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
- Fuzzy Intelligent System for Student Software Project Evaluation [0.0]
本稿では,学術ソフトウェアプロジェクトの評価を目的としたファジィインテリジェントシステムを提案する。
システムは入力基準を処理し、プロジェクト成功の定量化尺度を作成する。
提案手法は,プロジェクト評価を標準化し,手動グレーディングにおける主観的バイアスを低減するのに役立つ。
論文 参考訳(メタデータ) (2024-05-01T11:12:22Z) - 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) - Humans decompose tasks by trading off utility and computational cost [10.366866096121347]
人間の振る舞いは、タスクの精巧な分解を目標、サブゴール、低レベルのアクションに計画することから生まれる。
本稿では,タスク分解の規範的枠組みを,計画全体のコスト削減のためにタスクを分解するという単純な考え方に基づいて提案し,評価する。
論文 参考訳(メタデータ) (2022-11-07T22:45:46Z) - Task Compass: Scaling Multi-task Pre-training with Task Prefix [122.49242976184617]
既存の研究では、大規模教師付きタスクによるマルチタスク学習がタスク間の負の効果に悩まされていることが示されている。
タスク間の関係を探索するために,タスクプレフィックスガイド付きマルチタスク事前学習フレームワークを提案する。
我々のモデルは、幅広いタスクの強力な基盤バックボーンとして機能するだけでなく、タスク関係を分析するための探索ツールとしても実現可能である。
論文 参考訳(メタデータ) (2022-10-12T15:02:04Z) - 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) - Study on Patterns and Effect of Task Diversity in Software Crowdsourcing [1.758684872705242]
本研究の目的は,ソフトウェアクラウドソーシングプラットフォームにおけるタスク多様性のパターンと効果を実証的に調査することである。
この実証的研究は、ソフトウェアクラウドソーシングプラットフォームのトップコーダーから1年以上の実際のデータに基づいて実施されている。
論文 参考訳(メタデータ) (2020-05-29T02:07:33Z) - Hierarchical Reinforcement Learning as a Model of Human Task
Interleaving [60.95424607008241]
我々は、強化学習によって駆動される監督制御の階層モデルを開発する。
このモデルは、タスクインターリービングの既知の経験的効果を再現する。
その結果、階層的RLがタスクインターリービングのもっともらしいモデルとして支持された。
論文 参考訳(メタデータ) (2020-01-04T17:53:28Z)
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。