Assessment of Software Project Proposal using Analytical Hierarchy Process: A Framework
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Introduction: Application software helps organizations to perform effectively and efficiently in the competitive environment and hence provide value-added services to customers. High significance of application software stimulates organizations to carrying out thorough evaluation of software project proposals that vendors submit with the view of selecting best proposal with optimal performance when implemented. This process entails a number of assessment criteria, multiple conflicting goals, and increasingly turbulent environment. Therefore the need arises for the use of Analytical Hierarchy Process (AHP) for assessment. Aim: This research focused on development of AHP based model for software project proposal assessment and select proposal that guarantees optimal performance when implemented. Materials and Methods: AHP process was divided into 3 phases: Decomposition phase for identification of decision alternatives and evaluation criteria; Measurement of Preference phase for identifying relative importance of criteria using pairwise comparison matrix; and Synthesis phase to establish percentage of relative priorities for ranking proposals and select the best. Results: 64 variables were established and were hierarchically arranged into 4 levels based on degree of preference. It was evident from the priority graph that functionality (35.26%), quality (22.00%) and usability (19.34%) had the higher priority weights, while cost (2.47%) and vendor services (6.26%) had the least. Conclusion: AHP based software project proposal evaluation framework was presented whereby functionality, quality and usability have more consideration than cost elements in the assessment of software projects. Future work attempts to include organizations size, type of business, and experience criteria in the AHP model and implement the framework.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle