Теоретичні методи

Ідеалізація - це мислене внесення певних змін в об’єкт вивчення у відповідності з метою дослідження.

Загально наукові методи. Емпіричні методи

Загально наукові методи. Теоретико-емпіричні методи

Аналіз – розділення об’єкта (мислено чи реально) на складові частини з метою їх окремого вивчення.

Конкретно наукові методи

Дослідження-огляди -це дослідження досвіду людей. Метою є вивчення точок зору людей з даного питання.

11. Дослідження в натуральному середовищі.

12. Дослідження в природних умовах.

(прим. Горовецкого) ИМХО то же самое что и предыдущем вопросе. В лекциях разделяли только натуральную среду и лабораторные условия…

На мою думку це те ж саме, що 11 … дуже воно схоже.. навіть дуже сильно …. (Лисак)

13. Дослідження «в малому».

14. Дослідження «в типовому» («в середньому»).

15. Дослідження «у великому».

16. Історія розвитку емпіричної ІПЗ.

1.Belady, Lehman

2.Yuen

3.Tamai, Torimitsu

4.Cook, Roesch

5.Gefen, Schnerberge r

6.Basili

7.Lehman

це зі слайдів дишлевого...

17. Збір даних. Методики збору даних.

· Прямі методики.

· Непрямі методики.

· Незалежні методики.

18. Прямі методики збору даних.

мозковий штурм та фокус-групи - методики для формулювання вимог та планування проекту. При цьому предметом дослідження являються концепції та основи процесів та продуктів.

інтерв’ю та анкетні опитування - це постановка питань дослідником та відповіді учасником експерименту. Досить проста методика, яка не вимагає від учасника експерименту витрачати багато часу й зусиль.

концептуальне моделювання - стосується формулювання вимог до процесів та продуктів. Це методика, яка призначена для створення невеликих концептуальних моделей процесів та продуктів, що стосуються різних аспектів роботи учасників експерименту.

ведення робочих щоденників - це методика, яка призначена для планування робочого часу та виконання задач.

озвучення роботи - це методика, призначена для оцінювання (характеристики) інтерфейсу користувача. При цьому досліджуються уявні моделі процесів та продуктів, постановка цілей роботи інженера програмного забезпечення та його діяльність при створенні процесів та продуктів.

с постереження тінню та загальне спостереження - це методики, призначені для визначення найкращих підходів для аналізу варіантів використання та задач. При цьому досліджується проведений час та повторюваність задач за невеликі проміжки часу, алгоритми виконуваних робіт та їх пояснення учасниками експерименту.

активне спостереження - предметом дослідження виступає ґрунтовне розуміння та пояснення дій, проведення часу, повторюваність задач за тривалий період

19. Непрямі методики збору даних.

інструментування систем - це методика, призначена для аналізу використання програмного забезпечення.

віддалене спостереження - ця методика передбачає використання відео та аудіо апаратури. Предметом дослідження даної методики виступає невелика частина виконуваної роботи інженера програмного забезпечення.

20. Незалежні методики збору даних.

аналіз баз даних виконаної роботи - це методика, призначена для отримання значень метрик і використовується для дослідження довгострокових закономірностей щодо розвитку та можливих проблем програмного забезпечення.

аналіз файлів реєстрації інструментів - це методика, яка призначена для отримання значень метрик і використовується для аналізу особливостей використання інструментів.

аналіз документації - це методика, яка призначена для зворотної інженерії і використовується для отримання загального розуміння про продукт, для якого проводиться зворотня інженерія, і включає в себе діяльність по дослідженню створеної документації по програмному продукту, включаючи коментарі кодів програм.

статистичний та динамічний аналіз систем - це методика, яка включає в себе статичне дослідження коду програми та динамічний аналіз виконання коду.

21. Збір даних. Автоматизація збору даних. Використання засобів збору даних.

Підсистема збору, перетворення і введення даних грає головну роль в автоматизованій інформаційній системі і є основною з'єднувальною ланкою між навколишнім середовищем і численними користувачами. Збір даних може здійснюватися механічним способом (вимірювальним пристроєм, що перетворює фізичні величини в електричні, щупом, самописним приладом, що реєструє імпульсні сигнали, і т. д.) і людиною (шляхом спостереження певного явища, сприйняття акустичного і світлового сигналу, зняття показань лічильника і т. д.). Механічна реєстрація даних полягає в тому, що джерело інформації, тобто «подія» або «явище», виявляється у вигляді зміни деякого фізичного стану, і цей новий стан реєструється механічним способом. Спостереження, здійснюване людиною, із наступним відновленням результатів по пам'яті, називають «записом». Фактично мова йде про те, що людина фіксує інформацію, яка у певний момент закарбувалася в її пам'яті, і клітини її мозку з фіксованою інформацією по суті справи відіграють роль проміжного передавального документа.

При механізованому обліку час спрацьовування датчика і ступінь достовірності одержуваної інформації постійні і заздалегідь відомі. При спостереженні, яке здійснюється людиною, вноситься невизначеність, і час спрацьовування не може бути відомим з достатньою точністю. Зате в другому випадку відкриваються набагато більш широкі можливості, тому що людина, володіючи здатністю до інтерпретації (деякою мірою ця здатність негативно впливає на точність інформації), може брати до уваги такі факти, що не фіксуються механічним способом. Акт збору даних фактично складається з двох доповнюючих одна одну операцій: реєстрації і передачі. Однак очевидно, що основною операцією є реєстрація даних, і в більшості випадків її введення в автоматизовану інформаційну систему невіддільне від реєстрації.

Підсумком процесу збору даних є забезпечення їхньої готовності до подальшого руху в системі й подання їх у найрізноманітніших формах (кодовані сигнали, друкований текст і т. д.). Формою подання даних є сигнал, який виробляється датчиком при кожній зміні стану процесу стосовно деякого вихідного стану. Найбільш широко на практиці використовуються датчики з одним або двома стійкими станами. У основу їх конструкцій можуть бути покладені різні принципи, в залежності від яких розрізняють наступні моделі (типи) датчиків: механічні, електромеханічні, оптичні, акустичні, випромінюючі та інші.

Важливим моментом дослідження є вибір місця його проведення. Головне — воно має в однаковій мірі відповідати потребам як учасників, так і дослідника. Мало користі від тих місць, куди учасники не прийдуть чи де не може проводитись запис дослідження. Найбільш слушними альтернативами є: офіс дослідника, будинки учасників або ж певні «нейтральні території», скажімо зал засідань у готелі. Також є можливість орендувати приміщення з цією метою. Ці приміщення нагадують собою зручно мебльовану лабораторію для вивчення групової динаміки і є тим місцем, де проводяться дослідження більшості маркетингових фокусних груп. Найголовнішим елементом місця є стіл для учасників. Зазвичай обирають круглі або прямокутні столи для нарад. Якщо модератор сидітиме за столом протягом усієї дискусії, тоді підійде прямокутний стіл, а розташування учасників матиме U-подібну форму (з модератором на чолі столу). Таке розташування зручне при відеозйомці, тому що камеру можна розташувати за модератором і отримати зображення облич усіх учасників. При знаходженні модератора на чолі столу створюється можливість проводити певний контроль рівня участі окремих осіб: найменш говіркі учасники розташовуються прямо перед модератором, а найговіркіші з них — пообіч нього.

Головний спосіб збору даних у фокусній групі — аудіозапис, і тому будь-які варіанти відносно фізичних можливостей мають робитися з урахуванням проведення магнітофонного запису.

Оскільки копії несуть основну інформацію, яка отримується під час дослідження, важливо забезпечити високу якість записуваних даних. Ставитись до проблем запису, як до дратівливих ускладнень, що стоять на шляху «справжнього дослідження», — небезпечна позиція щодо фокусних груп.Найкращий дослідницький проект і найцікавіші питання втрачають усіляке значення, якщо плівка виявилась чистою або, що ще більше дратує, якщо запис на ній нерозбірливий.Проблема звукозапису вирішується включенням до дослідницької команди спеціалістів, котрі добре знаються на аудіоапаратурі. В будь-якому випадку розумно мати при собі портативний магнітофон та свіжі батарейки.

Хоч відеозапис — і приваблива альтернатива аудіозапису, його можна порекомендувати для цієї мети лише в поодиноких випадках. Головною різницею між аудіо-та відеозаписами є факт вторгнення в особисте життя людини. Більшість людей легко розуміють необхідність дослідника в записуванні дискусій і швидко входять у роль, не звертаючи уваги на мікрофони та обладнання для запису. Проекти з використанням відео, які фіксують вираз облич та інший невербальний матеріал, є надзвичайно складними — тут потрібні численні відеокамери, додаткове освітлення й багато іншого. Навіть маючи все відеозаписувальне обладнання, важливо пам'ятати, що реальний підхід при аналізі ґрунтуватиметься на копіях, а прості проекти з використанням відео (наприклад, одна камера з вмонтованим мікрофоном) мають звукозапис дуже низької якості, і таким чином досліднику, ведучи відеозапис, необхідно задіювати цілісний аудіо-план. Беручи до уваги високий рівень вторгнення в особисте життя при використанні відеозаписувального обладнання, треба мати вагому підставу, чому цей вид інформації становить цінність для дослідницького проекту. Маркетологи справді широко застосовують відео, тому що вони використовують відредаговані плівки із записом як головний компонент їхнього підсумкового звіту перед клієнтом.Це не типовий спосіб представлення дослідження в соціальній науці, але якщо це слушно, тоді слід узяти до уваги витрати та зусилля, необхідні для отримання якісних відеозаписів.

Найкорисніша мета використання відео полягає у визначенні того, хто розмовляє, а при обговоренні того, хто з ким розмовляє. В аудіозапису ці моменти простежуються асистентом, котрий робить відповідні позначки, які розшифрувальник записів використовує пізніше для визначення, хто і що говорив (ця інформація часто незрозуміла при простому прослуховуванні аудіоза-писів).

Розрахунок на те, що відеозаписи дають набагато більше інформації, ніж аудіозаписи, навряд чи колись справджується. Навіть проекти з використанням високоякісного відео не передають повністю «групової динаміки». Більше того, як зазначають спеціалісти, запис на плівку має тенденцію «охолоджувати» атмосферу, і хоч відео може нагадати модератору про емоції, які спостерігалися за столом, немає гарантії, що воно передасть те ж відчуття тому, хто не був присутній на даній дискусії.

Використовують при проведенні своїх досліджень кімнати з однобічними дзеркалами. В маркетингу такі проекти дозволяють клієнтам та спеціалістам з рекламних агентств стежити за групою і перейнятися атмосферою дискусії, однак важко уявити таку необхідність у прихованому спостереженні при проведенні дослідження фокусної групи звичайної соціальної науки. Необхідність прихованого нагляду може виникнути тоді, коли на виконання проекту відведено надто мало часу і деякі члени дослідницького колективу не можуть чекати розшифровок даних чи сумарного аналізу. В цьому випадку однобічне дзеркало дозволить їм спостерігати дискусію, не втручаючись в її перебіг.

Для вчених більш звичним способом додаткових спостережень є збір питальників (або анкет) на додаток до розшифровок даних. Такі додаткові дані мають як свої недоліки, так і переваги. Найбільший їх недолік полягає в тому, що обидва методи негативно впливають один на одного: якщо спочатку провести анкетування, то це визначить напрямок групової дискусії, тоді як проведення з самого початку дослідження групи може змінити її погляди.

Крім того, використання питальників (анкет) ускладнює дослідницький процес. Наприклад, при використанні попередніх анкет можуть виникнути нештатні ситуації: ускладнюється керування учасниками, що запізнились; може не бути даних по одному з тих, хто має вплив на дискусію у групі в цілому; можуть з'явитись ті, кому необхідно буде піти раніше, ніж вони дадуть потрібні дані і т. ін.

Але в окремих випадках питальники (анкети) також мають деякі переваги. Отримання відповідей, принаймні за декількома пунктами, щодо особистого життєвого досвіду є справжньою необхідністю, якщо це дає можливість створити певне уявлення про учасників. Одне із застережень стосується передчасних (поспішних) інтерпретацій у групах з високим рівнем участі модератора: прийняття завчасних висновків може привести до того, що модератор впливатиме на наступні групи на користь підтвердження цих сподівань

22. Збір даних. Вимірювання ПЗ. Автоматизація вимірювань.

Вимі́рювання — пізнавальний процес знаходження відношення між двома величинами однакової природи — вимірюваною й умовноюодиницею вимірювання, а також дія, знаходження значення фізичної величини дослідним шляхом, порівнюючи її з одиницею виміру за допомогою спеціальних технічних засобів.

У більшості випадків вимірювання - це багаторазове спостереження величини, що вимірюється. При цьому одержують сукупність вимірів, які необхідно сумісно обробити для одержання результату. Виправлений результат вимірювання одержують шляхом вилучення систематичних похибок. Якість результатів вимірювання характеризується надійністю, правильністю і точністю. Існують три складові частини загальної похибки вимірювання і відповідні їм показники якості результатів вимірювання: грубі, систематичні і випадкові похибки. Відсутність грубих похибок (промахів) характеризує надійність результатів і досягається організацією вимірювання. Вилучення систематичних похибок характеризує правильність результатів і досягається за допомогою введення спеціальних коефіцієнтів або поправок. Випадкові похибки є неминучими, а їх величини і закон розподілу характеризують точність результатів вимірювання.

Важлива ознака вимірювання — точність. Ступінь точності змінюється залежно від вимог, які ставлять до результату вимірювання. На практиці не тільки неминучі, а й допустимі різні похибки вимірювання. Розроблено спеціальні методи оцінки й компенсації цих похибок. Аналіз механізму вимірювання має важливе гносеологічне значення в зв'язку з тим, що кількісні методи дослідження широко застосовуються в сучасній науці, охоплюючи сферу як природничих, так і соціальних явищ.

Вимірювання - основний метод отримання результатів; процес квантифікації властивостей(атрибутів) об’єктів(сутностей) реального світу. Метод –певна сукупність кроків щоб вирішувати певну задачу і отримати результат. Методика(техніка)- невелика дія, частина методу.

Розглянемо основні вимірювачі, що автоматизують вимірювання:

● iPlasma - інструмент для C++ і Java; платформа, створена як університетський проект в Румунії, для якісної оцінки об'єктно-орієнтованого проекту. Вона створює звіт у вигляді піраміди, показуючи ключову метрику для вашого проекту разом з порівняннями до стандартних.

Кожен ряд має кольоровий відсоток; відсоток виходить через співвідношення номера на цьому ряду і тим, що під цим. В таблиці показано, що означають абревіатури метрик:

NDD Number of direct descendants (число прямих нащадків)

HIT Height of inheritance tree (висота дерева успадкування)

NOP Number of packages (число пакетів)

NOC Number of classes (число класів)

NOM Number of methods (число методів)

LOC Lines of code (рядки коду)

CYCLO Cyclomatic complexity (цикломатична складність)

CALL Calls per method (виклик методу)

FOUT Fan out (number of other methods called by a given method) (число інших методів, до яких звертається заданий метод)

Номери вказують на співвідношення; кольори вказують, як співвідношення відповідають стандартним рівням: зелений(в межах ряду), синій (нижче за ряд), або червоний (за межами ряду). Для розрахунків метрик в iPlasma також використовуються стандартні константні значення2. Analyst4j

● Analyst4j автоматизує процес вимірювання і забезпечує опис оточення для знаходження, аналізу і виразного представлення якісті коду Java, його зразки і «небезпечні місця», які можуть виникнути в коді.

Об'єктно-орієнтовані метрики.

Додатки розвивалися для використання вихідних орієнтованих мов подібно до Яви і були задумані, як об'єкти зборів, які інтермедія один з одним, щоб досягти бажаної функціональності. Взаємодія між об'єктами створює взаємовідношення між ними.

Analyst4j вимірює ці метрики автоматично, які формують джерело для аналізу.

o Навантажена Складність Методів (WMC)

o Відповідь Для Класу (RFC)

o Відсутність Методів, що Пов'язуються (LCOM)

o З'єднання Між Об'єктами (CBO)

o Глибина Дерева успадкування (DIT)

o Число нащадків (NOC)

Метрики складності

Складність системи або його компонентів визначається як ступінь, до якого система / компоненти має проект або виконання, яке важке, щоб розуміти і перевіряти. Взагалі програмна складність може бути класифікована в трьох напрямах: логічна складність категорій, психологічна складність і структурна складність.

Програмне забезпечення завжди «зв'язане» і має складні модулі або програми, цим самим знаходячи такі програми і плануючи їх, ми відповідно гарантуємо продуктивність. Метрика складності, запропонована Halstead, McCabe визначають кількість програмної складності, які широко використовуються, щоб оцінити і зрозуміти складність системи.

Analyst4j вимірюють наступні метрики складності автоматично:

· цикломатична складність за МакКейбом;

· істотна складність;

· метрики Хольстеда.

Метрика індексу ремонтопридатності

Кількісне вимірювання ремонтопридатності оперативної системи бажане як і миттєвий захід, так і як провісник ремонтопридатності через якийсь час.

Analyst4j автоматизує процес вимірювання МІ.

Кодова метрика

Поки досліджується метрика, що спеціалізується, вище зазначені метрики забезпечують специфічні інтуїції про кодову якість; загальні кодові метрики мають своє використання, коли використовуються в комбінації один з одним або з метрикою, що спеціалізується, подібно до Метрики OO або Метрики Складності.

Analyst4j автоматизує наступну кодову метрику, через чотири рівні (Метод, Клас, Файл і Пакет).

o Method Level

1. Number of lines of Code (NLOC_MTD)

2. Percentage of comments (POC_MTD)

3. Number of Variables (NOV_MTD)

4. Number of Unused Variables (NOUV_MTD)

5. Number of comment lines (CL_MTD)

6. Number of Parameters (NOP_MTD)

7. Number of Unused Parameters (NOUP_MTD)

o Class Level

1. Number of Lines of Code(NLOC_CLS)

2. Number of Parents (NOPNT_CLS)

3. Number of Fields (NOFLD_CLS)

4. Percentage of Non-Private Fields (NPFP_CLS)

5. Percentage of Non-Private Methods (NPMP_CLS)

6. Number of Inner Classes (NOIC_CLS)

o File Level

1. Number of Lines of Code (NLOC_FIL)

2. Halstead Effort / Volume (HE_FIL, HV_FIL)

3. SEI Maintainability Index (MI_FIL)

o Package Level

1. Number of Lines of Code (NLOC_PKG)

2. Number of Classes (NOCLS_PKG)

3. Number of Interfaces(NOIFC_PKG)

4. Number of Files (NOF_PKG)

· CCCC - інструмент для аналізу початкового коду в різних мовах (перш за все C++), який генерує повідомлення в HTML форматі на різних вимірюваннях обробки коду. Хоча інструмент спочатку здійснювався, щоб обробити C++ і ANSI C, теперішня версія також може обробити початкові файли Java, і підтримувати теперішні версії на Ada95. Абривіатура CCCC розшифровується як 'C and C++ Code Counter'. Вимірювання початкового коду цього вигляду загалом прямують до того, як 'метрика програмного забезпечення', або точніше метрика «програмного продукту» (оскільки термін'метрика програмного забезпечення` також покриває вимірювання процесу програмного забезпечення, які є під назвою 'software process metrics').

LOC Лінії коду	Цей показник перераховує рядки коду, початкового коду без коментаря у функції (LOCf), модулі (LOCm), або проекті (LOCp). Дана метрика була однією з найраніших, яка використовувалася. Це має очевидне відношення до розміру або складності частини коду, і може бути відкалібрований для використання в прогнозі зусиль.
MVG Цикломатична складність за Мак Кейбом	Дана метрика призначена для оцінювання складності потоку управління програми (control flow graph) і обчислюється на основі орієнтованого графа, де обчислювальні оператори або вирази представляються у вигляді вузлів, а передача управління між вузлами - у вигляді дуг.
COMКоментовані рядки	Рядок коментаря - лінія або частина лінії в програмі, яка призначається як зауваження, або коментарій проігнорених програмних дій. Це наголошується в межах файлу, використовуючи крапку з комою або REM, щоб відзначити лінію як коментар

Fan-out, Fan-in	Для даного модуля А, fan-out - число інших модулів, які модуль А використовує, а fan-in - число інших модулів, які використовують модуль А.
NOM	Число модулів присутніх в проекті.
WMC Зваженість методів класу	Ця метрика - сума складнощів методів, визначених в класі. Тому вона представляє складність класу, як ціле і тому вона може використовуватися, щоб вказувати розвиток і підтримку зусиль для класу.

● Visual Studio 2008Team Edition для розробників програмного забезпечення, який являється частиною Visual Studio Team System має інструмент, який називається Code Metrics. Він використовується для визначення того як написаний код, ґрунтується на певних критеріях і показує результати в окремому вікні. Підрахунки ґрунтуються на таких критеріях: цикломатична складність, кількість рядків коду, глибина наслідування і т.д. все це впливає на індекс зручності підтримки коду (maintainability index).

Code Metrics забезпечує зворотній зв’язок з розробниками за наступними факторами:

1.Lines of Code (кількість стрічок коду)

Цей параметр простий. Ця метрика найбільш відома її неправильним застосуванням. Використовуйте її обережно, взагалі, найкраще її використовувати для вимірювання інформації, лише для того щоб дізнатися наскільки великий є клас, чи метод.

2. Maintainability Index (індекс зручності підтримки):

цей індекс вираховуються, використовуючи формулу, так як показано в Visual Studio Code Analysis Team Blog: Maintainability Index = 171 - 5.2 * log2 (Halstead Volume) - 0.23 * (Cyclomatic Complexity) - 16.2 * log2 (Lines of Code). Ця формула ґрунтується на базі робіт проведених в Carnegie Melon University.

Значення індексу зручності підтримки варіюється від 0 до 100, де 0 – це код, який підтримувати найскладніше, а 100 – код, який ідеально підтримувати. Звичайно, коли цей індекс наближається до 100 – це добре. Для того щоб забезпечити простоту, інструмент code metrics в своїх результатах забезпечує іконками для частини коду (класу, або методу) разом зі значенням індексу для того щоб показати зручність його підтримки. Червона іконка представляє індекс підтримки, який менший за 10, що значить що ця частина коду потребує термінової уваги розробників. Значення між 10 і 20 супроводжуються жовтою іконкою для позначення частин коду які непросто підтримувати. Всі значення більше 20 прикрашені зеленою іконкою показують що код нормально підтримується.

3. Цикломатична складність:

це значення - підрахунок кількості розгалужень для кожної частини коду. Розгалуження можуть бути такі: оператори if, switch, for, while, і т.д. Менші значення кращі, тому що вони забезпечують більш зручний для читання і підтримки код.

4. Зв’язність класів:

це підрахунок всіх класів, від яких даний клас залежить. Якщо клас зв’язаний з багатьма іншими класами, тоді велика ймовірність, що код цього класу перестане працювати через зміни в інших класах. Тому цей показник має бути наскільки можливо нижчим. Вирішення полягає в використанні слабких зв’язків, або Service Oriented Architecture, якщо можливо. Являється правилом хорошого тону визначити спільні компоненти і абстрагувати їх як сервіси.

5. Глибина наслідування:

це число відображає кількість типів, які знаходяться вище типу, що відображається в дереві наслідування. Це значення міряється від класу Object, який знаходиться на нульовому рівні.

23. Аналіз даних. Автоматизація аналізу даних.

Кінцевою метою аналізу даних є одержання інформації, на основі якої можуть прийматися правильні рішення. Основні етапи технології аналізу даних показані на рис.

Типовою формою представлення даних є таблиця «об'єкт-ознака», у яку заносяться значення ознак (властивостей), що характеризують кожний досліджуваний об'єкт. Прикладами ознак можуть бути «вага», «довжина», «колір», «професія», «ціна», «люди», «вироби», «родовище» та ін. Таблицю такого виду прийнято називати таблицею або матрицею експериментальних даних (ТЕД). Цю назву варто трактувати більш широко, говорячи не про експериментальні дані, а про дані наукового дослідження.

Склад даних — це, насамперед, склад ознак, що характеризують об'єкти. Кожний реальний об'єкт має нескінченне число різноманітних властивостей, що відображають його різні сторони. Природно, що в кожному конкретному дослідженні істотними є не всі властивості, а лише обмежений їх набір, що визначає найбільш важливі ознаки. Виділити їх — завдання фахівця предметної області; ніхто інший, включаючи фахівця з аналізу даних, цього зробити не може. Необхідно також вирішити, як подавати в таблиці значення кількісних ознак та ін.

Наступним етапом аналізу даних є етап, на якому поставлене завдання вирішується на якісному рівні. Це насамперед означає процедуру подання даних у візуальній формі, щоб побачити їхню придатність для перевірки візуальних гіпотез або обраних моделей. Найголовніше те, що ця інформація може бути неформалізованою і в той же час майже однаково сприйматися людьми, що мають різний рівень підготовки і працюють у різних областях. На етапі якісного аналізу даних основні гіпотези стосуються структури даних — саме її необхідно досліджувати. Тому завдання полягає в побудові проекцій даних на різні пари ознак (на які саме — варто визначити, виходячи з висунутої гіпотези); дослідженні окремих ознак; пошуку дублюючих одна одну або надлишкових ознак і т. д.

Гіпотез, що пояснюють явище, може бути багато, отже, повинен бути апарат, що допомагає здійснювати їхню перевірку. У аналізі даних таким апаратом є обчислювальний експеримент із даними, тобто застосування до даних певного методу машинної обробки. Обчислювальний експеримент є однією з загальних методологій застосування обчислювальної техніки в різноманітних областях — методологією перевірки гіпотез, висунутих дослідниками, за допомогою машинних методів або моделей.

Якщо обчислювальний експеримент можна назвати стратегією аналізу даних, то тактикою його правомірно вважати зіставлення результатів застосування різноманітних алгоритмів обробки. На одиничний результат роботи якоїсь програми рідко можна покластись. Занадто багато чинників може вплинути на нього (причому часто незалежних від самих даних або математичних методів).

Результати роботи декількох програм, як правило, свідчать про багато що, але при цьому потрібно уважно підходити до вибору тих методів, які застосовуються для обробки.

Цих же принципів слід дотримуватися і на інших етапах аналізу, насамперед на етапі кількісного аналізу даних. Якщо при якісному аналізі об'єктом дослідження була структура даних, а результатом, як правило, — інформація про клас моделей, якими можна описати явище, то на етапі кількісного опису звичайно ведеться пошук параметрів цих моделей.

Обчислювальний експеримент дає можливість випробувати різноманітні варіанти моделей, наприклад, шукати різноманітні засоби інформаційного опису даних, а порівняльний аналіз допомагає відібрати кращі варіанти, що мають право на існування не тільки як формальні результати експериментування, але і як змістовно значима інформація про предметну область. Відзначимо, що в процесі пошуку кількісного опису даних (наприклад, при побудові правила розпізнавання) дуже часто виникає необхідність повернення до більш ранніх етапів обробки і повторення всього циклу дослідження. Це може бути викликано і знайденими помилками в даних, і усвідомленням необхідності у зборі й обробці додаткового матеріалу.

Останній етап вирішення завдання аналізу даних — інтерпретація результатів і прийняття рішень. Всі отримані на ЕОМ результати фахівець з аналізу даних може інтерпретувати, не виходячи за рамки понять і аналізу даних, у термінах інформативних ознак, групувань об'єктів і т. д. Користувач же щораз порівнює отриманий результат (або інтерпретацію фахівця з аналізу даних), виданий йому в цифровій або графічній формі, зі своїми власними уявленнями про досліджуване явище. Таким чином, відбувається подвійне осмислення результатів — спочатку в рамках аналізу даних, а потім у рамках предметної області, причому друге неможливе без першого. Процедура інтерпретації результатів опрацювання даних здійснюється тим легше, чим більш зручною форма видачі результатів на екрани монітора або до друку. Прийняття рішень у рамках предметної області суто індивідуальне і не може бути типізоване. Досить поширеною тут помилкою є ілюзія, ніби-то отриманий результат і є вже прийнятим рішенням.

Кожний алгоритм обробки дає один із можливих результатів (МР). При аналізі сукупності МР, одержаних за допомогою ряду алгоритмів, можливі три ситуації:

1) усі МР збігаються (це буває вкрай рідко в практичних задачах). У цьому випадку рішення задачі можна вважати досягнутим в силу одержання єдиного результату.

2) МР частково збігаються. У цьому випадку можна виділити загальну частину як можливий достовірний результат (МДР) і аналізувати його з наступною інтерпретацією в термінах відповідної предметної області;

3) МР суперечать один одному. Цей випадок означає, що задача була сформульована некоректно і потрібно її коригування з можливими змінами як в експериментальному матеріалі (аж до збору нових даних), так і в сукупності алгоритмів, які при цьому використовуються.

24. CAESE-засоби: структура, процеси та призначення.

Емпіричні методи пізнання діляться на дві групи. Перша - методи якісної оцінки - спостереження, порівняння, контроль. Друга група - кількісної оцінки - рахунок, ідентифікація, вимірювання і експеримент. Велике значення серед всіх експериментальних методів пізнання для інженерії програмного забезпечення має вимірювання, за допомогою якого отримують кількісну інформацію про програмне забезпечення. Наявність вимірювальної інформації про досліджуваний об'єкт дає можливість забезпечити ефективну реалізацію всіх емпіричних методів пізнання – від спостереження до експерименту. Для реалізації емпіричних методів в інженерії програмного забезпечення створюються спеціальні середовища CAESE. Computer Aided Empirical Software Engineering забезпечує вивчення проблеми,пов’язане з ПЗ на основі емпіричних даних шляхом експериментування. Структура:

Эмпіріко-теоретичні методи дозволяють досліджувати різні сторони об'єктів і явищ, розчленовувавши їх на складові для глибшого вивчення. Найповніше витягуючи додаткову інформацію, що містить в неявному вигляді в результатах, отриманих за допомогою емпіричних методів, забезпечують Эмпіріко-теоретичні методи встановлення ступеня істинності гіпотез, а також складають основу методів проектування нових технічних засобів і технологічних процесів, основу технічних наук і методів підвищення продуктивності праці на виробництві.

25. Порівняння CASE та CAESE-засобів.

Заснована на знаннях (інтелектуальна) CASE-технологія передбачає впровадження в інформаційні системи та відповідні прикладні програми елементів штучного інтелекту, зокрема баз знань і правил виводу для оброблення якісної інформації, методології IDEF і природної мови для створення інтерфейсу користувача. Інформаційні системи, котрі містять у собі елементи штучного інтелекту, називаються інтелектуальними інформаційними системами.

26. Порівняння моделей процесів CASE та CAESE-засобів.

Артефакт в будь-якому науковому експерименті — експериментальний результат (або відхилення експериментального результату, що володіє властивостями стабільності й відтворюваності), причиною появи якого є вплив засобів проведення експерименту на досліджуваний процес, дефекти методики, вплив суб'єктивного фактора;

В результаті CASE кінечким продуктом є ПЗ, а у CAESE-засобі- знання, результат емпіричного дослідження.

27. Кроки проведення емпіричних досліджень.

1. Формулювання гіпотези для досліджень

Заключна частина теоретичної підготовки емпіричного соціологічного дослідження. Гіпотеза в соціологічному дослідженні — це науково обґрунтована уява про структуру соціальних об'єктів, характер елементів і зв'язків, які утворюють ці об'єкти, про механізм їх функціонування й розвитку. Наукова гіпотеза може бути сформульована тільки в результаті попереднього аналізу досліджуваного об'єкта з урахуванням різноманітних соціальних фактів.

2. Огляд об’єкту досліджень

3. Збір даних

Збір даних може здійснюватися механічним способом (вимірювальним пристроєм, що перетворює фізичні величини в електричні, самописним приладом, що реєструє імпульсні сигнали, і т. д.) і людиною (шляхом спостереження певного явища, сприйняття акустичного і світлового сигналу, зняття показань лічильника і т. д.). Механічна реєстрація даних полягає в тому, що джерело інформації, тобто «подія» або «явище», виявляється у вигляді зміни деякого фізичного стану, і цей новий стан реєструється механічним способом.

4. Аналіз даних

Це розділ математики, що займається розробкою методів обробки даних незалежно від їх природи. Можна виділити наступні етапи аналізу даних: отримання даних, обробка, аналіз та інтерпретація результатів обробки.

5. Формулювання висновків згідно сформульованої гіпотези

Загалом написання висновку є самим відповідальним етапом роботи. У висновку в стиснутій формі повинні бути представлені основні результати дослідження теоретичного, аналітико-прикладного і науково-методичного напрямку.

28. Проведення кращих емпіричних досліджень. Основні принципи.

Наука пізнає навколишній світ за допомогою підходів (системний, комплексний, діалектичний, синергетичний, культорологічний аксіологічний, структурно-функціональний та ін.) які в совою чергу включають принципи дослідження та методи. Нашим завданням виступає: розгляд загальнонаукових принципів досліджень.

Принцип (від лат. - основа) - центральне поняття, логічне вираження пізнання, основна ідея, що пронизує систему знань і встановлює субординацію цього знання.

Для проведення кращих досліджень потрібно краще розуміти природу та мету досліджень. Серйозні дослідження,як правило, значного часу та затрат. Тому необхідно провести попередній аналіз. Принципи досліджень:

– причинні;

Причинним називають такий зв'язок між двома явищами, коли одне з них (причина) передує іншому (дії) і викликає його. Найважливішими властивостями причинного зв’язку є загальність, послідовність у часі, необхідність і однозначність. Він пов'язаний із принципами загального зв'язку й розвитку, проявляється в одному з найважливіших видів зв'язку, зокрема генетичного зв'язку явищ, у якій одне (причина) за певних умов породжує інше (наслідок).

– наслідкові;

Причинність або причинно-наслідковий зв'язок - зв'язок між однією подією, яку називають причиною, та іншою подією, яку називають наслідком, що з необхідністю слідує за першою.Три припущення, на основі яких визначається причинність:

1. Причинність постулює, що існують закони, за якими проявлення сутності B певного класу залежить від проявлення сутності A іншого класу, де слово сутність означає будь-який фізичний об'єкт, явище, ситуацію чи подію. А називають причиною, B називають наслідком.

2. Передування у часі постулює, що причина завжди відбувається раніше або принаймні одночасно із наслідком.

3. Суміжність постулює, що причина й наслідок повинні бути в просторовому контакті або бути зв'язаними ланцюжком посередників, які перебувають у контакті.

– загальні.

До загальнонаукових принципів дослідження належать: об'єктивності, історизму, принцип сходження від абстрактного до конкретного, взаємозв'язку історичного та логічного, загального зв'язку та розвитку, термінологічний, функціональний, системний, когнітивний (пізнавальний), та ін.

Принцип об'єктивності. Дослідження повинно бути абсолютно безпристрасним. На його виконання не повинні впливати загальні враження про природу досліджуваного; симпатії або навпаки, антипатії, власний настрій чи стан

Принципи розвитку, які забезпечують вивчення явища з погляду того, як воно колись виникло, які головні етапи у своєму розвитку проходило, чим стало в цей час і чим буде в майбутньому.

Принцип сходження від абстрактного до конкретного. Рух від абстрактного до конкретного в пізнанні означає сходження від неповного, часткового, фрагментарного до більш повного, цілісного і всебічного знання. Термін сходження фіксує ту обставину, що всі попередні поняття в русі не втрачаються, а зберігаються, входять у знятому вигляді в наступні. Абстрактне є відверненим, а тому неповним, частковим, фрагментарним, нерозвиненим. На відміну від цього конкретне означає єдність різноманітного, синтез багатьох визначень і тому виступає як більш повне, всебічне, розвинене. Абстрактне і конкретне існують не тільки в мисленні, а становлять цілком реальний фрагмент, бік, форму дійсності.

Загальнодіалектичний принцип загального зв'язку й взаємодії, звичайно, є основним. У цьому принципі виражається матеріальність світу, що обумовлює зв'язок усього з усім, Застосування принципу загального зв'язку й взаємодії дозволяє пізнавати предмет однієї науки у взаємозв'язках і взаємодії із предметами інших наук, і в той же час є можливість відокремити його від суміжних предметів, досліджувати відносно обособленно й конкретно.

Нам варто більш детально зупинитися й на принципі системності в пізнанні. У

Термінологічний принцип передбачає вивчення термінів і позначуваних ними понять, розробку або уточнення змісту та обсягу понять, встановлення взаємозв'язку і субординації понять, їх місця в понятійному апараті теорії, на базі якої базується дослідження. Вирішити це завдання допомагає метод термінологічного аналізу і метод операціоналізації понять.

Пізнавальний принцип пов'язаний із пізнанням і є методологічною базою для багатьох наук; Пізнавальний принцип у методології не має чітко окреслених меж, можливості його використання визначаються специфікою галузі

29. Достовірна інтерпретація даних.

Достовірність - властивість інформації бути правильно сприйнятою, ймовірність відсутності помилок.

Достовірність даних:

a. Внутрішня;

b. Зовнішня;

30. Проектування емпіричних досліджень.

• Максимізувати:

– Точність трактовки задачі;

– Доцільність проведення;

– Впливовість

По відношенню до:

- обмеженості ресурсів;

- ризиків.

Щоб уникнути «паразитного» діяльності, тобтодіяльності, що заважає досягненню мети функціонування організації,глобальна мета повинна бути доведена до кожного керівника і виконавця.

Для цього потрібен постійний контроль реального стану системи іпорівняння його з цілями, завданнями функціонування системи.

Звідси випливає, що будь-яка організаційна діяльність в системі виправданатільки в тому випадку, якщо вона сприяє досягненню її кінцевої метифункціонування. Інакше кажучи, будь-яка організація повинна бутиспроектована таким чином, щоб вся організаційна діяльність усистему реалізувала тільки ті цілі функціонування для яких вонастворювалася.

Цілі - це конкретизація місії організації в формі, доступною приуправлінні процесів їх реалізації. Для них характерні такі риси івластивості:

• чітка орієнтація на певний інтервал часу;

• конкретність і вимірними;

• несуперечність і узгодженість з іншими цілями та ресурсами;

• адресність і контрольованість.

Постановка задачи — точная формулировка условий задачи с описанием входной и выходной информации. Входная информация по задаче — данные, поступающие на вход задачи и используемые для её решения.Выходная информация может быть представлена в виде документов, кадров на экране монитора, информации в базе данных, выходного сигнала устройству управления.Постановка задачи разрабатывается организацией, разработчиком программной продукции, на основании технического задания совместно с заказчиком.

31. Компоненти емпіричних досліджень.

1. Середовище досліджень

2. Гіпотези. Гіпотеза — наукове припущення, що висувається для пояснення будь-якого явища і потребує перевірки на досліді та теоретичного обґрунтування, для того щоб стати достовірною науковою теорією.

3. План експерименту. Этап проведения компьютерного эксперимента включает две стадии: составление плана эксперимента и проведение исследования. План эксперимента должен четко отражать последовательность работы с моделью.

4. Загрози істинності

5. Аналіз та представлення даних. Аналіз — розчленування предмета пізнання, абстрагування його окремих сторін. Метод дослідження, який включає в себе вивчення предмета за допомогою мисленого або практичного розчленування його на складові елементи

6. Результати та висновки

32. Проектування емпіричних досліджень.

1. Постановка задачі — точная формулировка условий задачи с описанием входной и выходной информации. Входная информация по задаче — данные, поступающие на вход задачи и используемые для её решения. Выходная информация может быть представлена в виде документов, кадров на экране монитора, информации в базе данных, выходного сигнала устройству управления.

2. Визначення предмету досліджень — це процес або явище, що породжує проблемну ситуацію й обране для вивчення.

3. Побудова взаємозв’язків між досліджуваними величинами

Розрізняють кілька типів зв'язків між явищами та їх ознаками.

· Функціональний, або жорстко детермінований, зв'язок проявляється тоді, коли із зміною однієї ознаки друга змінюється строго певний спосіб

· Стохастичний зв'язок між випадковими величинами проявляється тоді, коли зміна розподілу однієї з них відбувається під впливом зміни розподілу іншої.

· Кореляційний зв'язок — найважливіший частковий випадок стохастичного зв'язку, коли різним значенням однієї змінної відповідає середнє значення іншої.

4. Проведення довгострокових (в природних умовах) та короткострокових (в лабораторних умовах) досліджень

Дослідження в лабораторних включають в себе моделювання процесів розробки та проведення експериментів.

Способи отримання даних.

1. Отримання даних на протязі часу

Отримання даних — виявлення прихованих закономірностей або взаємозв'язків між змінними у великих масивах необроблених даних. Як правило поділяється на задачі класифікації, моделювання та прогнозування.

2. Моделювання

Моделювання — це метод дослідження явищ і процесів, що ґрунтується на заміні конкретного об'єкта досліджень (оригіналу) іншим, подібним до нього (моделлю).

Моделювання — це процес створення та дослідження моделі, а модель — засіб, форма наукового пізнання. Під моделлю розуміється об'єкт будь-якої природи (мис-лено уявлена або матеріально реалізована система), котрий, відображаючи чи відтворюючи в певному смислі об'єкт дослідження, здатний заміщати його так, що вивчення моделі дає нову інформацію про об'єкт.

3. Статичне отримання даних

Числовые статистические данные — это числа, вектора, функции. Их можно складывать, умножать на коэффициенты. Поэтому в числовой статистике большое значение имеют разнообразные суммы.

Нечисловые статистические данные — это категоризованные данные, вектора разнотипных признаков, бинарные отношения, множества, нечеткие множества и др. Их нельзя складывать и умножать на коэффициенты. Поэтому не имеет смысла говорить о суммах нечисловых статистических данных.

34. Паралельне проведення декількох досліджень.

· Мета-аналіз

Мета-анализ - статистический метод, который позволяет объединять результаты ряда исследований и определять, не выявляются ли в них важные тенденции. Процедура позволяет работать с большим числом исследований, часто противоречивых, выполненных разными авторами по определенной проблеме. Мета-анализ позволяет статистически оценивать вероятность значимых эффектов.

Существуют два основных подхода к выполнению мета-анализа.

Первый из них заключается в статистическом повторном анализе отдельных исследований путем сбора первичных данных о включенных в оригинальные исследования наблюдениях. Очевидно, что проведение данной операции далеко не всегда возможно.

Второй (и основной) подход заключается в обобщении опубликованных результатов исследований, посвященных одной проблеме.

· Дослідження в лабораторіях

Дослідження в лабораторних включають в себе моделювання процесів розробки та проведення експериментів.

35. Загально наукові емпіричні методи: спостереження та описання, експеримент, вимірювання.

Спостереження – чуттєве відображення предметів та явищ зовнішнього світу. Це ціленаправлене вивчення предметів, яке опирається на здібності людини: сприйняття, відчуття.

Особливості:

● Ціленаправленість

● Планомірність - совершающийся или осуществляемый по заранее выработанному плану, по определенной системе.

● Активність

Експеримент - Це активний, ціленаправлений та строго контрольований вплив дослідника на досліджуваний об’єкт для виявлення та вивчення тих чи інших сторін, властивостей, зв’язків.

Вимірювання

• Це процес, який полягає у визначенні кількісних значень тих чи інших властивостей, сторін досліджуваного об’єкта, явища за допомогою спеціальних технічних засобів.

• В основі операції вимірювання лежить порівняння.

36. Загально наукові теоретичні методи: ідеалізація, мисленний експеримент, формалізація.

1. Ідеалізація — це метод наукового пізнання, який полягає в уявному конструюванні об'єктів, яких не існує в дійсності (наприклад, абсолютно тверде тіло, точка, лінія, абсолютно чорний предмет тощо). Ідеалізація включає момент абстрагування від реальних предметів та процесів. Такі створені ідеальні предмети стають значно простішими ніж реальні, завдяки чому виникає можливість застосовувати до них математичні методи дослідження.

● Це мислене внесення певних змін в об’єкт вивчення у відповідності з метою дослідження.

● Ідеалізація є частиною абстрагування.

● Уявлення про когось чи щось як про значно краще й досконале, ніж воно є насправді; наділення когось або чогось властивостями, що відповідають ідеалу.

● Мислене конструювання понять про об'єкти, що не існують і не здійснені, але для яких є прообрази в реальному світі.

2. Мисленний експеримент. Дослідження відбувається з оперуванням ідеалізованим об’єктом, яке полягає у мисленнєвому підборі тих чи інших положень, ситуацій, які дозволяють виявити якісь важливі особливості досліджуваного об’єкта.

Дата добавления: 2015-11-14; просмотров: 119 | Нарушение авторских прав

<== предыдущая страница	\|	следующая страница ==>
Метод Рунге-Кута 4-го порядку	\|	Метрики програмного забезпечення. Види метрик.

mybiblioteka.su - 2015-2024 год. (0.118 сек.)