MétaCan
Menu
Retour à la cohorte
Enregistrement W3186239545 · doi:10.17762/de.vi.2847

Factors Influencing the Software Development Process in Small Scale Industries

2021· article· en· W3186239545 sur OpenAlexvenueno aff
Dipti Kumari Irfan Ahmad Khan

Notice bibliographique

RevueDesign Engineering · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Techniques and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Quality (philosophy)Scale (ratio)Software developmentSoftware development processSoftwareSystems development life cycleComputer scienceProcess managementEngineeringRisk analysis (engineering)Business

Résumé

récupéré en direct d'OpenAlex

Software development is a complex process which is divided into many phases. According to the software type and industries the development process is restructured. During the entire development what are the main factors which is influencing the process and affecting the quality. The main objective of this study is to focus on factors influencing the development process and how it affects the small scale industries after coming in to the real practice. Entire Software development is a layered process in which different factors are responsible to get the best products. This paper is focused on different technical and non-technical influencing factors which give major impact on the software quality. With influencing factors, their applicability in small scale industries also studied. Three important technical factors i.e. SDLC model and its principles, Cost estimation and Risk parameter whereas two important influencing factors in non-technical.i.e. success factors and environmental factors. Non-technical factors more influencing than technical factors. All technical and non-technical factors have their own role but to apply all these quality parameters in small scale industries we need to make them more easy for their applicability. If quality development process and its parameters are tuned to easy and affordable level more businessmen will shift from manual working environment to the digital working environment.

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)0,003
score de la tête « metaresearch » (Gemma)0,022
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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,051
Tête enseignante GPT0,241
Écart entre enseignants0,190 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDesign EngineeringMême sujetSoftware Engineering Techniques and PracticesTravaux en français237 207