論文の概要: Do Agile Scaling Approaches Make A Difference? An Empirical Comparison
of Team Effectiveness Across Popular Scaling Approaches
- arxiv url: http://arxiv.org/abs/2310.06599v1
- Date: Tue, 10 Oct 2023 13:06:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 03:44:43.477924
- Title: Do Agile Scaling Approaches Make A Difference? An Empirical Comparison
of Team Effectiveness Across Popular Scaling Approaches
- Title（参考訳）: アジャイルのスケーリングアプローチは違いをもたらすか?
一般的なスケーリングアプローチにおけるチームの効率性に関する実証的比較
- Authors: Christiaan Verwijs, Daniel Russo
- Abstract要約: この研究は、異なるスケーリング手法を用いてアジャイルチームの有効性を評価することを目的としている。
我々は15,078人のアジャイルチームメンバーと1,841人のステークホルダを調査し、続いて統計分析を行った。
その結果,スケーリング戦略における効果の差は小さかった。
- 参考スコア（独自算出の注目度）: 6.190511747986327
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the era of Agile methodologies, organizations are exploring strategies to
scale development across teams. Various scaling strategies have emerged, from
"SAFe" to "LeSS", with some organizations creating their own methods. Despite
numerous studies on organizational challenges with these approaches, none have
empirically compared their impact on Agile team effectiveness. This study aims
to evaluate the effectiveness of Agile teams using different scaling methods,
focusing on factors like responsiveness, stakeholder satisfaction, and
management approach. We surveyed 15,078 Agile team members and 1,841
stakeholders, followed by statistical analyses. The results showed minor
differences in effectiveness across scaling strategies. In essence, the choice
of scaling strategy does not significantly impact team effectiveness, and
organizations should select based on their culture and management style.
- Abstract（参考訳）: アジャイル方法論の時代では、組織はチーム間の開発をスケールするための戦略を模索しています。
セーフ”から“レス”まで,さまざまなスケーリング戦略が登場している。
これらのアプローチによる組織的課題に関する多くの研究にもかかわらず、アジャイルチームの有効性に対する彼らの影響を経験的に比較することはない。
この研究は、異なるスケーリング手法を用いてアジャイルチームの有効性を評価し、応答性、ステークホルダーの満足度、マネジメントのアプローチといった要素に注目します。
我々は15,078人のアジャイルチームメンバーと1,841人のステークホルダを調査した。
その結果,スケーリング戦略における効果の差は小さかった。
本質的には、スケーリング戦略の選択はチームの有効性に大きく影響せず、組織は彼らの文化とマネジメントスタイルに基づいて選択すべきです。
関連論文リスト
- Towards a Unified View of Preference Learning for Large Language Models: A Survey [88.66719962576005]
大きな言語モデル(LLM)は、非常に強力な能力を示す。
成功するための重要な要因の1つは、LLMの出力を人間の好みに合わせることである。
選好学習のすべての戦略を、モデル、データ、フィードバック、アルゴリズムの4つの構成要素に分解する。
論文 参考訳（メタデータ） (2024-09-04T15:11:55Z) - Towards A Double-Edged Sword: Modelling the Impact in Agile Software Development [2.477589198476322]
文献で紹介された2つの因果的モデル – アジャイルプラクティスインパクトモデルと文化インパクトモデル – を組み合わせています。
この中核的な貢献は、アジャイルの影響とImactモデルであり、アジャイル要素に影響を与える要因と、特定の特性への影響について説明する。
論文 参考訳（メタデータ） (2024-05-02T21:48:45Z) - Optimising Human-AI Collaboration by Learning Convincing Explanations [62.81395661556852]
本研究では,人間による意思決定によって安全を保ちながら協調的なシステムを構築する手法を提案する。
Ardentは、説明のための個人の好みに適応することで、効率的で効果的な意思決定を可能にする。
論文 参考訳（メタデータ） (2023-11-13T16:00:16Z) - A Comprehensive Evaluation of Tool-Assisted Generation Strategies [39.30954697422296]
ますます多くの研究が、その欠点を克服するためのツールによる言語モデルの拡張を調査している。
様々なツール利用戦略が提案されているが、体系的かつ公正な比較は行われていない。
私たちの発見は、少数ショットツールの統合が依然としてオープンな課題であることを示している。
論文 参考訳（メタデータ） (2023-10-16T04:53:22Z) - Risk-reducing design and operations toolkit: 90 strategies for managing
risk and uncertainty in decision problems [65.268245109828]
本稿では,このような戦略のカタログを開発し,それらのためのフレームワークを開発する。
高い不確実性のために難解であるように見える決定問題に対して、効率的な応答を提供する、と論じている。
次に、多目的最適化を用いた決定理論にそれらを組み込む枠組みを提案する。
論文 参考訳（メタデータ） (2023-09-06T16:14:32Z) - Evolving Strategies for Competitive Multi-Agent Search [12.699427247517031]
本稿では,競争的マルチエージェントサーチ(CMAS)として人間の創造的問題解決を最初に定式化する。
主な仮説は、進化的計算を用いてCMASの効果的な戦略を発見することである。
異なる競争環境ごとに異なる専門戦略が進化し、環境全体にわたってうまく機能する一般的な戦略も進化する。
論文 参考訳（メタデータ） (2023-06-18T21:35:41Z) - A Reinforcement Learning-assisted Genetic Programming Algorithm for Team
Formation Problem Considering Person-Job Matching [70.28786574064694]
解の質を高めるために強化学習支援遺伝的プログラミングアルゴリズム(RL-GP)を提案する。
効率的な学習を通じて得られる超ヒューリスティックなルールは、プロジェクトチームを形成する際の意思決定支援として利用することができる。
論文 参考訳（メタデータ） (2023-04-08T14:32:12Z) - Pick Your Battles: Interaction Graphs as Population-Level Objectives for
Strategic Diversity [49.68758494467258]
我々は、集団内の個人がどのように相互作用するかを慎重に構造化することで、多様なエージェントの集団を構築する方法について研究する。
我々のアプローチは,エージェント間の情報の流れを制御するインタラクショングラフに基づいている。
マルチエージェント・トレーニングにおける多様性の重要性を証明し,様々な相互作用グラフを適用したゲームにおけるトレーニング・トラジェクトリ,多様性,パフォーマンスに与える影響を解析する。
論文 参考訳（メタデータ） (2021-10-08T11:29:52Z) - Improving Human Sequential Decision-Making with Reinforcement Learning [29.334511328067777]
トレースデータから"ベストプラクティス"を抽出できる新しい機械学習アルゴリズムを設計する。
我々のアルゴリズムは、労働者の行動と最適な政策によって取られた行動のギャップを最もうまく埋めるヒントを選択する。
実験の結果,提案アルゴリズムが生成したチップは人体の性能を著しく向上させることができることがわかった。
論文 参考訳（メタデータ） (2021-08-19T02:57:58Z) - On the Effectiveness of Minisum Approval Voting in an Open Strategy
Setting: An Agent-Based Approach [68.8204255655161]
本研究は、戦略策定プロセスの幅広い参加者が組織のパフォーマンスに与える影響について研究する。
エージェントベースのシミュレーションは、大規模で多様な集団から生み出されたアイデアの数の増加と、その後の嗜好の集約が、組織のパフォーマンスランドスケープにおける高いピークの迅速な発見につながることを実証している。
論文 参考訳（メタデータ） (2020-09-07T14:50:35Z) - Design of Transformation Initiatives Implementing Organisational Agility
-- An Empirical Study [0.25782420501870296]
本研究は、ドイツ、スイス、フランス、イギリスに本社を置くあらゆる規模の企業からの125の回答を用いている。
組織のアジリティを高めるために、複数の組織次元の原則管理に関する現在の理解を調査します。
論文 参考訳（メタデータ） (2020-05-29T19:30:55Z)
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。