Identifying Software Project Risks in the Canadian Financial Services Sector: An International Comparative Study
Notice bibliographique
Résumé
Frequent occurrence of software project failures has created two general streams of research. One theme analyzed the common causes of cost overruns, late schedules, and unmet scope. With the belief that project failures are avoidable through proactive means, another group of researchers investigated software project risks. With such intent, comparative studies were conducted in Finland, Hong Kong, and the United States. Subsequent research in Nigeria determined the impact of the socioeconomic context. To further extend the coverage of prior studies, the research in the current study focused specifically on the Canadian financial services sector. Project managers were solicited for input to discover, determine, and rank risk factors in software projects using the same research design that was used in previous comparative research studies---a three-phase Delphi survey that uses nonparametric statistical techniques. In sharp contrast to prior studies, however, this research aimed not for general applications of the results at the country level but for specific collective relevance to software projects in banks, trust companies, insurance companies, mutual fund companies, and similar organizations. The composite rankings of the studies in Hong Kong, Finland, and the United States listed lack of management commitment, inability to get user commitment, and misunderstanding of the requirements as the top three risk items in software projects. Given that only the misunderstanding of requirements made it into the top three risk items in Nigeria, it would be of value to scholars and practitioners to determine how the results would differ if the study was conducted in a specific sector in the industry. Except for one risk factor (lack of dedicated, full-time project resources), this study confirmed that the previous list of risk factors captured the top risk factors in the Canadian financial services sector.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,009 | 0,018 |
| Études des sciences et des technologies | 0,017 | 0,003 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».