MétaCan
Menu
Retour à la cohorte
Enregistrement W2557443476 · doi:10.1002/j.1681-4835.2016.tb00567.x

Software Process Improvement Adoption and Benefits in Canadian and English‐Speaking Caribbean Software Development Firms

2016· article· en· W2557443476 sur OpenAlexaffabout
Delroy A. Chevers, Gerald Grant

Notice bibliographique

RevueThe Electronic Journal of Information Systems in Developing Countries · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOutsourcing and Supply Chain Management
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésBusinessSoftwareProcess (computing)Software developmentProduct (mathematics)Quality (philosophy)Developing countrySoftware development processMarketingProcess managementIndustrial organizationComputer scienceEconomic growthEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract The free‐trade agreements between developed and developing countries have created more opportunities for firms to sell high quality software products in the global market. Unfortunately, for decades the information systems (IS) community has been plagued with the delivery of low quality software products. It is widely accepted that software development firms need to adopt software process improvement (SPI) initiatives in an effort to produce these high quality software products. This outcome can increase the competiveness of such firms, which by extension can increase the likelihood of winning global contracts. However, the uptake of these SPI initiatives in developing countries is low vis‐à‐vis developed countries. In addition, most studies on SPI are conducted in developed countries, with many being case studies, and a few exploring its application in a developed versus developing environment. This study seeks to compare the awareness, adoption and benefits of SPI programs in Canadian and English‐speaking Caribbean (ESC) software development firms. It was found that the awareness and adoption of SPI are higher in Canadian firms in comparison to the ESC, while the main benefit of SPI adoption in both environments was improved software product quality.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,181

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0030,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,007
Tête enseignante GPT0,193
Écart entre enseignants0,187 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations2
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Electronic Journal of Information Systems in Developing CountriesMême sujetOutsourcing and Supply Chain ManagementTravaux en français237 207