論文の概要: Towards Measuring the Impact of Technical Debt on Lead Time: An Industrial Case Study
- arxiv url: http://arxiv.org/abs/2406.01578v1
- Date: Mon, 3 Jun 2024 17:55:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-05 21:41:25.390642
- Title: Towards Measuring the Impact of Technical Debt on Lead Time: An Industrial Case Study
- Title（参考訳）: 技術的負債がリードタイムに与える影響を測る--産業ケーススタディ
- Authors: Bhuwan Paudel, Javier Gonzalez-Huerta, Ehsan Zabardast, Eriks Klotins,
- Abstract要約: 技術的負債はソフトウェアシステムが進化するにつれて増加する傾向にある。
私たちの目標は、技術的負債によってリードタイムのばらつきが説明できる範囲を測定することです。
- 参考スコア（独自算出の注目度）: 3.545493703929225
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background: Software companies must balance fast value delivery with quality, a trade-off that can introduce technical debt and potentially waste developers' time. As software systems evolve, technical debt tends to increase. However, estimating its impact on lead time still requires more empirical and experimental evidence. Objective: We conduct an empirical study investigating whether technical debt impacts lead time in resolving Jira issues. Furthermore, our aim is to measure the extent to which variance in lead time is explainable by the technical debt. Method: We conducted an industrial case study to examine the relationship in six components, each of which was analyzed individually. Technical debt was measured using SonarQube and normalized with the component's size, while lead time to resolve Jira issues was collected directly from Jira. Results: We found a set of mixed results. Technical debt had a moderate positive impact on lead time in two components, while we did not see a meaningful impact on two others. A moderate negative impact was found in the remaining two components. Conclusion: The findings show that technical debt alone can not explain all the variance in lead time, which ranges from 5% up to 41% across components. So, there should be some other variables (e.g., size of the changes made, complexity, number of teams involved, component ownership) impacting lead time, or it might have a residual effect that might manifest later on. Further investigation into those confounding variables is essential.
- Abstract（参考訳）: 背景: ソフトウェア企業は、技術的負債を導入し、潜在的に開発者の時間を浪費できるトレードオフとして、迅速な価値提供と品質のバランスをとる必要があります。
ソフトウェアシステムが進化するにつれて、技術的負債は増加する傾向にある。
しかし、リードタイムへの影響を見積もるには、より経験的かつ実験的な証拠が必要である。
目的: 技術的負債がJira問題の解決にリードタイムに影響を及ぼすかどうかを実証研究する。
さらに、技術的負債によってリードタイムの変動が説明できる範囲を測定することを目的としています。
方法: 産業ケーススタディを行い, それぞれが個別に分析した6成分の関係について検討した。
技術的負債はSonarQubeを用いて測定され、コンポーネントのサイズで正規化され、Jiraの問題を解決するリードタイムはJiraから直接収集された。
結果: さまざまな結果が得られた。
技術的負債は2つのコンポーネントのリードタイムに適度な影響を与えましたが、他の2つのコンポーネントには意味のある影響は見られませんでした。
残りの2成分に中程度の負の影響が認められた。
結論: 技術的負債だけでは、リードタイムにおけるすべてのばらつきを説明できない。
ですから,他の変数(例えば,変更のサイズ,複雑性,関与するチームの数,コンポーネントのオーナシップなど)がリードタイムに影響を与えているか,あるいは後になって現れる可能性のある残留的な影響があるかも知れません。
これらの相反する変数のさらなる研究が不可欠である。
関連論文リスト
- Exploring Knowledge Boundaries in Large Language Models for Retrieval Judgment [56.87031484108484]
大規模言語モデル(LLM)は、その実践的応用でますます認識されている。
Retrieval-Augmented Generation (RAG)はこの課題に取り組み、LLMに大きな影響を与えている。
中立あるいは有害な結果をもたらす検索要求を最小化することにより、時間と計算コストの両方を効果的に削減できる。
論文 参考訳（メタデータ） (2024-11-09T15:12:28Z) - Living in the Moment: Can Large Language Models Grasp Co-Temporal Reasoning? [70.19200858203388]
時間的推論は、世界を理解するための大きな言語モデルの基本である。
CoTempQAは4つの時間的シナリオを含むベンチマークである。
実験の結果,LLMの性能と人間レベルの推論との間に大きなギャップがあることが判明した。
論文 参考訳（メタデータ） (2024-06-13T12:56:21Z) - Ignoring Time Dependence in Software Engineering Data. A Mistake [4.49517541590633]
本研究は,データ分析における時間依存の無視による影響を明らかにすることを目的としている。
我々は、データ中の時間的側面を無視して発生する潜在的な問題を指摘し、理論と実例の両方で議論を支援した。
論文 参考訳（メタデータ） (2023-11-06T14:05:07Z) - Exploration of technical debt in start-ups [5.664445343364966]
技術的負債の側面と,スタートアップにおける工学的コンテキストを特徴付ける文脈情報を特定するために,ケースサーベイ手法を適用した。
スタートアップはテストを自動化する試みにもかかわらず、テストのディメンションにほとんどの技術的負債を蓄積していることがわかった。
スタートアップチームのサイズと経験が技術的負債を蓄積する主要な前例であることに気付きました。
論文 参考訳（メタデータ） (2023-09-21T19:02:02Z) - Improved Churn Causal Analysis Through Restrained High-Dimensional
Feature Space Effects in Financial Institutions [9.84528076130809]
顧客チャーン(Customer Churn)は、ビジネスとの関係を終了するか、特定の期間における顧客エンゲージメントを減少させる。
顧客の獲得コストは、顧客の保持の5倍から6倍になり得るので、リスクの厳しい顧客への投資は賢明です。
本研究では、独立変数と相関し、チャーンに影響を及ぼす従属変数と因果関係にある相反する特徴を発見するための概念的枠組みを提案する。
論文 参考訳（メタデータ） (2023-04-23T00:45:35Z) - Style Miner: Find Significant and Stable Explanatory Factors in Time
Series with Constrained Reinforcement Learning [15.928473233858927]
高次元時系列解析では、観測変数の変化を説明する重要な要素のセットを持つことが不可欠である。
本稿では,スタイルファクタを生成する強化学習手法であるStyle Minerを提案する。
実世界の金融データセットの実験は、Style Minerが既存の学習ベースの手法より優れていることを示している。
論文 参考訳（メタデータ） (2023-03-21T10:08:42Z) - DOMINO: Visual Causal Reasoning with Time-Dependent Phenomena [59.291745595756346]
本研究では,時間遅延のウィンドウに関連する因果関係の発見に人間が参加できる視覚分析手法を提案する。
具体的には、論理に基づく因果関係の確立した手法を活用し、分析者が潜在的な原因の重要性を検証できるようにする。
効果は他の効果の原因となりうるので,本手法で検出した時間的要因と効果の関係を視覚フロー図にまとめることができる。
論文 参考訳（メタデータ） (2023-03-12T03:40:21Z) - Causal Deep Learning [77.49632479298745]
因果性は、現実世界の問題を解決する方法を変える可能性がある。
しかし因果関係は、実際にテストできない重要な仮定を必要とすることが多い。
我々は、因果性に関する新しい考え方を提案します。
論文 参考訳（メタデータ） (2023-03-03T19:19:18Z) - Estimating long-term causal effects from short-term experiments and
long-term observational data with unobserved confounding [5.854757988966379]
実験データと観測データの両方が利用可能である場合の長期治療効果の同定と推定について検討した。
我々の長期因果効果推定器は、回帰残差と短期実験結果を組み合わせることで得られる。
論文 参考訳（メタデータ） (2023-02-21T12:22:47Z) - What's the Harm? Sharp Bounds on the Fraction Negatively Affected by
Treatment [58.442274475425144]
我々は,これらの関数がどの程度の速さで学習されたかに関わらず,効率の良い頑健な推論アルゴリズムを開発した。
シミュレーション研究および失業者のキャリアカウンセリングのケーススタディにおいて,本手法を実証する。
論文 参考訳（メタデータ） (2022-05-20T17:36:33Z) - Direct Advantage Estimation [63.52264764099532]
予測されるリターンは、学習を遅くする可能性のある望ましくない方法でポリシーに依存する可能性があることを示します。
本稿では,優位関数をモデル化し,データから直接推定する手法として,DAE(Direct Advantage Estimation)を提案する。
望むなら、値関数をDAEにシームレスに統合して、時間差学習と同様の方法で更新することもできる。
論文 参考訳（メタデータ） (2021-09-13T16:09:31Z)
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。