V+Ü Empirische Bewertung in der Informatik SS 2008
Dies ist die Veranstaltungsseite zur Vorlesung und Übung "Empirische Bewertung in der Informatik".
Beschreibung
Die Informatik entwickelt als Ingenieurwissenschaft ständig neue Artefakte wie beispielsweise Methoden, Sprachen/Notationen oder konkrete Softwaresysteme. Die Funktionstüchtigkeit und Wirksamkeit dieser Lösungen für den angepeilten Zweck ist in aller Regel nicht offensichtlich -- schon gar nicht im Vergleich zu anderen, schon vorhandenen Lösungen für den selben oder einen ähnlichen Zweck.
Aus diesem Grund zählen Methoden zur Bewertung der Tauglichkeit solcher Lösungen zum wichtigen Grundinstrumentarium der Informatik -- eine Tatsache, die sich leider erst allmählich in den Köpfen festsetzt. Bewertung wird benötigt bei den Schöpfern neuer Lösungen (also in der Forschung und Entwicklung), aber ebenso bei den Anwendern, denn diese müssen den zu erwartenden Nutzen spezifisch für ihre Situation abschätzen. Solche Bewertungen müssen fast immer empirisch (also auf Beobachtung basierend) durchgeführt werden, denn für analytisches (also auf reinem Nachdenken basierendes) Vorgehen sind die Fragestellungen fast immer viel zu kompliziert.
Diese Veranstaltung stellt die wichtigsten Arten empirischer Bewertungsverfahren vor und erklärt, wo diese eingesetzt wurden (beispielhaft) und eingesetzt werden sollten, wie man sie einsetzt und was dabei zu beachten ist.
Organisatorisches
Veranstalter
- Lutz Prechelt (Vorlesung)
- Stephan Salinger (Übungsleitung)
Voraussetzungen/Zielgruppe, Einordnung, Leistungpunkte etc.
Siehe den Eintrag im KVV.Anmeldung
Alle Teilnehmer müssen Mitglied in der Mailingliste SE_V_EMPIR sein. (Dort bitte auch den vollen Vor- und Nachnamen angeben.) Über diese Liste werden wichtige Informationen und Ankündigungen versendet. Jede/r bitte selbst dort eintragen.Termine
- Die Vorlesung findet Montags von 10-12 Uhr im Seminarraum 049 in der Takustr. 9 statt,
- die Übung direkt anschließend von 12-14 Uhr, im Seminarraum 049 in der Takustr. 9
- Klausur: Montag, 21.07.08, um 9:59 Uhr im Seminarraum 049 in der Takustr. 9 (der Montag nach Vorlesungsende)
- Klausureinsicht: Mittwoch, 15.10.08, von 16:00 bis mind. 16:30, Raum 046, Takustr. 9
Prüfungsmodalitäten
Die notwendigen Kriterien für die Vergabe des Leistungsnachweises zu dieser Veranstaltung sind- Bearbeitung von mindestens (n-1) Übungszetteln
- aktive Teilnahme an den Übungen
- Bestehen der Klausur
Inhalt
Stoffplan
Die Vorlesung besteht aus drei Abschnitten:- Einführung (3 Wochen): Stellt das grundsätzliche Gedankengebäude der Empirie vor und diskutiert die Qualitätsmerkmale für empirische Untersuchungen (Vorlesungen 1 bis 3).
- Methoden (7 Wochen): Stellt die grundlegenden Aspekte der Vorgehensweise für die verschiedenen empirischen Methoden vor und illustriert sie an konkreten Beispielen aus der Literatur.
- Datenanalyse (2 Wochen): Empirische Untersuchungen bringen zunächst immer Rohdaten hervor, die zum Teil qualitativer und zum Teil quantitativer Natur sein können. Die Untersuchungsergebnisse ergeben sich erst aus der Analyse und Interpretation dieser Daten. Die Analyse quantiativer Daten ist ein Thema, über das allein man ein komplettes Studium absolvieren kann (nämlich Statistik).
Dieser Abschnitt gibt die allererste Einführung in die Analyse quantiativer Daten. (Die völlig andersartige Analyse qualitativer Daten sprengt den Rahmen dieser Vorlesung und wird nicht behandelt.)
- Einführung - Die Rolle der Empirie:
- Begriff "Empirische Bewertung"; Theorie, Konstruktion, Empirie; Status der Empirie in der Informatik
- Hypothetische Anwendungsbeispiele
- Qualitätskriterien: Glaubwürdigkeit, Relevanz
- Hinweis: Skalentypen
- Vorbereitung für die Übung: Installation von R (Version 2.6.2, siehe bei r-project.org). Als Bedienhilfe sehr empfohlen ist XEmacs mit ESS: Installationshinweise
- Foliensatz aus der Übung
- Die wissenschaftliche Methode:
- Wissenschaft und Erkenntnismethoden; Einordnung der Informatik
- Die wissenschaftliche Methode; Variablen, Hypothesen, Kontrolle; Interne und externe Gültigkeit; Gültigkeit, Glaubwürdigkeit, Relevanz
- Übung: Datenauswertungs-Software "R" kennen lernen (PDF, R_intro_session.txt)
- Wie man mit Statistik lügt:
- Was ist überhaupt gemeint? Was genau? Wie können die das wissen? Was wird nicht gesagt?
- Verzerrt das Maß, die bildliche Darstellung oder die Stichprobenauswahl das Ergebnis? etc.
- Material: Buch zum Thema, Studie über Alternativ-Tinten, Artikel mit Argumenten gegen das Hypothesentesten: "The earth is round (p < 0.05)".
- Übung: R üben, Teil 1 (PDF, Daten)
- Vorgehen bei Empirie:
- Schritte: Ziel und Frage formulieren; Methode auswählen und Studie entwerfen; Beobachtungssituation herstellen; Daten sammeln; Beobachtungen auswerten; Ergebnisse interpretieren.
- Beispiel: N-Versions-Programmierung (Artikel, interessanter Nachklapp)
- Übung: R üben, Teil 2 (PDF ,MocFieHer02)
- Umfrage:
- Beispiel: Relevanz der Informatik-Ausbildung ( Artikel )
- Methode: Auswahl der Ziele; Auswahl der zu befragenden Personengruppe; Entwurf und Validierung des Fragebogens; Durchführung der Befragung; Auswertung; Interpretation
- Übung: Umfrage entwerfen (PDF), Zusatzmaterial: WilKes00.pdf, WilKesCun00.pdf, HulAbr05.pdf, Williams06.pdf, AbrSalRon02.pdf, Ebinger05.pdf, GacLawAri04.pdf, Johnson01.pdf
- Kontrolliertes Experiment:
- Beispiel 1: Flussdiagramme versus Pseudocode (Artikel, kritisierte frühere Arbeit)
- Methode: Kontrolle und Konstanz; Probleme beim Erreichen von Konstanz; Techniken zum Erreichen von Konstanz
- Beispiel 2: Nutzen von Entwurfsmuster-Dokumentation (Artikel)
- Übung: Fragebogen begutachten und Feedback geben; Fragebogen überarbeiten (PDF)
- Quasiexperiment:
- Beispiel 1: Vergleich von 7 Programmiersprachen ( Artikel, detaillierter technischer Bericht)
- Methode: wie kontrolliertes Experiment, aber mit unvollständiger Kontrolle (meist: keine Randomisierung)
- Beispiel 2: Wirkung von Arbeitsplatzbedingungen auf die Produktivität (Artikel)
- Übung: Fragebogen begutachten und Feedback geben; Fragebogen überarbeiten (Fortsetzung)
- Benchmarking:
- Beispiel 1: SPEC CPU2000 (Artikel)
- Benchmark = Maß + Aufgabe + Vergleich; Probleme (Kosten, Aufgabenauswahl, Überanpassung); Qualitätsmerkmale (Zugänglichkeit, Aufwand, Klarheit, Portierbarkeit, Skalierbarkeit, Relevanz) (Artikel)
- Beispiel 2: TREC (Artikel)
- Übung: Umfrageteilnehmer finden/anwerben (PDF)
- Grundbegriffe der Datenanalyse:
- Schritte: Daten verfügbar machen; Daten validieren; Daten erkunden; Daten analysieren (messen, modellieren oder vergleichen). Einige Visualisierungstechniken.
- Beispieldatensatz (TPC tpmC): Rohdaten (Originalform), Rohdaten (handaufbereitet), Einleseprozedur mit Umkodierung
- Übung: Umfrage durchführen und verfolgen (PDF)
- Techniken der Datenanalyse:
- Stichproben und Grundgesamtheiten; Mittelwert; Variabilität; Vergleich von Stichproben: Signifikanztest, Vertrauensbereich; Bootstrap; Beziehungen zwischen Variablen: Plots, lineare Modelle, Korrelation, lokale Modelle (loess)
- Übung: Umfrage auswerten (PDF)
- Fallstudie:
- Beispiel 1: Eingewöhnung in ein Software-Team (Artikel)
- Methode: Eigenarten von Fallstudien; Was ist der 'Fall'?; Nutzung vieler Datenarten; Triangulierung; Gültigkeitsdimensionen
- Beispiel 2: Ein unkonventionelles Verfahren für Anforderungs-Inspektionen (Artikel)
- Übung: Umfrage auswerten (Fortsetzung)
- Sonstige Methoden:
- Die Methodenlandschaft; Simulation; Software-Archäologie (Studien auf Basis existierender Datenbestände); Literaturstudie;
- Beispiel Simulation: Skalierung von P2P-File-Sharing (Artikel)
- Beispiel Software-Archäologie: Code-Verfall (Artikel)
- Beispiel Literaturstudie: Ein Modell der Effektivität von Durchsichten (Artikel)
- Übung: Umfrageergebnisse präsentieren (PDF)
- Zusammenfassung und Tipps:
- Rolle der Empirie; Qualitätskriterien; Generische Methode; Vor- und Nachteile der Methoden; Praktische Hinweise (zur Datenanalyse; zum Schlussfolgern; zur Präsentation); Ausblick
- Übung: Umfrageergebnisse präsentieren (Fortsetzung)
Ziele der Übung
- Übungen 1 bis 3 (zu R)
- Die Fähigkeiten einer frei verfügbaren, umfangreichen, modernen Statistiksoftware andeutungsweise kennen lernen und Grundfertigkeiten im Umfang damit erwerben.
- Eine neue Denkweise für das Programmieren kennen lernen ("Programmieren mit Daten") und etwas einüben.
- Erkennen, wie erhellend manchmal eine Datenanalyse sein kann und wie nutzlos in anderen Fällen.
- Übungen 4 bis 9 (Projekt: empirischen Studie)
- Einmal selbst die Entwurfsüberlegungen zu einer empirischen Studie durchlaufen haben und erkennen, wie viele Aspekte es zu balancieren gilt.
- Erleben, wie viele gute Einfälle man haben kann. Und wie viele andere eventuell trotzdem noch fehlen.
- Erkennen, wie wichtig ein sorgfältiges Arbeiten ist (weil die nachträgliche Korrektur von Fehlern oft unmöglich ist und andernfalls in der Regel enorm viel Mehrarbeit verursacht).
- Einmal das Aha-Erlebnis gehabt haben, Daten zu analyisieren, die sonst noch niemand auf der Welt gesehen hat.
Anzusprechende Mailinglisten und Interessengruppen der einzelnen Umfragen
In die nachfolgende Tabelle tragen die einzelnen Gruppen aus der Übung die Mailinglisten und Interessengruppen ein, die sie mit ihrer Umfrage ansprechen möchten. Hierbei gilt, dass jede Zielgruppe (z.B. Mailingliste) nur von einer Gruppe angesprochen werden darf. Wer zuerst einträgt bekommt den Zuschlag! Details hierzu sind dem Übungsblatt 6 zu entnehmen.Änderungen von Jahr zu Jahr
- 2004: Vorlesung erstmalig durchgeführt.
- 2005: Vorlesung: nur kleine Änderungen. Übung: breitere Themenwahl für die Umfragen.
Literatur
- Set CRAN = http://cran.mirroring.de
- siehe Foliensätze und Verweise im Stoffplan
- R-Dokumentation, insbesondere An Introduction to R und Statistical Computing - Einführung in R
(Kommentare)
Wenn Sie Anmerkungen oder Vorschläge zu dieser Seite haben, können Sie sie hier (möglichst mit Datum und Name) hinterlassen:
-- StephanSalinger - 31 May 2007