A Multi-dimensional Study of Requirements Changes in Agile Software Development Projects
敏捷过程现在被软件工程(SE)团队广泛实践,敏捷宣言声称敏捷方法支持很好地响应变化。然而,似乎没有研究表明这在现实中是否准确。在任何软件开发环境中,需求变更(RC)都是不可避免的,我们希望全面了解RC是如何发生的,以及在实践中如何在敏捷SE团队中进行处理。我们还想知道对变化的响应是否是软件团队在项目中使用敏捷的唯一或主要原因。为此,我们进行了一项混合方法的研究,其中包括来自新西兰和澳大利亚的10名敏捷实践者的访谈,文献综述,以及全球40名敏捷实践者参与的深入调查。通过这项研究,我们确定了不同类型的RC,它们的起源包括起源的原因,形式,来源,载体,以及它们起源的事件,挑战性质,以及敏捷是否有助于响应变化。我们还发现,敏捷团队似乎不愿意接受RC,因此,他们使用几种缓解策略。此外,当他们接受RC时,他们使用各种技术来处理它们。此外,我们发现敏捷允许更好地响应RC只是实践敏捷的一个次要原因。几个更重要的原因包括能够在更短的时间内交付产品和提高团队生产力。实践者表示,这改善了敏捷团队环境,因此是团队实践敏捷的真正动力。最后,我们提供了一组实用的建议,可以用来更好地处理RC有效地在敏捷软件开发环境。
2020-12-07 cs.SE
A Systematic Mapping Study on Security in Agile Requirements Engineering
[背景]许多公司所处的快速变化的商业环境正在挑战传统的需求工程(RE)方法。这导致了可再生能源的敏捷方法。与此同时,安全性是一个基本的非功能性需求,在敏捷开发环境中仍然很难解决。由于RE中“敏捷”概念的模糊性以及安全需求处理的困难性,人们对如何在敏捷RE中处理安全需求的总体理解仍然是模糊的。[目的]我们的目标是描述敏捷软件项目中处理安全需求的方法的发布环境。[方法]我们进行了一个系统的映射,以概述相关的工作和当代差距,为未来的研究。[结果]我们总共确定了2005年至2017年期间符合纳入标准的21项研究。我们发现,这些方法通常涉及修改敏捷方法,引入新的工件(例如,将用户故事的概念扩展到滥用者故事),或引入处理安全问题的指导方针。我们还确定了使用这些方法与环境、人员、努力和资源有关的局限性。[结论]我们的分析表明,需要投入更多的努力来实证评估现有的方法,并有一个未来的研究方向,以减轻所确定的局限性。
2018-06-04 cs.SE
Another Systematic Review? A Critical Analysis of Systematic Literature Reviews on Agile Effort and Cost Estimation
Blekinge Institute of Technology(布莱金厄理工学院)
本文通过分析敏捷努力估算的SLR,揭示了现有SLR的重复问题,并提出通过识别已有综述和明确论证需求来减少冗余,提升软件工程研究效率。
2026-01-28 cs.SE
Agile Effort Estimation: Have We Solved the Problem Yet? Insights From A Replication Study
University College London(伦敦大学学院)
在过去的十年中,一些研究探索了自动化技术来评估敏捷软件开发的工作量。我们对一项开创性的工作进行了密切的复制和扩展,该工作提出了使用深度学习进行敏捷工作量估计(即Deep-SE),该工作量估计自那时以来一直处于最先进的水平。具体来说,我们复制了三个原始的研究问题,旨在调查Deep-SE在项目内和跨项目工作量估计方面的有效性。我们将Deep-SE与三条基线(即,随机,平均和中位数的努力估计)和以前提出的方法来估计敏捷软件项目开发工作(称为TF/IDF-SVM),在原来的研究中所做的。为此,我们使用了原始研究的数据和从TAWOS挖掘的31,960个问题的额外数据集,因为使用更多数据可以增强对结果的信心,并进一步减轻外部有效性威胁。我们的复制结果表明,Deep-SE仅在极少数具有统计学显著性的病例中优于中位数基线估计值和TF/IDF-SVM(分别为8/42和9/32例),因此混淆了先前关于Deep-SE疗效的发现。两个额外的RQ显示,无论是增加训练集还是预训练Deep-SE播放都不会提高其准确性和收敛速度。这些结果表明,使用语义相似性是不够的,以区分用户的故事,他们的故事点,因此,未来的工作还有待探索和找到新的技术和功能,获得准确的敏捷软件开发的估计。
2022-12-17 cs.LG cs.SE stat.ML
Agile Process Consultation -- An Applied Psychology Approach to Agility
组织中的敏捷变更工作需要与人类流程相联系来理解。这种理论和相关工具在应用心理学中已经存在了将近50年。敏捷过程咨询的核心思想是,客户发起向更敏捷方向的改变,往往不知道哪里出了问题,咨询师需要与客户共同诊断问题。还假设敏捷顾问不了解客户组织的组织文化,这意味着客户需要根据顾问提供的建议做出决策。由于敏捷项目管理正在整个企业和软件开发之外传播,我们需要情景方法,而不是规定低级别的实践。
2019-04-05 cs.SE
Recent Advances in Software Effort Estimation using Machine Learning
Facultad de Matemáticas(数学学院);Universidad Autónoma de Yucatán(尤卡坦自治大学)
越来越多的软件公司已经意识到存储项目相关数据作为训练预测模型的宝贵信息来源的重要性。这种建模为实施量身定制的策略打开了大门,以提高整个工程师团队工作量估计的准确性。在这篇文章中,我们回顾了最新的机器学习方法,用于评估非敏捷和敏捷方法的软件开发工作。我们分析了采用敏捷方法的好处,在工作量估计的可能性,如建模的编程模式和错误估计模式的个别工程师。最后,我们分析了当前和未来的趋势,通过数据驱动的预测模型进行软件工作量估计。
2023-03-06 cs.LG cs.SE
Agile Effort Estimation: Have We Solved the Problem Yet? Insights From A Second Replication Study (GPT2SP Replication Report)
Fu和Tantithamthavorn最近提出了GPT 2SP,这是一种基于transformer的深度学习模型,用于用户故事的SP估计。他们在Choetkiertikul等人共享的数据集上经验性地评估了GPT 2SP的性能,包括16个项目,共23,313个问题。他们将GPT 2SP与两个基线(即朴素平均值和中位数估计值)以及Choetkiertikul等人先前提出的方法(从现在起我们将其称为DL 2SP)进行基准测试,用于项目内和跨项目估计场景,并评估GPT 2SP的每个组件对SP估计准确性的贡献程度。他们的结果表明,GPT 2SP优于DL 2SP,在项目内场景中比MAE提高了6%-47%,在跨项目场景中提高了3%-46%。然而,当我们试图使用Fu和Tantithamthavorn提供的GPT 2SP源代码来重现他们的实验时,我们发现了平均绝对误差(MAE)计算中的一个错误,这可能夸大了他们工作中报告的GPT 2SP的准确性。因此,我们发布了一个pull请求来修复这样的bug,该请求已被接受并合并到他们的存储库https://github.com/awsm-research/gpt2sp/pull/2中。在这份报告中,我们描述了我们通过使用GPT 2SP的固定版本来复制原始论文中针对RQ 1和RQ 2进行的实验所获得的结果。在最初的研究之后,我们分析了每个项目中所有问题的估计方法…
2022-09-01 cs.SE
The Integration of Agile Methodologies in DevOps Practices within the Information Technology Industry
本文通过 11 次半结构化访谈和主题分析,考察 Agile 方法融入 DevOps 实践的可行性与实施方式,并提炼其在 DevOps 生命周期中的相互关系。
2025-08-29 cs.SE
Understanding Work Practices of Autonomous Agile Teams: A Social-psychological Review
本文的目的是建议社会心理学的其他方面,可以帮助理解自主敏捷团队。利用社会心理学中久经考验的理论,而是看看它们在自主敏捷团队环境中是如何复制和区别的,这将避免重新发明轮子。作为第一步,这是通过查看一些非常常见的敏捷实践并将其与社会心理学研究中的现有发现相关联来完成的。我认为更适用于软件工程的两个理论是社会认同理论和群体社会化理论。结果表明,文献提供了一些敏捷实践流行的社会心理原因,但需要科学研究来收集这些研究不足的主题的经验证据。理解更深层次的心理学理论可以更好地理解构建自主敏捷团队时的心理过程,从而可以更好地预测和干预人为因素。
2020-11-05 cs.SE
What Makes Agile Test Artifacts Useful? An Activity-Based Quality Model from a Practitioners' Perspective
背景:敏捷软件测试中使用的工件以及使用这些工件的原因已经相当清楚。然而,关于敏捷测试工件最终如何在实践中设计以及哪些质量因素使它们对软件测试有用的实证研究仍然很少。目标:我们的目标是双重的。首先,我们确定当前使用测试工件的挑战,以了解为什么某些质量因素被认为是好的或坏的。其次,我们构建了一个基于活动的敏捷测试质量模型,描述了敏捷测试工件应该是什么样子。方法:我们进行了一项行业调查,18个从业者从12家公司在七个不同的领域。结果:我们的分析揭示了9个挑战和16个因素,从敏捷测试人员的角度描述了6个测试工件的质量。有趣的是,我们观察到的主要挑战是关于语言和可追溯性的,这在非敏捷项目中是众所周知的。结论:尽管敏捷软件测试正在成为一种规范,但我们仍然对超越传统智慧的一般性做和不做没有多少信心。这项研究是第一个提炼出一系列质量因素的研究,这些因素被认为是有用的测试工件的重要因素。
2020-09-03 cs.SE
Agile Beyond Teams and Feedback Beyond Software in Automotive Systems
为了提高构建复杂的软件密集型系统的能力,以及缩短新功能的上市时间,汽车公司的目标是将敏捷方法扩展到单个团队之外。考虑到汽车系统通常是安全关键的,并且由软件、硬件和机械组件组成,这是一个挑战。本文研究了扩展敏捷性超越团队的具体原因,支持这种扩展的策略,以及这种剧烈的组织变革将带来的可预见的影响。该调查基于定性案例研究,数据来自两家汽车公司的管理人员和技术专家的20次半结构化访谈。我们发现的核心是关于建立一个超越单个团队的敏捷车辆级反馈回路的观察。(I)我们发现,汽车OEM的目标是减少开发的前置时间。(II)我们还确定了7个战略,旨在实现超越团队的可扩展敏捷。(III)最后,我们提取了6个可预见的影响和副作用,将敏捷扩展到汽车团队之外。通过绘制汽车团队之外的敏捷扩展的预期收益、策略和影响的图表,我们可以进行进一步的研究和流程改进。
2022-03-24 cs.SE
A conversation around the analysis of the SiP effort estimation dataset
通过数据分析师和创建SiP数据集的公司董事的对话,记录了使用敏捷进行的十多年商业开发的分析(由22名开发人员在20个项目代码下进行的10,100个独特任务估计)。影响任务执行工作量估计准确性的因素包括进行估计的人、涉及的项目以及使用整数的倾向。在实践中,估计精度的任何改进都没有明显改善拟合的回归模型。
2019-01-06 cs.SE
Challenges in Understanding the Relationship between Teamwork Quality and Project Success in Large-Scale Agile Projects
本研究针对大规模敏捷项目,通过调研196名参与者复制单团队研究,发现原有团队协作质量与项目成功的理论模型不适用,分析了差异原因并呼吁加强团队间互动相关研究。
2024-01-31 cs.SE
What Do Practitioners Vary in Using Scrum?
背景:敏捷软件开发已经成为一种流行的软件开发方式。Scrum是最常用的敏捷框架,但据报道,它经常在实践中进行调整。目的:因此,我们的目标是了解如何在不同的情况下,以及这些变化的原因是什么。方法:使用结构化面试的指导方针,我们采访了十家德国公司的具体使用的software和定性分析的结果。结果:所有公司都在某种程度上改变了S。最少的变化是在Sprint长度、事件、团队规模和需求工程方面。许多用户的作用、工作量估计和质量保证各不相同。结论:许多变化构成了与最初提出的Synomial的实质性偏离。对于其中一些变化,有很好的理由。然而,有时候,这些变化是由于以前的非敏捷、等级制组织造成的。
2017-03-30 cs.SE
An overview of the use of alternative funding and contracting approaches relevant for agile software development: A systematic review of real-life experiences
Simula Metropolitan Centre for Digital Engineering (SimulaMet)(Simula数字工程大都市中心(SimulaMet))
本文通过系统性综述38项实证研究,梳理敏捷项目中的四种替代资金与四种合同方法,分析其动机、收益、挑战及情境化渐进采用路径。
2025-10-21 cs.SE
Agile, User-Centered Design and Quality in Software Processes for Mobile Application Development Teaching
本研究构建了结合Scrum、极限编程与UX方法的以用户为中心的敏捷Android应用开发课程,分理论学习与真实客户项目实践两阶段,验证了该教学模式的实践价值。
2023-09-25 cs.CY cs.SE
The Developer Experience of LGBTQIA+ People in Agile Teams: a Multivocal Literature Review
本研究通过多声文献综述探讨敏捷团队中LGBTQIA+专业人士的开发者体验,发现隐形、偏见和歧视损害其体验,而包容性环境能提升团队动态和参与度。
2025-04-20 cs.SE
Agile Story-Point Estimation: Is RAG a Better Way to Go?
University of Saskatchewan(萨斯喀彻温大学);Gannon University(甘农大学)
本研究探讨利用RAG技术自动化敏捷开发中的故事点估计,分析检索参数、项目规模及嵌入模型对准确率的影响,发现RAG在部分情况下表现更优,但整体差异不显著,需进一步优化。
2026-04-03 cs.AI cs.LG cs.SE
Agile Management for Machine Learning: A Systematic Mapping Study
ExACTa Software Engineering Laboratory, Department of Informatics Pontifical Catholic University of Rio de Janeiro (PUC-Rio)(圣保罗大学里约热内卢分校信息学院ExACTa软件工程实验室);fortiss GmbH(fortiss公司)
本研究通过系统性映射,分析了2008至2024年间的27篇文献,归纳出ML赋能系统敏捷管理的8个框架与8个关键主题,指出准确工作量估算为主要挑战,并呼吁未来加强实证评估。
2025-06-25 cs.AI cs.SE
Story Point Effort Estimation by Text Level Graph Neural Network
Iowa State University(爱荷华州立大学)
评估敏捷方法开发的软件项目的工作量对于项目经理或技术负责人来说是非常重要的。它提供了一个摘要,作为完成任务需要多少小时和开发人员的第一个视图。有研究工作自动预测软件的努力,包括词频逆文档频率(TFIDF)作为这个问题的传统方法。图神经网络是一种应用于自然语言处理的文本分类新方法。图神经网络的优点是基于通过图数据结构学习信息的能力,与矢量化单词序列的方法相比,图数据结构具有更多的表示,例如单词之间的关系。在本文中,我们展示了图神经网络文本分类在故事点水平估计中的潜力和可能的挑战。实验结果表明,GNN文本级分类方法对故事点级分类的准确率可达80%左右,与传统方法相当。我们还分析了GNN方法,并指出了目前的GNN方法可以改善这个问题或其他问题在软件工程。
2022-03-14 cs.AI cs.SE
A Classical Fuzzy Approach for Software Effort Estimation on Machine Learning Technique
软件成本估算的可靠性,生产力和开发工作是一个具有挑战性和繁重的任务。这激发了软件社区提供急需的推力,并深入研究软件工作量估计,以发展复杂的方法。类比估算是软件工作量估算领域的一种有效方法。然而,用于通过类比来估计软件工作量的方法无法以明确和精确的方式处理分类数据。本文提出了一种新的方法来估计软件工作量的项目表示的分类或数值数据,使用类比推理和模糊方法。现有的历史数据集,用模糊逻辑分析,产生准确的结果相比,数据集分析与早期的方法。
2011-12-16 cs.SE
A deep learning model for estimating story points
University of Wollongong(伍伦贡大学);Deakin University(迪肯大学);North Carolina State University(北卡罗来纳州立大学)
尽管在传统软件项目中,软件分析对工作量估计进行了大量研究,但在敏捷项目中,对估计的工作很少,特别是估计用户故事或问题。故事点是用于估计实现用户故事或解决问题所涉及的工作量的最常见的度量单位。在本文中,我们为\emph{first}时间提供了一个基于故事点的估计的综合数据集,其中包含来自16个开源项目的23,313个问题。我们还提出了一个预测模型,用于估计故事点,该模型基于两个强大的深度学习架构的新颖组合:长短期记忆和循环高速公路网络。我们的预测系统是\emph{end-to-end}从原始输入数据到预测结果的可训练的,而无需任何手动特征工程。实证评估表明,我们的方法始终优于三个常见的努力估计基线和两个替代品的平均绝对误差和标准化精度。
2016-09-06 cs.LG cs.SE stat.ML
Circumstantial-Evidence-Based Judgment for Software Effort Estimation
软件工作量估算的专家判断是通过专家的经验,针对类似项目或活动的实际工作量的直接证据。然而,直接证据的可用性意味着需要合适的专家和过去的数据。本文提出的基于环境证据的判断方法,注重人类知识中积累的开发经验,通过理性推理,可以对新项目不同方案的实施努力进行定性评估。为了演示基于环境证据的判断过程,本文采用基于命题学习理论的诊断推理方法,在不同技术和环境下实现Web服务组合项目时,对不同的工作量估计进行了推断和比较。范例表明,我们提出的工作可以帮助确定项目实施前的努力权衡。总的来说,基于环境证据的判断不是专家判断的替代品,而是对专家判断的补充,以促进和改善软件工作量估计。
2013-02-09 cs.SE
Heterogeneous Graph Neural Networks for Software Effort Estimation
Iowa State University(爱荷华州立大学)
软件工作量可以通过故事点来衡量[35]。当前用于自动估计故事点的方法集中于应用预训练的嵌入模型和用于文本回归的深度学习来解决这个需要昂贵的嵌入模型的问题。我们提出了HeteroSP,一个从敏捷软件项目问题的文本输入中估计故事点的工具。我们选择GPT 2SP [12]和Deep-SE [8]作为比较的基线。首先,通过对story point数据集[8]的分析,我们得出结论,软件问题实际上是自然语言句子与引用的代码片段的混合,并且存在与大型词汇相关的问题。其次,我们提供了一个模块来规范化输入文本,包括单词和代码令牌的软件问题。第三,我们设计了一个算法,将输入的软件问题转换为具有不同类型的节点和边的图。第四,我们在fastText [6]的支持下构建了一个异构图神经网络模型,用于构建初始节点嵌入,以学习和预测新问题的故事点。我们对三种评估场景进行了比较,包括项目内、存储库内跨项目和跨项目跨存储库与我们的基线方法。我们在三种情况下实现了平均绝对误差(MAE)为2.38,2.61和2.63。我们在2/3的场景中表现优于GPT 2SP,而在最具挑战性的场景中表现优于Deep-SE,运行时间显著减少。我们还比较了我们的方法与不同的同质图神经网络模型,结果表明,异构图神经网络模型优于同质模型的故事点估计。在时间性能方面,我们在节点嵌入初始化、模型构建和故事点估计这三个过程中的时间性能都达到了570…
2022-06-30 cs.AI cs.SE
Software Effort Estimation using Neuro Fuzzy Inference System: Past and Present
Delhi Technological University(德里理工大学);Dehradun Institute of Technology(德拉敦理工学院)
项目失败的最重要原因是工作量估计不足。软件开发工作量估计需要分配适当的团队成员进行开发,分配软件开发资源,绑定等。不准确的软件估计可能会导致项目延迟,超出预算或取消项目。但是,努力估计模型不是很有效。在本文中,我们正在分析的新方法,即神经模糊推理系统(NFIS)的估计。它是一种将人工神经网络与模糊逻辑相结合的混合模型。
2019-12-26 cs.LG cs.SE