MétaCan
Menu
Retour à la cohorte
Enregistrement W2146092366 · doi:10.5539/mas.v5n1p12

Enhancing Agile Methods for Multi-cultural Software Project Teams

2011· article· en· W2146092366 sur OpenAlexvenueno aff
Anuradha Sutharshan, Paul Stanislaw Maj

Notice bibliographique

RevueModern Applied Science · 2011
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Techniques and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgile software developmentLean software developmentKnowledge managementComputer scienceAgile usability engineeringAgile Unified ProcessSoftware developmentHofstede's cultural dimensions theorySoftware project managementExtreme programming practicesSoftwareProcess managementEngineering managementSoftware development processSoftware engineeringEngineeringSoftware constructionSociology

Résumé

récupéré en direct d'OpenAlex

It is well documented that software projects are typically over schedule, over budget and often do not meet user requirements. The main problems are all associated with people related issues. In order to address this problem the Agile philosophy was introduced with an associated portfolio of Agile methods. These methods are specifically designed to improve software project team management. However it is now increasingly common for software projects to have multicultural team members. It is well documented that people from different cultures have considerably different expectations and methods of interacting in a team environment. In order to address this problem cultural specific Agile attributes were defined based on Hofstede’s cultural dimensions. The result of this study gives an insight to how cultural differences may affect a software methodology implementation, specifically Agile and how these problems can be addressed. Hence it is possible to select appropriate ‘culture and Agile specific attributes’ when working with multicultural software project team to help software development projects with agile methods.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,564
Score d'incertitude au seuil0,636

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,098
Tête enseignante GPT0,381
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetSoftware Engineering Techniques and PracticesTravaux en français237 207