MétaCan
Menu
Retour à la cohorte
Enregistrement W4390422940 · doi:10.20508/ijrer.v13i4.14270.g8842

Innovative Cost Estimation for Agile Technology: A Novel Energy Storage Technique Incorporating Modified Planning Poker

2023· article· en· W4390422940 sur OpenAlexaff

Notice bibliographique

RevueInternational Journal of Renewable Energy Research · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Research
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésAgile software developmentComputer scienceContext (archaeology)SoftwareEstimationWorkloadSequence (biology)Fibonacci numberCost estimateScrumIndustrial engineeringSoftware developmentSoftware engineeringSystems engineeringData scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Effort estimation is a critical aspect of every software creation project, irrespective of its development discipline, is it traditional or agile. Despite the initial limited project knowledge, accurate estimation of workload and effort holds immense significance for project success. This study addresses the challenges surrounding precise effort estimation and introduces the poker planning method utilizing a modified Fibonacci sequence as a potential solution. The aim of this paper is to examine the behavior and effectiveness of the modified Fibonacci sequence in the context of cost estimation within the agile methodology. By leveraging historical data, expert opinions, and an iterative approach, the proposed technique is evaluated and compared against traditional methods. The results provide insights into the performance of the modified Fibonacci sequence, offering a valuable contribution to enhancing accuracy in cost estimation for agile software development projects.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil0,661

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,071
Tête enseignante GPT0,380
Écart entre enseignants0,308 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Renewable Energy ResearchMême sujetSoftware Engineering ResearchTravaux en français237 207