論文の概要: An Exploratory Pilot Survey on Technical Quality Control Practices in Agile R&D Projects
- arxiv url: http://arxiv.org/abs/2601.06689v1
- Date: Sat, 10 Jan 2026 21:24:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-13 19:08:00.93936
- Title: An Exploratory Pilot Survey on Technical Quality Control Practices in Agile R&D Projects
- Title（参考訳）: アジャイルR&Dプロジェクトにおける技術品質管理の実践に関する探索的パイロット調査
- Authors: Mateus Costa Lucena,
- Abstract要約: ブラジルのマナウスにあるScience and Technology Institutions(STIs)の専門家を対象に,構造化されたアンケートを行った。
結果は、自動テスト、コードレビュー、継続的インテグレーションといったプラクティスが広く認識されていることを示している。
また、技術的品質指標の監視や、ビジネスの観点から技術的負債を評価するメカニズムの報告にもギャップが観測された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Managing technical quality in agile Research and Development (R&D) software projects represents a persistent challenge, particularly in contexts characterized by high technical uncertainty and experimental pressure. This exploratory pilot survey explores how agile R&D software teams report the use of practices and metrics related to technical quality control within Scrum-based environments. The study employed a structured questionnaire administered to professionals from Science and Technology Institutions (STIs) located in Manaus, Brazil, aiming to capture reported practices, perceptions of quality, and recurrent challenges. Quantitative data were complemented by qualitative responses to support contextual interpretation. The results indicate that although practices such as automated testing, code review, and continuous integration are widely acknowledged, their reported application is often inconsistent across iterations. Gaps were also observed in the monitoring of technical quality metrics and in the reporting of mechanisms for assessing technical debt from a business perspective. Rather than aiming for generalization, this study offers an exploratory baseline that describes how technical quality is managed in agile R&D projects within a regional innovation ecosystem.
- Abstract（参考訳）: アジャイル研究開発(R&D)ソフトウェアプロジェクトにおける技術的品質の管理は、特に高い技術的不確実性と実験的プレッシャーを特徴とするコンテキストにおいて、永続的な課題である。
この探索的なパイロット調査では、アジャイルR&Dソフトウェアチームが、スクラムベースの環境における技術的品質管理に関連するプラクティスとメトリクスの使用を報告している。
この調査では、ブラジルのマナウスにあるScience and Technology Institutions(STIs)の専門家を対象に、報告されたプラクティス、品質の認識、反復的な課題を把握すべく、構造化されたアンケートを実施。
定量的データは、文脈解釈をサポートする定性的な応答によって補完された。
その結果、自動テストやコードレビュー、継続的インテグレーションといったプラクティスは広く認識されているものの、報告されたアプリケーションはイテレーション間で一貫性がないことがしばしば示されている。
また、技術的品質指標の監視や、ビジネスの観点から技術的負債を評価するメカニズムの報告にもギャップが観測された。
本研究は,一般化を目指すのではなく,地域イノベーションエコシステム内のアジャイルR&Dプロジェクトにおいて,技術的品質がどのように管理されているかを説明する,探索的ベースラインを提供する。
関連論文リスト
- The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。
我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
論文 参考訳（メタデータ） (2025-06-09T18:37:14Z) - AI-powered Contextual 3D Environment Generation: A Systematic Review [49.1574468325115]
本研究では,既存の3次元シーン生成のための生成AI技術について,体系的なレビューを行う。
最先端のアプローチを検討することで、シーンの真正性やテキスト入力の影響など、重要な課題が提示される。
論文 参考訳（メタデータ） (2025-06-05T15:56:28Z) - Addressing Quality Challenges in Deep Learning: The Role of MLOps and Domain Knowledge [5.190998244098203]
ディープラーニング(DL)システムは、特に正確性やリソース効率といった品質特性に関して、ソフトウェア工学においてユニークな課題を提示します。
本稿では,透過的で再現可能な実験環境を構築する上で,MLOpsの実践が果たす役割について述べる。
本稿では,DLモデルの設計にドメイン知識を組み込むことによる品質問題に対処する経験について報告する。
論文 参考訳（メタデータ） (2025-01-14T19:37:08Z) - 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) - How to Measure Performance in Agile Software Development? A Mixed-Method Study [2.477589198476322]
この研究は、アジャイルソフトウェア開発のパフォーマンス指標を実際に使用するときに生じる課題を特定することを目的としている。
結果として、広く使用されているパフォーマンスメトリクスが実際に広く使用されている一方で、アジャイルソフトウェア開発チームは透明性と標準化の欠如と不十分な正確性のために、課題に直面しています。
論文 参考訳（メタデータ） (2024-07-08T19:53:01Z) - Natural Language Processing for Requirements Traceability [47.93107382627423]
トレーサビリティは、特に安全クリティカルなシステムにおいて、要件とソフトウェアエンジニアリングにおいて重要な役割を果たす。
自然言語処理(NLP)とその関連技術は、過去10年間に大きく進歩してきた。
論文 参考訳（メタデータ） (2024-05-17T15:17:00Z) - Intelligent Condition Monitoring of Industrial Plants: An Overview of Methodologies and Uncertainty Management Strategies [4.270144986042909]
現代の産業システムの安全性、信頼性、効率を確保するためには、条件監視が不可欠である。
産業プロセスの複雑さが増すにつれ、人工知能(AI)は断層検出と診断の強力なツールとして登場してきた。
State-of-the-art Machine Learning (ML)とDeep Learning (DL)アルゴリズムをレビューし、その強み、限界、産業的故障の検出と診断への適用性を強調した。
論文 参考訳（メタデータ） (2024-01-03T21:35:03Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z)
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。