論文の概要: Programmers Prefer Individually Assigned Tasks vs. Shared Responsibility

• arxiv url: http://arxiv.org/abs/2403.15021v1
• Date: Fri, 22 Mar 2024 08:10:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-25 18:18:01.692518
• Title: Programmers Prefer Individually Assigned Tasks vs. Shared Responsibility
• Title（参考訳）: プログラマは個別に割り当てられたタスクと共有責任を優先する
• Authors: Adela Krylova, Roman Makarov, Sergei Pasynkov, Yegor Bugayenko,
• Abstract要約: 現代のアジャイル、リーン、eXtremeプログラミングのプラクティスは共通の責任を主張する。 その結果,プログラマは個別にタスクを割り当てることが望ましいことがわかった。 これらの好みを理解することは、チームのダイナミクスを最適化することを目的としたプロジェクトマネージャにとって非常に重要です。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In traditional management, tasks are typically assigned to individuals, with each worker taking full responsibility for the success or failure of a task. In contrast, modern Agile, Lean, and eXtreme Programming practices advocate for shared responsibility, where an entire group is accountable for the outcome of a project or task. Despite numerous studies in other domains, the preferences of programmers have not been thoroughly analyzed. To address this gap, we conducted a survey featuring seven situational questions and collected the opinions of 120 software development practitioners. Our findings reveal that programmers prefer tasks to be assigned to them on an individual basis and appreciate taking personal responsibility for failures, as well as receiving individual rewards for successes. Understanding these preferences is crucial for project managers aiming to optimize team dynamics and ensure the successful completion of software projects.
• Abstract（参考訳）: 従来のマネジメントでは、タスクは通常個人に割り当てられ、各ワーカーはタスクの成功や失敗に対して完全な責任を負う。 対照的に、現代のアジャイル、リーン、eXtremeプログラミングのプラクティスは、グループ全体がプロジェクトやタスクの結果に責任を負う、共通の責任を主張します。 他の領域での多くの研究にもかかわらず、プログラマの好みは十分に分析されていない。 このギャップに対処するため、我々は7つの状況質問を含む調査を行い、120人のソフトウェア開発実践者の意見を収集した。 その結果、プログラマは個別にタスクを割り当てることを好み、失敗に対する個人的な責任を負うだけでなく、成功に対する個々の報酬を受け取ることに感謝していることがわかった。 これらの好みを理解することは、チームのダイナミクスを最適化し、ソフトウェアプロジェクトの成功を確実にすることを目的としたプロジェクトマネージャにとって非常に重要です。

関連論文リスト

• Understanding the Effect of Agile Practice Quality on Software Product Quality [0.0]
  優れたコーディングプラクティスと品質管理テクニックは、製品品質のすべての側面に肯定的に相関します。 すべてのソフトウェア開発活動に高いレベルのチーム計画とコミュニケーションは必要ない。
  論文  参考訳（メタデータ） (2024-12-20T10:26:54Z)
• Code Collaborate: Dissecting Team Dynamics in First-Semester Programming Students [3.0294711465150006]
  この研究は、第一期生が2Dゲームプロジェクトを開発するときに現れるコラボレーションのトレンドを強調している。 その結果、学生は自分の貢献をわずかに過大評価することが多く、より熱心な個人は間違いを認めやすいことが示唆された。 チームパフォーマンスは、国籍や性別構成に基づく大きな変化は示さないが、解散したチームは、しばしば孤独なオオカミで構成されていた。
  論文  参考訳（メタデータ） (2024-10-28T11:42:05Z)
• COHERENT: Collaboration of Heterogeneous Multi-Robot System with Large Language Models [49.24666980374751]
  COHERENTは、異種マルチロボットシステムの協調のための新しいLCMベースのタスク計画フレームワークである。 提案-実行-フィードバック-調整機構は,個々のロボットに対して動作を分解・割り当てするように設計されている。 実験の結果,我々の研究は,成功率と実行効率の面で,従来の手法をはるかに上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-09-23T15:53:41Z)
• WorkArena++: Towards Compositional Planning and Reasoning-based Common Knowledge Work Tasks [85.95607119635102]
  大型言語モデル(LLM)は人間のような知性を模倣することができる。 WorkArena++は、Webエージェントの計画、問題解決、論理的/論理的推論、検索、コンテキスト的理解能力を評価するように設計されている。
  論文  参考訳（メタデータ） (2024-07-07T07:15:49Z)
• Self-collaboration Code Generation via ChatGPT [35.88318116340547]
  大規模言語モデル(LLM)はコード生成能力に優れていますが、複雑なタスクに苦労しています。 本稿では,ChatGPT で実証した LLM を用いたコード生成のための自己協調フレームワークを提案する。 この仮想チームを効果的に組織化し、管理するために、ソフトウェア開発方法論をフレームワークに組み入れます。
  論文  参考訳（メタデータ） (2023-04-15T16:33:32Z)
• Reinforcement Learning with Success Induced Task Prioritization [68.8204255655161]
  本稿では,自動カリキュラム学習のためのフレームワークであるSuccess induced Task Prioritization (SITP)を紹介する。 アルゴリズムはエージェントに最速の学習を提供するタスクの順序を選択する。 我々は,SITPが他のカリキュラム設計手法と一致するか,あるいは上回っていることを実証する。
  論文  参考訳（メタデータ） (2022-12-30T12:32:43Z)
• Planning-oriented Autonomous Driving [60.93767791255728]
  我々は、最終目標、すなわち自動運転車の計画を追求するために、好ましいフレームワークを考案し、最適化すべきであると主張している。 フルスタック運転タスクをひとつのネットワークに組み込んだ総合的なフレームワークであるUnified Autonomous Driving (UniAD)を紹介した。
  論文  参考訳（メタデータ） (2022-12-20T10:47:53Z)
• Autonomous Open-Ended Learning of Tasks with Non-Stationary Interdependencies [64.0476282000118]
  固有のモチベーションは、目標間のトレーニング時間を適切に割り当てるタスクに依存しないシグナルを生成することが証明されている。 内在的に動機付けられたオープンエンドラーニングの分野におけるほとんどの研究は、目標が互いに独立しているシナリオに焦点を当てているが、相互依存タスクの自律的な獲得を研究するのはごくわずかである。 特に,タスク間の関係に関する情報をアーキテクチャのより高レベルなレベルで組み込むことの重要性を示す。 そして、自律的に取得したシーケンスを格納する新しい学習層を追加することで、前者を拡張する新しいシステムであるH-GRAILを紹介する。
  論文  参考訳（メタデータ） (2022-05-16T10:43:01Z)
• An Evolutionary Algorithm for Task Scheduling in Crowdsourced Software Development [10.373891804761376]
  本稿では,クラウドソーシングソフトウェア開発のための進化的アルゴリズムに基づくタスクスケジューリング手法を提案する。 4つのプロジェクトの実験結果から,提案手法はプロジェクト期間を33～78%短縮できる可能性が示された。
  論文  参考訳（メタデータ） (2021-07-05T18:07:26Z)
• Towards Robust One-shot Task Execution using Knowledge Graph Embeddings [19.57941107338933]
  タスクプランの複数のデモを必要とすることは、ロボットのエンドユーザに負担をもたらす。 ロボットがタスク計画の1つのデモンストレーションまたはプロトタイプの例を新しい実行環境に一般化しなければならないワンショットタスク実行の問題に対処する。 提案手法はタスク計画とドメイン知識を統合し、タスク計画の構成要素を新しい実行環境に推論する。
  論文  参考訳（メタデータ） (2021-05-10T16:21:53Z)
• Adaptive Procedural Task Generation for Hard-Exploration Problems [78.20918366839399]
  ハード探索問題における強化学習を容易にするために,適応手続きタスク生成(APT-Gen)を導入する。 私たちのアプローチの中心は、ブラックボックスの手続き生成モジュールを通じてパラメータ化されたタスク空間からタスクを作成することを学習するタスクジェネレータです。 学習進捗の直接指標がない場合のカリキュラム学習を可能にするために,生成したタスクにおけるエージェントのパフォーマンスと,対象タスクとの類似性をバランスさせてタスクジェネレータを訓練することを提案する。
  論文  参考訳（メタデータ） (2020-07-01T09:38:51Z)

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。