MétaCan
Menu
Retour à la cohorte
Enregistrement W2295764489 · doi:10.11575/prism/30639

An Evaluation of Low Fidelity Prototyping Techniques in Agile Release Planning for Collocated Teams

2008· article· en· W2295764489 sur OpenAlexaff
Saul Greenberg, Yaser Ghanam, Xin Wang

Notice bibliographique

RevueOpen MIND · 2008
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Techniques and Practices
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAgile software developmentWhiteboardComputer scienceScrumProcess (computing)Process managementUser storyRapid prototypingOnboardingFidelityReadabilityTechnicianKanbanSoftware engineeringEngineeringEngineering managementMultimediaSoftwareSoftware developmentArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In an Agile environment where the requirement elicitation is a continuous process, low-fidelity prototypes are increasingly important. Collocated Agile teams often use the traditional whiteboard to draw these prototypes and discuss it with the customer in the release planning meeting preceding each iteration. For the same purpose, SMART Boards are also being utilized by some Agile teams. A study to compares prototyping using both tools was conducted in an academic setting showing an equal preference for both tools with the whiteboard being perceived better in terms of readability and the SMART Board being deemed a better means of sharing. With tools having different pros and cons, it was suggested that both tools can be utilized in release planning meetings to do different kinds of tasks or to accommodate different room settings.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil0,299

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,092
Tête enseignante GPT0,390
Écart entre enseignants0,298 · 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'étudeAutre devis
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetSoftware Engineering Techniques and PracticesTravaux en français237 207