論文の概要: Challenges in Understanding the Relationship between Teamwork Quality
and Project Success in Large-Scale Agile Projects
- arxiv url: http://arxiv.org/abs/2401.17725v1
- Date: Wed, 31 Jan 2024 10:37:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-01 15:03:36.171599
- Title: Challenges in Understanding the Relationship between Teamwork Quality
and Project Success in Large-Scale Agile Projects
- Title(参考訳): 大規模アジャイルプロジェクトにおけるチームワークの品質とプロジェクトの成功の関係を理解するための課題
- Authors: Torgeir Dings{\o}yr, Phillip Schneider, Gunnar Rye Bergersen, Yngve
Lindsj{\o}rn
- Abstract要約: チームワークの品質とプロジェクトの成功との関係を,34チームにわたる196人のプロジェクト参加者を対象に調査した。
チームワークの品質がプロジェクトの成功に与える影響は、プロジェクトによって異なる。
チーム内の要因に加えて、チーム間のインタラクションの質や頻度について、より多くの研究を行うことで締めくくります。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A number of methods for large-scale agile development have recently been
suggested. Much of the advice in agile methods focuses on teamwork. Prior
research has established that teamwork quality influences project success both
for traditional software development teams and agile teams. Further, prior
studies have also suggested that teamwork quality may play out differently in
large projects compared to small. We investigated the relationship between
teamwork quality and project success with a survey of 196 project participants
across 34 teams in four projects, replicating a previous study on single teams.
The new data do not fit the previously established theoretical model, which
raises several concerns. The observed effect of teamwork quality on project
success operates differently across projects. We discuss possible reasons,
which include disagreements on what characterises success in large-scale agile
development, "concept drift" of teamwork quality factors, the possibility that
interteam factors might have more influence on project success than intrateam
factors, and finally, that our study design does not capture all relevant
levels and functions. We conclude with a call for more studies on the quality
and frequency of interaction between teams in addition to internal team factors
to further advance theory and practice within large-scale agile software
development.
- Abstract(参考訳): 最近、大規模なアジャイル開発のためのいくつかの方法が提案されている。
アジャイルメソッドのアドバイスの多くは、チームワークに重点を置いています。
以前の研究では、従来のソフトウェア開発チームとアジャイルチームの両方において、チームワークの品質がプロジェクトの成功に影響を与えている。
さらに、以前の研究では、大規模なプロジェクトではチームワークの品質が小さなプロジェクトと異なる可能性があると示唆されている。
チームワークの品質とプロジェクトの成功との関係を、4つのプロジェクトで34チーム196人のプロジェクト参加者を対象に調査し、単一チームに関するこれまでの調査を再現した。
新しいデータは以前に確立された理論モデルに合わないため、いくつかの懸念が生じる。
チームワークの品質がプロジェクトの成功に与える影響は、プロジェクトによって異なる。
大規模アジャイル開発の成功を特徴付けるもの、チームワークの品質要因の“コンセプトドリフト”、チーム間の要因がチーム内要因よりもプロジェクトの成功に影響を及ぼす可能性があること、そして最後に、我々の研究設計が関連するすべてのレベルや機能を捉えていないことなど、考えられる理由について議論する。
大規模アジャイルソフトウェア開発における理論と実践をさらに前進させるための社内チームファクタに加えて、チーム間のインタラクションの質と頻度に関するさらなる研究を呼びかけて締めくくります。
関連論文リスト
- A Survey of Neural Code Intelligence: Paradigms, Advances and Beyond [84.95530356322621]
この調査は、コードインテリジェンスの発展に関する体系的なレビューを示す。
50以上の代表モデルとその変種、20以上のタスクのカテゴリ、および680以上の関連する広範な研究をカバーしている。
発達軌道の考察に基づいて、コードインテリジェンスとより広範なマシンインテリジェンスとの間の新たな相乗効果について検討する。
論文 参考訳(メタデータ) (2024-03-21T08:54:56Z) - DevEval: Evaluating Code Generation in Practical Software Projects [52.16841274646796]
我々はDevEvalという名の新しいベンチマークを提案し、実践プロジェクトにおける開発者の経験と一致している。
DevEvalは、119の実用的なプロジェクトから2,690のサンプルを含む厳格なパイプラインを通じて収集される。
DevEvalの5つの人気のあるLCMを評価し、コード生成における実際の能力を明らかにする。
論文 参考訳(メタデータ) (2024-01-12T06:51:30Z) - A Survey of Confidence Estimation and Calibration in Large Language Models [86.692994151323]
大規模言語モデル(LLM)は、様々な領域において幅広いタスクにまたがる顕著な機能を示している。
印象的なパフォーマンスにもかかわらず、彼らは世代内の事実上の誤りのために信頼できない。
信頼度を評価し、異なるタスクで調整することで、リスクを軽減し、LLMがより良い世代を創出できるようになります。
論文 参考訳(メタデータ) (2023-11-14T16:43:29Z) - Building Cooperative Embodied Agents Modularly with Large Language
Models [104.57849816689559]
本研究では, 分散制御, 生の知覚観察, コストのかかるコミュニケーション, 様々な実施環境下でインスタンス化された多目的タスクといった課題に対処する。
我々は,LLMの常識知識,推論能力,言語理解,テキスト生成能力を活用し,認知に触発されたモジュラーフレームワークにシームレスに組み込む。
C-WAH と TDW-MAT を用いた実験により, GPT-4 で駆動される CoELA が, 強い計画に基づく手法を超越し, 創発的な効果的なコミュニケーションを示すことを示した。
論文 参考訳(メタデータ) (2023-07-05T17:59:27Z) - Towards a Better Understanding of Learning with Multiagent Teams [4.746424588605832]
いくつかのチーム構造は、エージェントが特定の役割を専門化することを学ぶのに役立つことを示しています。
大規模なチームは、コーディネーションを減らすためのクレジット割り当ての課題を作成します。
論文 参考訳(メタデータ) (2023-06-28T13:37:48Z) - Breaks and Code Quality: Investigating the Impact of Forgetting on
Software Development. A Registered Report [15.438443553618896]
開発者がそのことを明確に理解し、長時間中断しても効率的に効果的に機能できることは、非常に重要です。
本報告では,開発者の活動が持続時間とコード品質の異なる特性に与える影響を調査するための実証的研究を提案する。
論文 参考訳(メタデータ) (2023-05-01T10:33:17Z) - Detecting and Optimising Team Interactions in Software Development [58.720142291102135]
本稿では,ソフトウェア開発チームの機能的相互作用構造を検出するためのデータ駆動型手法を提案する。
このアプローチでは、チームメンバのアクティビティレベルの違いを考慮し、ブロック制約設定モデルを使用します。
我々のアプローチは、チームが合成されたベンチマークシナリオと機能的な相互作用構造を比較するのにどのように役立つかを示します。
論文 参考訳(メタデータ) (2023-02-28T14:53:29Z) - Using Hashtags to Analyze Purpose and Technology Application of
Open-Source Project Related to COVID-19 [5.89408513477919]
本研究では,異なる機能を持つプロジェクトの動向と,機能と技術の関係について検討する。
調査の結果は、GitHubコミュニティのさまざまな機能を持つプロジェクトの数に不均衡があることを示している。
開発者の自発的な行動は組織を欠き、ニーズを標的にすることを難しくするかもしれません。
論文 参考訳(メタデータ) (2022-07-03T02:37:31Z) - Assessing Project-Level Fine-Tuning of ML4SE Models [3.699097874146491]
特定のプロジェクトをターゲットにすれば、モデルの品質をどのように改善できるかを検討する。
複雑さの異なる3つのモデルを評価し、その品質を3つの設定で比較する。
プロジェクトごとの微調整は、プロジェクトのドメインと命名規則をキャプチャすることで、モデルの品質を大幅に向上させることができます。
論文 参考訳(メタデータ) (2022-06-07T14:19:33Z) - FERN: Fair Team Formation for Mutually Beneficial Collaborative Learning [9.484474204788349]
この研究は、相互に有益なピアラーニングを促進する公正なチーム形成アプローチであるFERNを導入している。
この問題をNPhardの離散最適化問題として示し,ヒルクライミングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-11-23T18:38:01Z) - On Emergent Communication in Competitive Multi-Agent Teams [116.95067289206919]
外部のエージェントチームによるパフォーマンスの競争が社会的影響として作用するかどうかを検討する。
以上の結果から,外部競争の影響により精度と一般化が向上し,コミュニケーション言語が急速に出現することが示唆された。
論文 参考訳(メタデータ) (2020-03-04T01:14:27Z)
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。