| 1 |
جایگاه درس در برنامه درسی دوره |
این آزمایشگاه هم‌نیاز با درس مهندسی نرم‌افزار ۱ یکی از اولین دروس تخصصی گرایش نرم‌افزار است، که بطور عادی برای دانشجویان ترم چهارم ارائه می‌گردد. |
| 2 |
هدف کلی |
امکان تجربه عملی مطالب ارائه شده در مهندسی نرم‌افزار ۱ در قالب یک پروژه تیمی تا حد امکان واقعی |
| 3 |
شایستگی های پایه |
دانشجویی که این درس را اخذ می‌کنند، لازمست که آشنایی کافی با برنامه‌نویسی شی‌گرا داشته باشند. |
| 4 |
اهداف یادگیری |
تجربه عملی مطالب ندریس شده در درس مهندسی نرم‌افزار در قالب یک پروژه تیمی تا حد امکان واقعی |
| 5 |
روش تدریس |
تثبیت مطالب درس مهندسی نرم‌افزار ۱ و ارائه نکات تکمیلی از طریق نقد و بررسی کارهای انجام شده توسط تیم بر روی پروژه و ارزیابی هفتگی پیشرفت کار. |
| 6 |
وظایف دانشجو |
دانشجویان موظف به شرکت در جلسات آزمایشگاه و همچنین مشارکت در تهیه و ارائه مستندات و گزارش‌های تعیین شده در جهت انجام پروژه در قالب تیمی و گذراندن ارزیابی‌های مستمر می‌باشند.
دانشجویان موظف به رعایت سیاست‌های دانشگاه، دانشکده، گروه و این درس در استفاده از ابزارهای هوش مصنوعی می‌باشند.
سیاست استفاده از ابزارهای هوش مصنوعی مولد (GenAI) در این درس:
۱- دانشجویان این درس مجاز به استفاده از ابزارهای هوش مصنوعی در محدود مشخص شده توسط استاد درس (شامل: تولید اولیه و پیش‌نویس ایده، تحلیل، طراحی، پیاده‌سازی، ویرایش و مستندسازی) بشرط درک کامل، عمیق و دقیق محتوای تولید شده توسط GenAI و تهیه نسخه نهایی با اصلاحات لازم توسط دانشجو می‌باشند.
۲- هرگونه استفاده از GenAI باید در قالب افشای ابزارهای هوش مصنوعی ((AIAD)AI Assistance Disclosure) به همراه توضیح ابزار، روش استفاده و بخش‌های تأثیرپذیر ذکر شود. قالب افشای ابزارهای هوش مصنوعی (AIAD) این درس شامل موارد زیر است:
۱-۲- الزام به افشا (Disclosure): استفاده از ابزار(های) هوش مصنوعی و نحوه استفاده در هریک از موارد مجاز باید صریحا ذکر شود.
۲-۲- استناد‌دهی (Citation of GenAI Output): برای هر خروجی ابزار هوش مصنوعی، باید دستور (prompt) استفاده شده در همان صفحه پانویس شود و به لیست منابع (شامل نام ابزار و تاریخ دسترسی) ارجاع داده شود.
۳-۲- مسئولیت صحت (Accuracy Responsibility): مسئولیت صحت، اعتبار و کیفیت محتوای نهایی صرفاً برعهده دانشجوست.
۴-۲- حریم خصوصی (Privacy): ورود داده‌های محرمانه یا شخصی (دانشجویان، کارفرمای پروژه، مشتریان پروژه و دیگر ذینفعان) به این ابزارها ممنوع است.
۵-۲- ملاحظات اخلاقی (Ethical & Cultural Considerations): کاربرد ابزارهای هوش مصنوعی باید با ارزش‌های اخلاق حرفه‌ای و فرهنگی مطابق باشد.
۳- آموزش اجباری (Mandatory Training): درصورت ارئه دوره‌های آموزشی استفاده صحیح از ابزارهای هوش مصنوعی، لازمست دانشجویان طبق الزامات دانشگاه در آن‌ها شرکت نمایند. |
| 7 |
منبع |
Sommerville Ian, Software Engineering, 10th ed. Addison Wesley, 2015. IEEE Standards on Software Engineering |
| 8 |
مواد و امکانات آموزشی |
ویدئو پروژکتور, کامپیوتر (حداقل به تعداد یک سوم دانشجویان کلاس) |
| 9 |
نحوه ارزشیابی |
ارزیابی مستمر از مستندات و گزارش‌های تحویل داده شده در طی انجام پروژه عملی، ارائه نهایی شفاهی و کتبی همه مستندات پروژه. |