論文の概要: Software development in startup companies: A systematic mapping study
- arxiv url: http://arxiv.org/abs/2307.13104v1
- Date: Mon, 24 Jul 2023 19:49:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 16:22:04.518076
- Title: Software development in startup companies: A systematic mapping study
- Title（参考訳）: スタートアップ企業におけるソフトウェア開発: 体系的マッピング研究
- Authors: Nicol\`o Paternoster, Carmine Giardino, Michael Unterkalmsteiner, Tony
Gorschek, Pekka Abrahamsson
- Abstract要約: 本研究の目的は,スタートアップ企業におけるソフトウェア開発の文献の構造と分析である。
43の初等的な研究が同定され、スタートアップにおけるソフトウェア開発に関する証拠を合成した。
レビューされた初等研究から,213のソフトウェアエンジニアリング作業プラクティスを抽出し,分類し,分析した。
- 参考スコア（独自算出の注目度）: 4.881718571745022
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Context: Software startups are newly created companies with no operating
history and fast in producing cutting-edge technologies. These companies
develop software under highly uncertain conditions, tackling fast-growing
markets under severe lack of resources. Therefore, software startups present an
unique combination of characteristics which pose several challenges to software
development activities. Objective: This study aims to structure and analyze the
literature on software development in startup companies, determining thereby
the potential for technology transfer and identifying software development work
practices reported by practitioners and researchers. Method: We conducted a
systematic mapping study, developing a classification schema, ranking the
selected primary studies according their rigor and relevance, and analyzing
reported software development work practices in startups. Results: A total of
43 primary studies were identified and mapped, synthesizing the available
evidence on software development in startups. Only 16 studies are entirely
dedicated to software development in startups, of which 10 result in a weak
contribution (advice and implications (6); lesson learned (3); tool (1)).
Nineteen studies focus on managerial and organizational factors. Moreover, only
9 studies exhibit high scientific rigor and relevance. From the reviewed
primary studies, 213 software engineering work practices were extracted,
categorized and analyzed. Conclusion: This mapping study provides the first
systematic exploration of the state-of-art on software startup research. The
existing body of knowledge is limited to a few high quality studies.
Furthermore, the results indicate that software engineering work practices are
chosen opportunistically, adapted and configured to provide value under the
constrains imposed by the startup context.
- Abstract（参考訳）: コンテキスト: ソフトウェアスタートアップは、運用履歴がなく、最先端技術の生産が速い、新しく作られた企業です。
これらの企業は、非常に不確実な条件下でソフトウェアを開発し、急速に成長する市場を資源不足に陥れる。
したがって、ソフトウェアスタートアップは、ソフトウェア開発活動にいくつかの課題をもたらす特徴のユニークな組み合わせを示す。
目的: 本研究の目的は, スタートアップ企業のソフトウェア開発に関する文献を構造化し, 分析することであり, 技術移転の可能性と, 実践者や研究者が報告したソフトウェア開発の実践の特定である。
方法:システマティックマッピング研究を行い,分類スキーマを開発し,その厳密さと妥当性に基づいて選択した一次研究をランク付けし,スタートアップにおけるソフトウェア開発の実践報告を分析した。
結果: スタートアップのソフトウェア開発に関する利用可能な証拠を合成し,43の一次研究が同定され,マッピングされた。
スタートアップにおけるソフトウェア開発を専門とする研究は16件のみであり、そのうち10件は弱い貢献(初心者と影響(6)、教訓(3)、ツール(1))をもたらす。
9つの研究は、管理的および組織的要因に焦点を当てている。
さらに、9つの研究だけが高い科学的厳密さと関連性を示している。
レビューされた初等研究から,213のソフトウェアエンジニアリング作業プラクティスを抽出し,分類し,分析した。
結論: このマッピング研究は、ソフトウェアスタートアップ研究の最先端を初めて体系的に探究するものである。
既存の知識体系は、いくつかの高品質な研究に限られている。
さらに、ソフトウェアエンジニアリングの作業プラクティスは、スタートアップのコンテキストによって課される制約の下で価値を提供するために、機会的に選択され、適応され、設定されます。
関連論文リスト
- Estimating the Energy Footprint of Software Systems: a Primer [56.200335252600354]
ソフトウェアシステムのエネルギーフットプリントの定量化は、最も基本的な活動の1つです。
この文書は、この分野で研究を始めたい研究者の出発点となることを目的としている。
論文 参考訳（メタデータ） (2024-07-16T11:21:30Z) - Bridging Gaps, Building Futures: Advancing Software Developer Diversity and Inclusion Through Future-Oriented Research [50.545824691484796]
我々はSEの多様性と包摂性に関する課題と解決策について、SE研究者や実践者から知見を提示する。
我々は,将来的なユートピアやディストピアのビジョンを共有し,今後の研究の方向性とアカデミックや産業への示唆を提供する。
論文 参考訳（メタデータ） (2024-04-10T16:18:11Z) - Charting a Path to Efficient Onboarding: The Role of Software
Visualization [49.1574468325115]
本研究は,ソフトウェアビジュアライゼーションツールを用いたマネージャ,リーダ,開発者の親しみやすさを探求することを目的としている。
本手法は, 質問紙調査と半構造化面接を用いて, 実践者から収集したデータの量的, 質的分析を取り入れた。
論文 参考訳（メタデータ） (2024-01-17T21:30:45Z) - A Progression Model of Software Engineering Goals, Challenges, and
Practices in Start-Ups [5.664445343364966]
スタートアップ企業におけるエンジニアリングの目標、課題、プラクティスに関連するデータ収集を目指しています。
84のスタートアップケースを分析し、スタートアップに共通する16の目標、9の課題、16のエンジニアリングプラクティスを特定します。
論文 参考訳（メタデータ） (2023-12-12T09:36:43Z) - Software engineering in start-up companies: An analysis of 88 experience
reports [3.944126365759018]
本研究は,ソフトウェア工学がスタートアップ・コンテキストにどのように応用されるかを検討する。
私たちは、最も頻繁に報告されているソフトウェアエンジニアリング(要求エンジニアリング、ソフトウェア設計、品質)とビジネスの側面(ビジョンと戦略開発)の知識領域を特定します。
スタートアップにおけるほとんどのエンジニアリング上の課題は、要件エンジニアリングの不整合に起因している、と結論付けます。
論文 参考訳（メタデータ） (2023-11-20T19:42:37Z) - Software Startups -- A Research Agenda [14.364137253888037]
本研究の課題は,スタートアップにおけるソフトウェア工学に焦点をあてる。
スタートアップのエンジニアリング活動を支援する分野では、特に70以上の研究課題が特定されている。
このリサーチアジェンダでは、ソフトウェアスタートアップの現在のニーズの幅広い範囲をカバーできると考えています。
論文 参考訳（メタデータ） (2023-08-24T14:20:21Z) - Software Engineering Knowledge Areas in Startup Companies: A Mapping
Study [3.944126365759018]
この研究は、スタートアップが最先端の技術をマップアウトするために利用するソフトウェア工学の知識領域を特定し、分類する。
これまでの研究では、スタートアップライフサイクルのどのフェーズにおいても、ソフトウェアエンジニアリングに対する信頼できるサポートを提供していません。
論文 参考訳（メタデータ） (2023-08-15T08:26:02Z) - Using Machine Learning To Identify Software Weaknesses From Software
Requirement Specifications [49.1574468325115]
本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。
ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
論文 参考訳（メタデータ） (2023-08-10T13:19:10Z) - Empowered and Embedded: Ethics and Agile Processes [60.63670249088117]
私たちは倫理的考慮事項を(アジャイル)ソフトウェア開発プロセスに組み込む必要があると論じています。
私たちは、すでに存在しており、確立されたアジャイルソフトウェア開発プロセスで倫理的な議論を実施する可能性を強調しました。
論文 参考訳（メタデータ） (2021-07-15T11:14:03Z) - Software engineering for artificial intelligence and machine learning
software: A systematic literature review [6.681725960709127]
本研究は,AI/MLシステムの開発において,ソフトウェア工学がどのように応用されてきたかを検討することを目的とする。
プロフェッショナルが直面する主な課題は、テスト、AIソフトウェアの品質、データ管理といった分野だ。
論文 参考訳（メタデータ） (2020-11-07T11:06:28Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。