MétaCan
Menu
Retour à la cohorte
Enregistrement W4321249733 · doi:10.3390/jrfm16020129

The AGP Model for Risk Management in Agile I.T. Projects

2023· article· en· W4321249733 sur OpenAlexvenueno aff
Sanjeet Singh, Geetika Madaan, Amrinder Singh, Kiran Sood, Simon Grima, Ramona Rupeika-Apoga

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Techniques and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgile software developmentRisk managementProcess managementProject managementCronbach's alphaRisk analysis (engineering)Exploratory factor analysisBusinessProject risk managementKnowledge managementStructural equation modelingEngineeringComputer scienceProgram managementSystems engineeringMarketing

Résumé

récupéré en direct d'OpenAlex

The vast majority of articles on risk in agile-managed projects fail to adequately address the interplay between the agile methodology, the risk management process, and the elements that ultimately determine the success or failure of the project. Too frequently, processes and models are given undue priority over the human element. The aim of this article is to create a risk management model for agile I.T. projects (AGP model). The study sample consists of 1868 valid survey responses from European and Asian countries received between February 2022 and January 2023. We subjected the data to Exploratory Factor Analysis (EFA) and Cronbach’s alpha to identify four key factors for dealing with risks in I.T. projects and create the AGP model. The proposed AGP model outlines up to 76% variability in the potential risks that could arise during an I.T. project’s deployment. The findings of this study are critical for project managers, I.T. professionals, developers, and system architects involved in I.T. projects. Other stakeholders may be interested in understanding the risks associated with the project and developing strategies to mitigate these risks.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil0,244

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,256
Écart entre enseignants0,240 · 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 tête enseignante, pas un consensus.

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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetSoftware Engineering Techniques and PracticesTravaux en français237 207