MétaCan
Menu
Retour à la cohorte
Enregistrement W3112329866 · doi:10.1177/8756972820973082

Agile, Traditional, and Hybrid Approaches to Project Success: Is Hybrid a Poor Second Choice?

2020· article· en· W3112329866 sur OpenAlexaff
Andrew Gemino, Blaize Horner Reich, Pedro Serrador

Notice bibliographique

RevueProject Management Journal · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Techniques and Practices
Établissements canadiensUniversity of TorontoSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésAgile software developmentScope (computer science)StakeholderProcess managementQuality (philosophy)Management scienceProject managementQuality managementExplanatory powerEngineeringComputer scienceOperations managementSystems engineeringManagementManagement systemEconomicsSoftware engineering

Résumé

récupéré en direct d'OpenAlex

Three project management approaches—traditional, agile, and hybrid—were considered in this study. Results from an international study, including 477 cross-industry projects, indicated that 52% of projects could be categorized as hybrid approaches. A regression analysis using multiple outcome measures indicated substantial explanatory power (0.21 < R 2 <0.41). Analysis suggested that hybrid and agile approaches significantly increase stakeholder success over traditional approaches while achieving the same budget, time, scope, and quality outcomes. Hybrid approaches were found to be similar in effectiveness to fully agile approaches. Results validate decisions by practitioners to combine agile and traditional practices and suggest that hybrid is a leading project management approach.

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)0,034
score de la tête « metaresearch » (Gemma)0,096
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 enseignants0,034
Score d'incertitude au seuil0,178

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,096
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,004
Communication savante0,0060,007
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,145
Tête enseignante GPT0,277
Écart entre enseignants0,133 · 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

Citations224
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProject Management JournalMême sujetSoftware Engineering Techniques and PracticesTravaux en français237 207