Ohjelmisto- ja sovelluskehitysmetodit : ohjelmisto- ja sovelluskehityshankkeiden projektinhallintamenetelmiä konepajaliiketoiminnassa
Bibliographic record
Abstract
Opinnäytetyö tehtiin Alfa Laval Aalborg Oy:n tarjoamasta aiheesta tutkia ohjelmisto- ja sovelluskehityshankkeiden haasteellisuutta ja moderneja menetelmiä tuotekehityksessä. Tavoitteena oli saada läpileikkaus perinteisen suunnittelukeskeisen projektihallinnan ja ketterien menetelmien eroista. Menetelmiksi valittiin perinteinen projektikolmio ja vesiputousmalli, ketteriksi menetelmiksi valittiin Scrum-viitekehys ja Kanban-menetelmä \nniiden ollessa jo yleisestikäytössä teknologia-aloilla. Modernit menetelmät Scrum ja Kanban kuvataan teoreettisella tasolla ja niitä ei opinnäytetyön aikana empiirisesti kokeiltu. \n \nOhjelmistokehityksessä haasteena koettiin, miten päästäisiin laadukkaaseen lopputulokseen ja miten perinteisen konepajateollisuusyrityksen tulisi mukautua informaatioteknologian muutoskaaressa. Ratkaisutyökaluiksi valittiin työhön kaksi menetelmää, MVP (Eng. Minimum Viable Product) ja tekninen velka päätöksenteon tukena. \n \nLopputuloksena saatiin kirjallinen tutkielma, jossa esitetään perinteisen projektihallinnan haasteet ohjelmisto- ja sovelluskehityshankkeissa ja ketterien menetelmien teoreettinen kuvaus. Ketterien menetelmien Scrum ja Kanban viitekehyksistä ja käytännöistä esitettiin lopuksi vertailutaulukko. Johtopäätöksessä sekä pohdinnoissa esitetään menetelmien mukautuvuutta organisaatiossa, sekä ohjelmistojen projektiluonteisten haasteiden ratkaisemista ja ylittämistä asiakasyritysympäristössä.
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 | 0.006 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.018 | 0.008 |
| Open science | 0.001 | 0.010 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.059 | 0.018 |
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".