MétaCan
Menu
Retour à la cohorte
Enregistrement W2887452746 · doi:10.1002/j.2334-5837.2018.00507.x

Creating Decision Guidance for Applying Agile System Engineering

2018· article· en· W2887452746 sur OpenAlexaff
Ron Lyells, Rock Angier, Bob Epps

Notice bibliographique

RevueINCOSE International Symposium · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueTechnology Assessment and Management
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésAgile software developmentScrumAgile usability engineeringAgile Unified ProcessProcess managementNew product developmentKnowledge managementComputer scienceProduct (mathematics)Work (physics)Management scienceEngineering managementEngineeringBusinessSoftware engineeringSoftware developmentSoftware development processSoftwareMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract Systems teams, development projects, and organizations, who are involved in product development, are often faced with the question as to whether they should adapt agile systems practices into their programs and processes. In trying to answer this question these groups are almost immediately confronted with the problem of determining what is motivating the decision, where should agile principles be applied, and how much agility is necessary. There are several interrelated systems involved in this inquiry and the development of a proper understanding around these considerations is not a trivial exercise. A method of inquiry and decision making that is in itself agile and that can produce actionable results needs to guide the development of this understanding. The purpose of this paper is to present work accomplished to date on the definition, prototyping, and evaluation of a decision guidance system to help a development team or organization achieve a necessary understanding that can lead to useful actionable decisions regarding agile adoption.

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)0,025
score de la tête « metaresearch » (Gemma)0,067
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,133

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,067
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,001
Études des sciences et des technologies0,0020,002
Communication savante0,0070,006
Science ouverte0,0020,005
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,006
Tête enseignante GPT0,240
Écart entre enseignants0,234 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueINCOSE International SymposiumMême sujetTechnology Assessment and ManagementTravaux en français237 207