2 resultados para Multi-criteria ranking
em Dalarna University College Electronic Archive
Resumo:
Internet of Things är ett samlingsbegrepp för den utveckling som innebär att olika typer av enheter kan förses med sensorer och datachip som är uppkopplade mot internet. En ökad mängd data innebär en ökad förfrågan på lösningar som kan lagra, spåra, analysera och bearbeta data. Ett sätt att möta denna förfrågan är att använda sig av molnbaserade realtidsanalystjänster. Multi-tenant och single-tenant är två typer av arkitekturer för molnbaserade realtidsanalystjänster som kan användas för att lösa problemen med hanteringen av de ökade datamängderna. Dessa arkitekturer skiljer sig åt när det gäller komplexitet i utvecklingen. I detta arbete representerar Azure Stream Analytics en multi-tenant arkitektur och HDInsight/Storm representerar en single-tenant arkitektur. För att kunna göra en jämförelse av molnbaserade realtidsanalystjänster med olika arkitekturer, har vi valt att använda oss av användbarhetskriterierna: effektivitet, ändamålsenlighet och användarnöjdhet. Vi kom fram till att vi ville ha svar på följande frågor relaterade till ovannämnda tre användbarhetskriterier: • Vilka likheter och skillnader kan vi se i utvecklingstider? • Kan vi identifiera skillnader i funktionalitet? • Hur upplever utvecklare de olika analystjänsterna? Vi har använt en design and creation strategi för att utveckla två Proof of Concept prototyper och samlat in data genom att använda flera datainsamlingsmetoder. Proof of Concept prototyperna inkluderade två artefakter, en för Azure Stream Analytics och en för HDInsight/Storm. Vi utvärderade dessa genom att utföra fem olika scenarier som var för sig hade 2-5 delmål. Vi simulerade strömmande data genom att låta en applikation kontinuerligt slumpa fram data som vi analyserade med hjälp av de två realtidsanalystjänsterna. Vi har använt oss av observationer för att dokumentera hur vi arbetade med utvecklingen av analystjänsterna samt för att mäta utvecklingstider och identifiera skillnader i funktionalitet. Vi har även använt oss av frågeformulär för att ta reda på vad användare tyckte om analystjänsterna. Vi kom fram till att Azure Stream Analytics initialt var mer användbart än HDInsight/Storm men att skillnaderna minskade efter hand. Azure Stream Analytics var lättare att arbeta med vid simplare analyser medan HDInsight/Storm hade ett bredare val av funktionalitet.
Resumo:
Det är många av tredje årets gymnasieelever som står inför ett viktigt och stort beslut gällande vilken utbildning och vilket lärosäte de ska studera vid efter studenten. En del gymnasieelever har redan bestämt sig för var de ska studera, medan andra är väldigt osäkra. För att en gymnasieelev ska kunna fatta ett genomtänkt beslut krävs det kunskap om de olika alternativen som finns eftersom det kan påverka beslutets riktning. En typ av information är rankinglistor av olika högskolor/universitet. Rankinglistor finns till för att förenkla det stora utbudet av utbildningar och högskolor/universitet. Genom att ge den sökande jämförande möjligheter och låta denna agerar utifrån sina egna uppställda kriterier kan rankinglistor fungera som ett stödjande verktyg vid valet av lärosäte. Den här studien syftar till att undersöka gymnasieelevernas förhållande till rankinglistor, vilket gjordes genom en kvantitativ studie i form av en enkätundersökning där gymnasielever från Dalarna medverkade. Enkätundersökningen baserades på teorier samt hypoteser som vi har verifierat eller förkastat för att komma fram till ett resultat. Den slutsats som studien har lett fram till är att rankinglistors påverkan, gällande gymnasieelevers val av lärosäte, är mycket begränsad. Det betyder att rankinglistor får en viss relevans när det sökta alternativet finns bland de lägst placerade lärosätena på en rankinglista. Trots detta finns det andra faktorer som kan påverka gymnasieelevernas val av lärosäte, så som egen uppfattning och rykte.