솔로 vs. 쌍 프로그래밍 : 데이터 중심 비교
링크 표
초록 및 1. 소개
2. 실험 정의
3. 실험 설계 및 행동
3.1 라틴 광장 디자인
3.2 과목, 과제 및 대상
3.3 행동
3.4 측정
4. 데이터 분석
4.1 모델 가정
4.2 분산 분석 (ANOVA)
4.3 치료 비교
4.4 효과 크기 및 전력 분석
5. 결론 유효성에 대한 실험 제한 및 5.1 위협
5.2 내부 유효성에 대한 위협
5.3 유효성을 구성하려는 위협
5.4 외부 타당성에 대한 위협
6. 토론 및 6.1 기간
6.2 노력
7. 결론과 추가 작업 및 참고 문헌
4.3 치료 비교
이 알파 레벨 (a = 0.1)을 고려하여 각 측정에 대한 치료 비교 테스트 (대비 테스트라고도 함)를 수행합니다. 표 8은 치료 평균, 표준 오차 및 기간 측정에 대한 복제를 보여줍니다. 표 9는 노력에 대한 동일한 정보를 보여줍니다.
\
\
\ 치료 비교를 수행하기위한 몇 가지 테스트가 있습니다. 이 테스트는 평균 사이의 가능한 차이를 평가하기 위해 수단 쌍을 분석하는 데 도움이됩니다. Scheffé 테스트 사용 [21] 치료 비교를 위해, 표 10은 지속 시간에 대한 치료 비교를 보여준다.
\
\ 표 10에 표시된 바와 같이, 쌍 프로그래밍 (시간이 28% 감소)에 유리한 36 분의 유의 한 차이 (a = 0.1)가있다. 95%의 신뢰 구간 에서이 차이는 6 분에서 66 분 사이입니다 (시간이 4% 내지 51% 감소).
\ 표 11은 노력과 관련하여 치료 비교를 보여줍니다. 우리가 보시다시피, 솔로 프로그래밍에 찬성하여 56 분의 유의 한 차이 (A = 0.1)가 있습니다 (30% 노력 감소). 95%의 신뢰 구간 에서이 차이는 8 분에서 104 분 사이입니다 (4% ~ 55% 노력 노력).
\
\
::: 정보
저자 :
(1) Omar S. Gómez, 유카탄 자율 대학의 수학 교수 (Uady)의 소프트웨어 엔지니어링 교수;
(2) José L. Batún, 유카탄 자율 대학 수학 교수 (Uady)의 정규 교수;
(3) Raúl A. Aguilar, Yucatan Merida의 자율 대학, 유카탄 97119, 멕시코 수학 학부.
:::
::: 정보이 논문은입니다 Arxiv에서 사용할 수 있습니다 CC By-NC-ND 4.0 증서 라이센스에 따라.
:::
\
Post Comment