Effect of data preprocessing on software effort estimation
软件工作量估计要求很高的准确性，但准确的估计是很难实现的。数据采掘越来越多地被用于提高组织的软件过程质量，例如. G.努力估计的准确性。软件工作量估算存在大量不同的方法组合，选择最合适的方法组合成为本文的研究主题。在这项研究中，三个简单的预处理器（无，规范，日志）和努力使用COCOMO模型进行测量。然后比较了不同预处理器的结果，证明了范数预处理器比其他预处理器更准确。
2013-10-19 cs.SE
Software Estimations Risk in Pakistan Software Industry
巴基斯坦的软件和IT行业在过去几年中取得了巨大的增长和成功，预计到2020年将翻一番。软件开发的生存周期由多个阶段、活动和技术组成，这些都是导致项目成功的重要因素，而软件评价是软件开发生命周期的重要组成部分。软件评估可以单独成为产品成功因素或产品失败因素的原因。正确估计成本、工作量和资源是一门艺术，但将软件项目中可能出现的风险包括在内也是非常重要的，这些风险可能会影响您的估计。在本文中，我们强调了巴基斯坦软件行业的风险如何影响估计以及如何减轻这些风险。
2021-02-12 cs.SE
Software Process Models and Analysis on Failure of Software Development Projects
软件过程模型由一组设计、开发和维护软件系统的活动组成。各种各样的软件过程模型被设计用来构造、描述和规定软件开发过程。软件过程模型在软件开发过程中起着非常重要的作用，是软件产品的核心。软件项目的失败往往会对组织造成破坏。进度单，错误的发布和缺失的功能可能意味着项目的结束，甚至是公司的财务破产。奇怪的是，对于一个项目失败意味着什么，人们存在分歧。本文对现有的软件开发过程模型和软件开发失败的分析进行了讨论，指出了新的研究的必要性。
2013-06-05 cs.SE
An Empirical Study on the Procedure to Derive Software Quality Estimation Models
软件质量保证一直是一个热门话题几十年。如果能够识别出影响软件质量的因素，它们可能会为更好的软件开发管理提供更多的见解。在项目的早期阶段，根据准确的质量评估来使用资源，可以实现更精确的质量保证。在本文中，提出了一个通用的程序来推导软件质量评估模型和各种技术，以完成在各个步骤的任务。利用多种统计技术和机器学习方法来验证软件度量的有效性。此外，采用神经模糊方法来提高估计模型的精度。该程序是根据ISBSG储存库中的数据进行的，以展示其经验值。
2015-07-24 cs.SE
Closing the Loop for Software Remodularisation -- REARRANGE: An Effort Estimation Approach for Software Clustering-based Remodularisation
通过聚类对软件进行二次开发是提高软件内部质量的一种常用方法。然而，只有开发人员遵循推荐的重构建议，软件集群的真正好处才能实现，这可能是复杂和耗时的。简单地产生聚类结果不足以实现重新建模的好处。为了让推荐的重构操作产生影响，开发人员必须坚持到底。然而，由于某些重构操作的复杂性和耗时性，这通常是一项困难的任务。
2023-03-11 cs.SE
A Neuro-Fuzzy Model with SEER-SEM for Software Effort Estimation
软件工作量估算是软件工程的重要组成部分。虽然许多技术和算法模型已经开发和实现的从业者，准确的软件工作量预测仍然是一个具有挑战性的努力。为了解决这个问题，一个新的软计算框架先前开发。我们的研究利用这个新的框架，开发了一种方法，结合神经模糊技术与系统评估和资源估计-软件估计模型（SEER-SEM）。此外，我们的研究评估所提出的模型的性能，通过设计和进行评估与已公布的工业项目数据。在分析了我们的模型的性能相比，单独的SEER-SEM努力估计模型，该模型证明了提高估计精度的能力，特别是在其能力，以减少大的平均相对误差（MRE）。此外，这项研究的结果表明，一般的神经模糊框架可以与各种算法模型，以提高软件工作量估计的性能。
2015-07-31 cs.SE
Comparing Soft Computing Techniques For Early Stage Software Development Effort Estimations
准确估计软件的规模、成本、工作量和进度可能是软件开发人员今天面临的最大挑战。它对软件开发的管理有着重大的影响，因为高估和低估都对软件公司造成损害有直接的影响。多年来，各种研究人员提出了许多模型来进行努力估计。另外，一些关于早期阶段努力估计的研究表明了早期估计的重要性。新的范例提供了替代方案来估计软件开发工作，特别是计算智能（CI），利用人类和过程领域知识之间的交互机制，旨在构建智能系统（IS）。在信息系统中，人工神经网络和模糊逻辑是两种最流行的软件开发工作量估计的软计算技术。在本文中，神经网络模型和Mamdani FIS模型已被用来预测早期阶段的努力估计使用的学生数据集。已经发现，与基于神经网络模型的模型相比，Mamdani FIS能够更有效地预测早期阶段的努力。
2012-04-28 cs.SE
Why Software Effort Estimation Needs SBSE
工业实践者现在面临着一系列令人困惑的可能配置，用于工作量估计。如何为特定的数据集选择最好的一个？介绍了一种基于差分进化算法的工作量估计配置工具OIL（optimized learning）。当在945个软件项目上进行测试时，OIL在探索了几个配置（只有几十个）之后，显著改善了工作量估计。进一步OIL的结果远远优于广泛使用的两种方法：用途：通过类比估计和最近由Whigham等人在TOSEM'15上发表的最先进的基线。考虑到这种方法的计算成本如此之低，并且观察到的改进如此之大，我们得出结论，SBSE应该是软件工作量估计的标准组成部分。
2018-04-02 cs.SE
Software stage-effort estimation based on association rule mining and fuzzy set theory
依靠早期的工作量估计来预测所需的资源数量通常是不够的，并且可能导致低估或高估。人们普遍认为软件开发过程应该定期地进行改进，而在软件开发早期所做软件预测仍然是一种猜测。即使是良好的预测也不足以应对固有的不确定性和风险。阶段工作量估算允许项目经理重新分配正确数量的资源，重新安排项目进度，并控制项目进度，使其在预算内按时完成。在本文中，我们提出了一种方法，利用以前的努力记录来预测阶段的努力。该模型结合了模糊集理论和关联规则挖掘的概念。结果是良好的预测精度方面，并有潜力提供良好的阶段努力估计。
2017-03-13 cs.SE
Using Cluster Curves to Control Software Development Projects
在可预测和可控的软件项目执行的漫长道路上，项目数据的在线解释和可视化变得越来越重要。本文概述了软件开发项目的Sprint I控制方法，并给出了初步的评估结果。该方法基于面向上下文的聚类曲线的使用，并集成到软件项目控制中心的框架中。
2014-03-14 cs.SE
Work Breakdown Structure: A Tool for Software Project Scope Verification
软件项目范围验证是软件项目范围管理中的一个重要过程，为了避免项目返工和范围蠕变，需要正确、全面地进行范围验证。此外，软件范围验证在准确交付客户要求的内容和最小化项目范围更改的过程中至关重要。定义良好的软件范围简化了范围验证的过程，并有助于项目的成功。此外，面向交付的WBS提供了一个路线图，以明确定义的软件工作范围。在此基础上，本文将面向可交付成果的工作分解结构应用于范围验证过程。本文认为，面向可交付成果的工作分解结构是一种软件范围验证的工具。
2013-08-13 cs.SE
Applying Software Craftsmanship Practices to a Scrum Project: an Experience Report
软件工匠宣言定义了软件开发团队应该遵循的价值观和原则，以提供满足功能和非功能需求的高质量软件，而无需处理大量的技术债务。软件开发的软件工艺方法优先考虑技术实践，以提供干净的代码库。这项工作分析了一组实践，可以应用于一个旨在纳入软件工艺价值观的SocketProject。所描述的过程实现对于那些也打算在他们的项目中实现Software Craftsman的软件开发团队来说可能是一个有用的贡献。
2016-11-17 cs.SE
Impact Analysis of Allocation of Resources by Project Manager on Success of Software Projects
成功的软件项目的生成是软件产业的首要考虑因素之一。工程高质量的软件产品进一步受到几个因素的影响，如预算，进度，资源限制等项目经理负责估计和分配这些资源在一个项目中。因此，项目经理的角色对项目的成功有着至关重要的影响。本研究包括一个基于CMMI 5级软件公司的产品和服务开发的几个项目的实证研究。调查结果表明，上述因素对软件的成功和公司的重大影响。分析进一步指出了项目经理在优化软件开发资源分配中的重要作用。本文引入了项目经理在有效配置资源，如时间，成本，开发人员的数量等的效率的影响分析，在资源的优化配置的项目经理的效率水平的认识，使人们能够实现期望的质量水平。
2014-07-20 cs.SE
Enhance accuracy in Software cost and schedule estimation by using "Uncertainty Analysis and Assessment" in the system modeling process
准确的软件成本和进度估计是软件项目成功的关键。由于其复杂性和不确定性，软件评估通常被称为“黑色艺术”，但它并不像人们想象的那样困难或令人困惑。事实上，一旦您了解了建模过程的不确定性强度和框架，生成准确的估计是很简单的。成功软件评估的奥秘：将学术信息和真实世界的经验提炼成软件专业人员的实用指南。而不是《双城之战》论文和僵化的建模技术，这将指导突出一组经过验证的程序，可理解的公式和技巧，个人和开发团队可以应用到他们的项目，以帮助实现估计熟练与选择适当的开发方法在软件生存周期的早期阶段，项目经理是低效的估计工作，进度，成本估算及其开发方法。这反过来又会使管理人员对软件项目进行有效的投标，并选择不正确的开发方法。这将直接影响生产力周期并增加不确定性。这成为项目失败的重要原因。因此，了解模型设计中不确定性的程度和来源，可以指导开发人员设计出准确的软件成本和进度估算，这对软件项目的成功至关重要。然而，一旦估计了所需的努力，几乎没有做任何工作来重新校准和减少初步估计的不确定性。
2012-01-13 cs.SE
A Prediction Model of the Project Life-span in Open Source Software Ecosystem
在自然生态系统中，动物的寿命是由基因和其他一些生物学特性决定的。类似地，软件项目的生命周期与一些内部或外部特征有关。分析这些特征与项目生命周期之间的关系，可以帮助开发人员、投资者和贡献者控制软件项目的开发周期。本文提供了一个自由开源软件生态系统的项目生命周期的见解。通过对GitHub中项目特性的统计分析，发现程序设计语言的选择、文件的数量、项目的标签格式以及相关的成员关系表达式都会影响项目的生命周期。基于这些发现的特征，我们还提出了一个预测模型来估计开源软件生态系统中的项目生命周期。这些结果可以帮助开发人员在开源软件生态系统中重新安排项目。
2017-10-31 cs.SE
OSS effort estimation using software features similarity and developer activity-based metrics
软件开发工作量估计（SDEE）通常涉及利用过去开发类似软件所花费的工作量信息。大多数组织无法从过去的项目中获得足够和可靠的此类数据。因此，现有的SDEE方法的使用率和准确性低。我们提出了一个有效的SDEE方法的开源软件，它提供了准确和快速的努力估计。我们的论文的重要贡献是i）从各种软件存储库的开发者活动信息导出的新型SDEE软件度量，ii）SDEE数据集，包括从来自150个不同软件类别的$\approx13,000$ GitHub存储库导出的SDEE度量值，iii）基于SDEE度量和软件描述相似性模型的工作量估计工具。我们的软件描述相似性模型基本上是一个机器学习模型，使用段落向量算法对GitHub存储库的软件产品描述进行训练。给出了一个新设想的软件的软件描述，我们的工具产生了开发它的努力估计。我们的方法达到了最高的标准准确度得分为87.26%（与悬崖的$δ$ =0.88在99.999%的置信水平）和42.7%的自动转换线性基线模型。我们的软件工件可以在https://doi.org/10.5281/zenodo.5095723上找到。
2021-09-13 cs.SE
Software Effort Estimation using Radial Basis and Generalized Regression Neural Networks
软件开发工作量估算是软件项目管理中最重要的活动之一。已经提出了一些模型来构建软件规模和工作量之间的关系，但我们仍然有问题的努力估计。这是因为在项目初始阶段获得的项目数据往往不完整、不一致、不确定和不清楚。在软件行业中，准确的工作量估计仍然是一个挑战。人工神经网络模型更适合这种情况。本文研究了基于人工神经网络的软件工作量估算模型。这些模型的目的是提高网络的性能，适合COCOMO模型。人工神经网络模型使用径向基和广义回归。基于COCOMO 81数据库的案例研究比较了所提出的神经网络模型与中间COCOMO。采用MMRE、MARE、VARE、平均BRE和预测五种不同的评价标准对结果进行分析。据观察，径向基神经网络提供了更好的结果
2010-07-26 cs.SE
Enhancing Software Effort Estimation through Reinforcement Learning-based Project Management-Oriented Feature Selection
本研究提出基于强化学习的MARLFS特征选择算法，结合数据要素市场，有效解决了传统方法的局限性，显著提升了软件工作量估算的准确性。
2024-03-25 cs.SE
Identifying Coordination Problems in Software Development: Finding Mismatches between Software and Project Team Structures
当今的动态迭代开发环境给软件项目管理带来了巨大的挑战。在分布式项目环境中，“四处走动的管理”不再是一种选择，项目经理可能会错过关键的项目见解。TESNA（技术社会网络分析）方法和工具旨在为项目经理提供一种获得洞察力和采取纠正措施的方法和工具。TESNA通过分析项目不断发展的社交和技术网络结构来实现这一目标，这些网络结构使用来自多个来源的数据，包括CVS、电子邮件和聊天存储库。使用模式理论，TESNA有助于识别项目的社会和技术网络的当前状态与模式建议相冲突的领域。我们把这种冲突称为社会技术结构冲突（STSC）。在本文中，我们报告我们的经验，使用TESNA确定STSC在企业环境中，通过挖掘软件存储库。我们发现多个实例的三个STSC（康威的法律，代码所有权和项目协调）在许多正在进行的开发项目，从而验证我们已经开发的方法和工具。
2012-01-19 cs.SE
Risk Analysis and Success Levels of the Software Project Developed in Technocity
日常生活中几乎每个方面都需要的软件项目，每天都在增长并变得越来越重要。然而，这种不断增长的软件提出了一个更复杂的结构。然而，这种软件的增长是一个更复杂的结构。在这种情况下，分析和控制过程和软件项目的成功水平是想知道的。因此，本研究透过问卷调查中所发现的风险因素清单，来辨识与分析在泰诺城执行的软体专案所遇到的风险因素，并判断专案成功的程度。为此，收集了必要的数据，确定了软件风险因素，并对这些因素进行了分析。采用描述性分析方法对研究中获得的数据进行分析，使用Microsoft Excel 2010和IBM SPSS Statistics 21.0软件。此外，还包括分析结果和研究中开发的软件的成功程度。根据研究的结果，特别是;被观察到成功完成约95%的软件项目开发的Technopolis和交付给客户，尽管在项目的持续时间，预算，人员和目标的分歧。
2019-02-09 cs.SE
Improving Software Effort Estimation Using Neuro-Fuzzy Model with SEER-SEM
我们的研究的目的是评估所提出的神经模糊模型的预测性能与系统评估和资源估计软件估计模型（SEER-SEM）在软件估计实践中，并应用所提出的架构，结合了神经模糊技术与不同的算法模型。本文提出了一种将神经模糊技术与SEER-SEM工作量估计算法相结合的方法。该模型具有良好的学习能力，降低敏感性，有效的推广，并引入神经模糊技术的知识集成。此外，连续的评级值和语言值可以输入该模型，以避免类似项目之间的估计偏差大。所提出的模型的性能是通过设计和进行评估与已公布的项目和工业数据访问。评估结果表明，我们提出的神经模糊模型，包括SEER-SEM的估计相比，仅使用SEER-SEM算法的估计结果有所改善。同时，本研究的结果也表明，一般的神经模糊框架可以与各种算法模型，以提高软件工作量估计的性能。
2015-07-24 cs.SE
Efficient Indicators to Evaluate the Status of Software Development Effort Estimation inside the Organizations
开发工作是项目管理中不可否认的一部分，它对项目的成功有很大的影响。不准确、不可靠的工作量估算很容易导致项目失败。由于软件项目的特殊性，对软件项目的工作量进行准确的估算是一项重要的管理活动，为了避免不可预见的结果，必须认真地进行估算。然而，许多努力估计方法已被提出在这一领域中，估计的准确性是不能令人满意的，并不断尝试，以改善估计方法的性能。在这一领域进行的先前的研究主要集中在数值和定量的方法，有一些研究工作，调查背后的不准确的工作量估计的软件开发工作的根本问题和问题。在本文中，提出了一个框架来评估和调查的情况下，组织的努力估计。建议的框架包括各种指标，涵盖了软件开发工作量估计领域的关键问题。由于组织的能力和不足的努力估计是不一样的，拟议的指标可以导致有一个系统的方法，在该领域的努力估计的优势和劣势的组织被发现。
2012-09-12 cs.SE
Application of Sizing Estimation Techniques for Business Critical Software Project Management
估算是软件项目管理生存周期中最关键的领域之一，与许多其他行业（如建筑业，制造业等）相比，软件项目管理仍在不断发展和不太成熟。持续的错误估计迫使研究人员、从业人员和商业组织将注意力转向问题的另一个方面，并认真验证另一个组成部分，即规模估计。最近的研究表明，规模是成本的主要决定因素，因此，准确的规模估计是至关重要的良好的成本估计。因此，提高规模估计的准确性有助于提高成本和进度估计的准确性。此外，软件规模和成本估计在项目开始时具有最高的效用，此时最重要的决策（例如预算分配，人员分配等）。都有主了然而，困境在于，在这个阶段，只有项目的高级需求是可用的。利用这些高级信息来准确估计软件大小是一项极具挑战性和高风险的任务。本研究承认风险的存在和影响，在任何软件的估计，并提供务实的风险缓解策略。
2014-05-24 cs.SE
Estimation of Defect proneness Using Design complexity Measurements in Object- Oriented Software
软件工程不断面临着软件包日益复杂和软件生产过程中缺陷和缺点数据水平不断提高的挑战。这就要求有新的发明和方法来实现更可重用、更可靠、更易于维护和更高质量的软件系统，并对软件生成过程进行更深层次的控制。质量和生产率确实是控制任何工业过程的两个最重要的参数。成功的控制系统的实施需要一些测量手段。软件度量在软件开发过程的管理方面起着重要的作用，如更好的规划，评估改进，资源分配和减少不可预测性。涉及早期发现潜在问题、生产力评估和评估外部质量因素（如可重用性、可维护性、缺陷倾向性和复杂性）的过程至关重要。在这里，我们讨论的CK度量和估计模型的应用，以预测外部质量参数，优化设计过程和生产过程中所需的质量水平。提出了一种新的面向对象系统设计级缺陷倾向性估计方法，建立了CK度量与缺陷倾向性指数之间的关系模型。一个多功能的估计方法捕捉CK度量和软件模块的缺陷倾向水平之间的相关性。
2010-01-20 cs.SE
The Size of Software Projects Developed by Mexican Companies
目前，世界上大多数软件项目都是小型的，而不是大型的。尽管如此，开发和管理大型软件项目的方法论、工具、框架、过程等比小型软件项目的方法论、工具、框架、过程等更多。小型软件项目很重要，因为它们会产生大量的资源。例如：应用程序（小型移动应用程序）产生约250亿美元的收入。本文展示了我们的调查结果，由墨西哥软件开发公司建立的项目的规模。我们调查了107家墨西哥公司，发现他们开发的项目中有92%是微型和小型项目，8%是中型或大型项目。此外，根据我们的研究，墨西哥84.1%的公司是微型或小型企业。
2014-08-05 cs.SE
Using Multi Expression Programming in Software Effort Estimation
估算软件系统的工作量是软件工程中的一个重要课题，可靠而准确地对软件进行估算是软件开发阶段的重要组成部分。许多研究人员利用不同的方法和技术来寻找解决这个问题的方法，这些技术包括COCOMO，SEER-SEM，SLIM等。最近，人工智能技术被用来解决这些问题，不同的研究已经发布的技术，如神经网络NN，遗传算法GA，和遗传编程GP集中。这项工作使用了GP的线性变体之一，即：多表达式编程（MEP），旨在找到最佳估计软件工作量的方程。基准数据集（基于以前的项目）用于学习和测试。结果与GP使用不同的适应度函数得到的结果进行比较。结果表明，MEP是更好地发现有效的功能，估计约6个数据集，每个数据集包括几个项目。
2018-04-30 cs.SE
Managing layers of risk: Uncertainty in large development programs combining agile software development and traditional project management
如何在敏捷项目的多个级别上隐式和显式地管理风险还没有得到广泛的研究，有必要调查如何在大型敏捷项目中使用风险管理。这是本探索性研究的目的，它调查了以下研究问题：一个大型软件/硬件开发项目如何使用敏捷实践管理在项目/子项目和工作包级别的不确定性？
2021-03-16 cs.SE
Maintenance Support in Open Source Software Projects
互联网的便捷和大部分免费访问导致了开源软件（OSS）的使用越来越多。然而，人们普遍认为，封闭的专有软件在软件维护和管理等领域仍然更优越。本研究的研究模型建立了维护问题（如用户请求和错误处理）与开源软件通过项目论坛、邮件列表和跟踪器提供的支持之间的关系。为了进行这项研究，我们使用了一个由120个开源软件项目组成的数据集，涵盖了广泛的类别。研究结果表明，项目论坛和邮件列表在解决开放源码软件中的用户请求方面发挥着重要作用。然而，根据实证调查，已经探索出跟踪器被用作错误报告以及用户请求的有效媒介。
2015-11-27 cs.SE
A Parametric Analysis of Project Management Performance to Enhance Software Development Process
项目管理过程在软件项目的有效开发中起着重要的作用。项目管理过程中的关键挑战是对时间、成本、缺陷数量的估计，以及随后对apt开发人员的选择。因此，对上述因素的准确估计决定了项目的成功程度。本文通过对一家服务型软件公司开发的几个项目的实证研究，来理解项目管理过程。分析揭示了存在的变化，在上述因素之间的估计和观察结果。它进一步抓住了需要改善项目管理过程中的估计和资源分配，以实现高质量的软件产品。因此，本文旨在提高软件工程人员的认识，更好地估计和准确分配资源的重要性和意义，以开发成功的项目。
2014-07-20 cs.SE
Identifying the Importance of Software Reuse in COCOMO81, COCOMOII
软件项目管理是对项目计划、项目监控和项目终止的补充。计划的基本目标是寻找未来，诊断为成功完成项目而基本完成的属性，使进度计划生动化，并为属性分配资源。软件成本估算在软件项目的资源分配和投标等决策中起着至关重要的作用。本文阐述了传统的软件成本估算方法的概述。将各公司对软件项目的成本、工作量估算结果进行汇总，并将其与现有的成本模型进行分离，计算出MRE（平均相对误差）。我们已经将历史数据管理到COCOMO81，COCOMOII模型，并确定了恒星的困境是，没有成本模型给出了软件项目的准确估计。
2009-12-11 cs.SE
An Exploratory Characterization of Bugs in COVID-19 Software Projects
背景：COVID-19大流行的可怕后果影响了COVID-19软件的开发，即，用于分析和缓解COVID-19的软件。COVID-19软件中的漏洞可能是后果性的，因为COVID-19软件项目可能影响公共卫生政策和用户数据隐私。目的：本文的目标是通过对与COVID-19相关的开源软件项目的实证研究，帮助从业者和研究人员提高COVID-19软件的质量。方法：我们使用GitHub上托管的129个开源COVID-19软件项目进行实证研究。接下来，我们对收集到的项目中的550个错误报告进行定性分析，以确定错误类别。结果：我们确定了8个错误类别，其中包括数据错误，即，在COVID-19数据的挖掘和存储过程中发生的错误。已识别的漏洞类别出现在7类软件项目中，包括（i）使用统计建模执行与COVID-19相关的预测的项目，以及（ii）用于设计和实施医疗设备（如呼吸机）的医疗设备软件。结论：根据我们的研究结果，我们倡导通过数据科学从业者和公共卫生专家之间更好的协同作用来构建强大的统计模型。用户跟踪软件中存在安全漏洞，需要开发工具来检测数据隐私侵犯和安全漏洞。
2020-05-31 cs.SE
Implementing Effective Changes in Software Projects to Optimize Runtimes and Minimize Defects
本研究探索软件项目中学习和实施有效变更的策略，通过混合方法分析变更前后数据，识别关键技术并提供建议，显著优化运行时间、减少缺陷，为软件工程持续改进提供框架。
2025-02-25 cs.SE
Innovative Software Development and Project Management Framework for Technology Startups
本文提出融合敏捷与系统创新的软件开发流程，旨在帮助科技初创企业以最少项目管理经验提升开发效率，促进创意生成并减轻管理负担。
2025-10-25 cs.SE
Analyzing the Non-Functional Requirements in the Desharnais Dataset for Software Effort Estimation
研究系统的质量需求（也称为非功能需求（NFR））在需求工程中至关重要。许多软件项目的失败是因为在软件生命周期开发周期中忽略或未能纳入NFR。基于Desharnais数据集，分析了质量需求属性在软件工作量估算模型中的重要性。Desharnais数据集是由加拿大软件公司开发的12个属性的81个软件项目的集合。分析包括研究每个质量需求属性的影响，以及使用回归和人工神经网络（ANN）模型计算软件工作量时所有质量需求属性的影响。本研究中使用的评价标准包括相对误差幅度的平均值（MMRE）、预测水平（PRED）、均方根误差（RMSE）、平均误差和决定系数（R2）。结果表明，在计算软件工作量时，质量属性语言是最显着的。此外，如果所有的质量需求属性在训练阶段被淘汰，软件工作量预测的基础上，软件的大小，误差（MMRE）的值是两倍。
2014-06-14 cs.SE
Modularity Index Metrics for Java-Based Open Source Software Projects
开放源码软件（OSS）项目越来越受欢迎，这些天来，他们成为替代建设软件系统。尽管这些项目中有许多失败，但也有一些成功的故事，其中一个确定的成功因素是模块化。本文提出了第一个定量的软件度量标准来衡量基于Java的OSS项目的模块化水平称为模块化指数。该软件度量是通过使用SONAR工具分析sourceforge.net上的59个基于Java的OSS项目的大小、复杂性、内聚性和耦合性等模块化特征来制定的。这些OSS项目之所以被选中，是因为它们已经被下载了超过10万次，并且被认为具有成功所需的模块化特征。提取并分析了这些项目在类、包和系统级与模块化相关的软件度量。然后对发现的相似性进行分析，以确定类质量，包质量，然后结合系统架构措施制定模块化指数。在JFreeChart项目演进过程中度量模块化指数的案例研究表明，该软件度量能够识别项目的优势和潜在问题。
2013-09-23 cs.SE
Buying time in software development: how estimates become commitments?
尽管多年来的研究，以提高准确性，软件从业者仍然面临着软件估计困难。专家判断一直是工业界普遍使用的方法，研究人员在使用这种方法时注重提高估计的现实性，这似乎不足以实现人们期待已久的改进。而不是专注于估计过程的技术细节，我们调查了建立与客户和软件估计的承诺的相互作用。通过观察评估会议和采访不同背景下的公司的软件专业人员，我们发现，有根据的估计和软件估计的填充在将估计转化为承诺方面至关重要。我们的研究结果表明，软件专业人员使用填充有三个不同的原因：应急缓冲，完成其他任务，或提高产品的整体质量。pad的原因有一个共同的主题：争取时间来平衡短期和长期的软件开发承诺，包括偿还技术债务。这样一个主题出现在评估和建立承诺的相互作用中的人的方面：压力和客户相互冲突的短期和长期需求在技术活动之间扮演着无声和不为人知的角色。因此，我们的研究有助于解开潜在的现象，展示软件从业者使用的实践如何帮助处理评估所嵌入的人类和社会背景。
2021-05-17 cs.SE
An Analytical Approach for Project Managers in Effective Defect Management in Software Process
在任何软件行业中，缺陷估计和预测都是软件项目成功的主要调节因素。项目经理在有效预测和评估资源能力方面的成熟度和能力是产生高质量软件的战略驱动力之一。目前，还没有通过实证分析开发的评估技术来评估项目经理对有效缺陷管理的资源分配的决策能力。本文提出了一个基于产品的软件组织中进行的实证研究。通过对几个项目的深入调查，揭示了项目经理决策能力对实现上述目标的影响。本文使项目管理人员进一步认识到预测定位在资源分配中的重要性，以开发高质量的无缺陷软件产品。它还提高了公司的成熟度和在竞争环境中的持久性。
2012-03-29 cs.SE
Measurement of software development effort estimation bias: Avoiding biased measures of estimation bias
在本文中，我们提出了改进如何估计偏差，例如，测量低估努力的趋势。所提议的办法强调需要知道估计数的含义，即，我们评估的估计类型，以及给定的估计类型与使用的偏差度量之间匹配的必要性。我们表明，即使完美的估计的平均努力不会导致零估计偏差的期望时，经常使用的偏见措施：（实际努力-估计的努力）/实际努力。这种措施反而会奖励低估平均努力的人。我们还提供了偏置措施，匹配的平均值和中位数的努力估计的例子，并认为，有，在一般情况下，没有实际的偏置措施的估计最有可能的努力。本文的结论与软件开发工作量估计的偏差评估的影响。
2022-03-29 cs.SE
A Systematic Review of Uncertainties in Software Project Management
许多项目失败已不是什么秘密，无论是哪个商业部门，软件项目都是众所周知的灾难受害者，不一定是因为技术失败，但更多的是由于其不确定性。在项目的日常工作中，由不确定性确定的威胁是真实和直接的，项目的风险往往很高。本文对软件项目管理中的不确定性问题进行了系统的综述。它有助于确定困难和行动，可以最大限度地减少项目中的不确定性影响，以及管理人员和团队如何为项目情景的挑战做好准备，目的是促进组织中项目管理的改进，并促进项目的成功。
2014-12-08 cs.SE
Software Effort Estimation Accuracy Prediction of Machine Learning Techniques: A Systematic Performance Evaluation
软件工作量估计的准确性是有效计划、控制和在预算和进度内交付成功软件项目的关键因素。高估和低估都是未来软件开发的关键挑战，因此，软件工作量估计（SEE）的准确性是一个持续的需求。研究人员和从业人员正在努力确定哪种机器学习估计技术基于评估措施、数据集和其他相关属性提供更准确的结果。相关研究的作者通常不知道以前发表的机器学习工作量估计技术的结果。本研究的主要目的是帮助研究人员了解哪种机器学习技术在软件开发中产生有前途的工作量估计精度预测。在本文中，性能的机器学习集成技术的研究与独奏技术的基础上，两个最常用的准确性评价指标。我们使用了Kitchenham和Charters提出的系统性文献综述方法。这包括搜索最相关的论文，应用质量评估标准，提取数据和绘制结果。我们评估了28个选定研究（14个集合，14个单独）的最先进的准确性性能，使用平均相对误差幅度（MMRE）和PRED（25）作为一组可靠的准确性指标，用于两种技术之间的准确性性能评估，以报告本研究中提出的研究问题。我们发现，机器学习技术是最常见的集成努力估计（ESTA）技术的建设。本研究的结果显示，与单技术相比，双技术通常产生有希望的估计精度。
2021-01-26 cs.SE
A Systematic Mapping Study of Empirical Studies performed with Collections of Software Projects
内容：在软件工程实验中，软件项目是常见的资源，尽管这些资源通常是在没有遵循特定策略的情况下选择的，这降低了结果的代表性和可复制性。一种选择是使用软件项目的保留集合，但这些集合必须是最新的，并有明确的指导方针来保证它们在很长一段时间内的更新。目标：对实证研究中选择软件项目的策略进行了系统的二次研究，以发现考虑的指导方针，项目集合的使用程度，提取的元数据以及随后进行的统计分析。方法：一项系统性映射研究，以识别2013年1月至2020年12月发表的研究。结果：122项研究被确定，其中72%使用自己的指南进行项目选择，27%使用现有的项目集合。同样，也没有证据表明项目选择过程有一个标准化框架，也没有应用与样本收集战略有关的统计方法。
2021-09-15 cs.SE
The best defense is a good defense: adapting negotiation methods for tackling pressure over software project estimates
软件评估是软件项目成功的关键，也是一项具有挑战性的活动。我们认为，估计问题不仅限于产生的估计，而且还使用承诺建立：项目利益相关者的压力估计改变他们的估计或接受不切实际的承诺，以实现业务目标。在这项研究中，我们采用了设计科学研究（DSR）的方法来设计一个基于谈判方法的工件，使软件评估人员能够在面对压力时捍卫他们的估计和寻找不切实际的承诺的替代方案。该人工制品是在实践者中传播谈判软技能的具体步骤。我们提出了初步的结果，从一个焦点小组，表明从业者从软件行业可以使用的工件在一个具体的情况下，估计和建立有关软件项目的承诺。我们未来的步骤包括根据焦点小组参与者的建议改进工件，并在行业中的实际软件项目中对其进行经验评估。
2022-03-25 cs.SE
Testing the Stationarity Assumption in Software Effort Estimation Datasets
软件工作量估计（SEE）模型通常是基于一个基本假设开发的，即所有数据点都与未来项目的工作量预测同等相关。软件工程过程的几个方面的动态特性可能意味着这种假设至少在某些情况下不成立。本研究采用三个核估计函数来测试平稳性假设在三个软件工程数据集已被用于构建软件工作量估计模型。核估计用于生成非均匀权重，随后用于加权线性回归建模。预测误差进行比较，从统一的模型。我们的研究结果表明，对于表现出潜在的非平稳过程的数据集，均匀模型比非均匀模型更准确。相比之下，表现出平稳过程的数据集的均匀和非均匀模型的准确性基本上是相等的。我们的研究结果也证实了先前的研究结果，努力估计模型的准确性是独立的类型的核估计函数在模型开发中使用。
2020-12-16 cs.SE
A Guide To Deal With Uncertainties In Software Project Management
各种项目管理方法都没有考虑不确定性对项目的影响。在项目日常工作中，通过不确定性确定的威胁是真实和直接的，并且对项目的期望通常很高。项目经理面临着一个两难的境地：必须在现在对未来的情况做出决定，而未来的情况本质上是不确定的。不确定性管理在项目中的应用是项目成功的决定性因素。本文对软件项目中的不确定性管理进行了系统的回顾，并在此基础上提出了一个指南。它旨在以结构化的方式提出管理软件项目中不确定性的最佳实践，包括控制不确定性的技术和策略。
2014-11-07 cs.SE
Measuring Software Development Waste in Open-Source Software Projects
本文针对开源项目中软件开发浪费难以度量的问题，提出五项度量指标并在十个开源项目上验证，为工程管理者识别和管理 SDW 提供了可操作的实践依据。
2024-09-27 cs.SE
Maintainability Estimation Model for Object-Oriented Software in Design Phase (MEMOOD)
在开发生存周期的早期，特别是在设计阶段，度量软件的可维护性，可以帮助设计人员将所需的增强和修正，以提高最终软件的可维护性。本文提出了一个多元线性模型“面向对象软件设计阶段的可维护性估计模型”（MEMOOD），它根据类图的可理解性和可修改性来估计类图的可维护性。同时，为了量化类图的可理解性和可修改性，本文进一步开发了两个多变量模型。这两个模型使用设计级面向对象的度量，量化类图的可理解性和可修改性。这种早期的可维护性量化提供了一个机会，以提高类图的可维护性，从而提高最终软件的可维护性。所有这三个模型已经通过适当的统计措施和上下文解释进行了验证。
2010-04-26 cs.SE
RSMM: A Framework to Assess Maturity of Research Software Project
本文提出RSMM框架，通过系统文献综述与专家访谈，将79项最佳实践划分为4个领域17项能力，系统评估并完善研究软件项目的成熟度与管理流程。
2024-06-03 cs.SE
Investigating Effort Prediction of Software Projects on the ISBSG Dataset
在过去的三十年里，已经提出了许多成本估算模型。在这项研究中，我们研究模糊ID3决策树作为软件工作量估计的方法。结合ID3决策树的原理和模糊集合论的概念，设计了模糊ID软件工作量估算模型，使该模型能够处理不确定和不精确的软件项目数据。MMRE（相对误差的平均幅度）和Pred（l）（在水平l的预测）被用作本研究的预测准确度的测量。使用ISBSG软件项目数据集进行了一系列实验。模糊树生长使用不同的模糊控制阈值。结果表明，优化模糊ID3参数可以大大提高软件成本估算的准确性。
2012-04-11 cs.SE
Leveraging Team Dynamics to Predict Open-source Software Projects' Susceptibility to Social Engineering Attacks
开源软件是软件供应链的重要组成部分。最近针对OSS开发团队的社会工程攻击使攻击者能够成为代码贡献者，然后将恶意代码或漏洞注入到项目中，目的是损害依赖软件。攻击者利用开发团队成员之间的互动和团队行为的社会动态来实现他们的攻击。我们引入了一种安全方法，利用团队动态的签名和模式来预测软件开发团队对社会工程攻击的敏感性，这些攻击可以访问OSS项目代码。所提出的方法是程序设计语言，平台，和兼容性无关的，因为它评估的OSS团队的互动，而不是OSS代码的工件。
2021-07-02 cs.SE
Is it Possible to Disregard Obsolete Requirements? A Family of Experiments in Software Effort Estimation
背景：专家判断是当今实践中软件工作量估计的常用方法。评估人员经常会看到额外的过时需求和真正需要实现的需求。以前只进行了一项研究，以确定这种做法是否会使估计产生偏差。目的：我们进行了六个实验，学生和从业人员的研究，并量化，过时的需求对软件评估的影响。方法通过进行一个家庭的六个实验，学生和从业者作为研究对象（N = 461），并通过使用贝叶斯数据分析方法，我们调查了不同方面的这种效果。我们还主张，并展示了一个例子，我们如何通过使用贝叶斯方法可以更有信心，在我们的结果，并使进一步的研究与小样本量。结果：我们发现，在所有实验中，过时的需求的存在引发了对努力的高估。然而，与以学生为受试者相比，在实地环境中的效果较小。尽管如此，由过时需求引发的高估系统性地大约是包含过时需求的百分比的两倍，但具有95%的可信区间。结论：研究结果和实践中发现的系统误差应占在软件估计的研究，也许更重要的是，在估计的做法，以避免过度估计，由于这种系统误差的影响。我们部分地解释了这个错误是源于锚定和调整的认知偏差，即过时的需求锚定了一个更大的软件。然而，需要进一步的研究来准确预测这种影响。
2021-03-24 cs.SE
Orchestration of Global Software Engineering Projects
全球软件工程已经成为许多公司的事实，由于在实践中的实际需要。与同地项目相比，全球项目面临着许多额外的软件工程挑战。其中，质量管理变得更加困难，经常可以看到进度和预算超支。与同地项目相比，全球软件工程更具挑战性，因为需要整合不同的文化、不同的语言和不同的时区-跨公司和跨国家。在几个层面上开发地点的多样性严重危及项目的有效和目标导向的进展。在这份立场文件中，我们讨论了全球发展的原因，分布的草图设置和在全球项目中错位公司的编排视图，可以被视为“虚拟项目环境”。我们还提出了一系列问题，我们认为这些问题与全球软件工程有关。这些问题激发了进一步的讨论，以获得全球软件工程的研究议程。
2014-09-22 cs.SE
Probabilistic estimation of software project duration
本文提出了一个框架，在整个项目生命周期中使用的软件设计项目的估计表示的不确定性。该框架是灵活的，以适应在项目中的不确定性，并利用蒙特卡洛模拟计算传播的不确定性，努力估计对总项目的不确定性，因此，给项目经理的手段，使明智的决策在整个项目的生命。该框架还提供了一个机制，通过使用历史数据库积累项目知识，使工作量估计能够参考或实际上基于以前项目的成果。使用模拟数据的初步结果和进一步工作的途径进行了讨论。
2016-06-19 cs.SE
Is it Possible to Disregard Obsolete Requirements? - An Initial Experiment on a Potentially New Bias in Software Effort Estimation
工作量估计是决策中的一个复杂领域，并且受到可能增加估计误差的各种因素的影响。在规范中有过时的需求对工作量估计准确性的影响还没有被研究。本研究旨在填补这一空白。共有150名学生被要求提供不同数量的要求的努力估计，其中一组被明确告知忽略一些给定的要求。结果表明，即使额外的文本指示参与者排除估计任务中的要求，有受试者给出更高的估计。在需求规格说明书和软件工作量估计积压的过时需求的影响是没有考虑到足够的今天，这项研究提供了经验证据，它可能应该。我们还提出了不同的心理学解释所发现的效果。
2019-04-04 cs.SE
Visualization of Software and Systems as Support Mechanism for Integrated Software Project Control
许多软件开发组织仍然缺乏支持，无法对其软件开发过程进行智能控制，也无法确定其过程的性能和所生产产品的质量。通常缺少对关键过程和产品状态的检测和反应以实现计划目标的系统支持。在明确模型的基础上使度量制度化的一种方法是开发和建立一个所谓的软件项目控制中心（SPCC），用于系统的质量保证和管理支持。SPCC相当于控制室，这是机械生产领域的一个众所周知的术语。SPCC的一项关键任务是系统地可视化测量数据，以便为所有利益相关者提供面向背景、目的和角色的信息（例如，项目经理、质量保证经理、开发人员）。本文将概述SPCC概念，一个支持面向目标的数据可视化的具体实例，以及实际应用中的示例和经验。
2014-01-09 cs.SE
