Desarrollo de la versión ágil de la herramienta 29110-In-a-box para implementar la norma ISO/IEC 29110
Bibliographic record
Abstract
Ejecutivo El presente proyecto profesional tiene como objetivo la elaboración de la nueva versión de la herramienta 29110-in-a-box, la cual facilitará a las Pequeñas y Medianas Empresas (PYMES) la aplicación de las buenas prácticas ágiles en sus proyectos de desarrollo de software, según el estándar ISO/IEC 29110.La herramienta 29110-in-a-box pertenece a la empresa canadiense Nuum Solutions 1 , la cual se especializa en ofrecer diferentes servicios relacionados al portafolio de productos Atlassian, desde soporte técnico hasta la venta de complementos para el software JIRA.Con la finalidad de lograr el objetivo del proyecto se identificaron las prácticas ágiles de desarrollo de software que permitan cumplir los requisitos del estándar ISO/IEC 29110.Luego, se realizó el diseño de la arquitectura de software de la nueva versión de la herramienta 29110-in-a-box, para lo cual se presentaron las vistas de despliegue, componentes y de módulos.Finalmente se implementó la solución.Como resultado final del proyecto, se obtuvo una solución que incorpora las buenas prácticas ágiles e implementa las normas de la ISO/IEC 29110, la cual se desplegó en una PYME peruana que esté en el rubro de desarrollo de software.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.021 | 0.017 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".