zoukankan      html  css  js  c++  java
  • 以超星学习通为例描绘质量属性六个常见属性

      以超星学习通为例描绘质量属性六个常见属性

     1.可用性:与系统故障及其先关后果有关。

           场景:网上授课第一天,部分学生在超星网页无法获取课程网页。

           刺激源:用户。

           刺激:大量用户同时请求内容。

           环境:正常操作。

           制品:服务器。

           响应:返回用户请求。

           响应度量:获取课程信息响应时间。

     2.可修改性:关于变更的成本问题。

           场景: 用户修改超星网页的应用。

           刺激源:用户。

           刺激: 修改左侧的功能应用。

           环境: 正常操作。

           制品: 网页用户界面。

           响应: 网页用户界面左侧应用栏修改。

           响应度量: 修改页面的响应时间。

     3.性能:与事件发生时,将要耗费系统多久时间做出响应有关。

           场景: 用户点击课程开始学习。

           刺激源:用户。

           刺激: 点击课程学习。

           环境: 正常操作。

           制品: 超星系统。

           响应: 课程学习请求被处理。

           响应度量: 返回课程页面的时间。

     4.安全性:衡量系统在向合法用户提供服务的同时,阻止非授权使用的能力。

           场景: 用户请求管理员修改课程信息。

           刺激源:管理员。

           刺激: 修改用户课程数据。

           环境: 直接操作。

           制品: 系统中的数据。

           响应: 对管理员身份进行识别。

           响应度量: 修改数据完成的时间。

     5.可测试性:对软件测试以证明其满足需求规定的难易程度。

           场景: 测试人员测试系统服务器能否支持大量用户同时请求。

           刺激源:测试人员。

           刺激: 对网页同时大量请求。

           环境: 正常操作。

           制品: 系统服务器。

           响应: 返回用户请求。

           响应度量: 反应时间和是否有反应。

     6.易用性:对用户来说完成某个期望任务的容易程度和系统所提供的用户支持种类。

           场景:学生用户提交自己的课程作业 。

           刺激源:学生用户。

           刺激: 提交课程作业。

           环境: 正常操作。

           制品: 系统。

           响应: 检查是否有题目空白。

           响应度量: 对作业内容是否有检查。

  • 相关阅读:
    机器学习中的概念和名词解释
    NLPIR文本智能分词是语义挖掘的关键
    学习NLPIR语义智能教学科研平台要这样打开
    NLPIR语义智能:大数据与人才成行业发展瓶颈
    NLPIR:大数据挖掘技术引导数据应用
    2018大数据新动态:NLPIR语义智能教学科研平台
    灵玖软件:大数据语言新特征发现
    JZSearch大数据智能搜索网络数据
    大数据信息挖掘中文分词是关键
    灵玖软件:NLPIR文本智能挖掘提速2.0
  • 原文地址:https://www.cnblogs.com/heiyang/p/12349837.html
Copyright © 2011-2022 走看看