DAVE3615 Software Architecture and Frameworks Course description

Emnet gir inngående kjennskap til kvantitative design og statistisk analyse for bruk i egen masteroppgave, muligheter og begrensninger ved ulike kvantitative design, kjennskap til ulike datakilder og kvalitetskrav til studier basert på statistisk analyse innen en samfunnsvitenskapelig forskningstradisjon.

Emnet omfatter inngående kjennskap til tverrsnittsdesign, tidsdesign, eksperiment og surveymetoden. Studentene vil også få inngående kunnskap om forhold som kan påvirke validiteten og reliabiliteten i en undersøkelse, samt ferdigheter til å vurdere slike forhold. Videre vil studentene både lære og ikke minst praktisere univariate, bivariate og multivariate analyser. I emnet vil vi ha et særlig fokus på regresjonsanalyse, og gjennom forelesninger, e-ressurser og seminarer vil studentene få inngående kunnskap om og ferdigheter i bruken av regresjonsbasert analyse, med siktemål om å kunne benytte regresjonsanalyse i egen masteroppgave for de som velger et kvantitativ design (i emnet vil vi benytte statistikkprogrammet SPSS).

Ingen forkunnskapskrav.

Etter å ha gjennomført dette emnet har studenten følgende læringsutbytte, definert i kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Studenten:

• har en generell kjennskap til et bredt utvalg av ulike programvarearkitekturer og rammeverk
• forstår hvordan design-patterns kan benyttes i programutvikling
• forstår kost/nytte verdien av å benytte programvarearkitekturer og rammeverk i store programsystemer.

Ferdigheter

Studenten:

• anvender teknikker og praktisk bruke et mindre antall rammeverk som kan inkludere standard klient-tjener arkitekturer, web-rammeverk og objekt-relasjonsmapping (ORM).
• kan arbeide med prosjekter og arbeidsoppgaver, både selvstendig og i team
• kan utarbeide dokumentasjon for rammeverk og arkitekturer

Generell kompetanse

Studenten:

• kjenner til teknikker og teorier som fremmer god kvalitet i programsystemer
• er bevisst viktigheten av rammeverk og arkitekturer i store programsystemer

Undervisningen foregår både i form av forelesninger, SPSS-øvelser, e-forelesninger og oppgaver som studentene jobber med på egenhånd og får veiledning i via e-baserte ressurser.

Studentene skal gjennomføre et arbeidskrav bestående av univariat, bivariat og mulitivariat analyse (regresjonsanalyse). I analysene skal studentene benytte et utdelt datasett eller kan etter avtale med faglærer benytte et eget datasett, dersom dette skal benyttes i masteroppgaven. Hver student skal utforme en problemstilling med utgangspunkt i udelt datasett (eller eget datasett), formulere hypoteser og teste disse hypotesene. Det skrives en rapport og studentene får individuell tilbakemelding fra faglærer. Rapporten må være godkjent før studenten kan gå opp til eksamen. Rapporten skal være på maks 10 sider.

Studentene skal ha en 4 timers skriftlig skoleeksamen under tilsyn.

Gradert skala A-F

Åsmund Hermansen

Sensorordning: To interne sensorer. Ekstern sensor brukes jevnlig.