提高众包软件开发效率的决策支持
软件工程
2016-10-14 v1 人机交互
摘要
众包软件开发（CSD）将一系列特定任务提供给一个由可信软件工作者组成的大型群体。Topcoder是管理CSD全流程的领先平台。尽管CSD作为一种现实的软件开发选项正日益被接受，但对Topcoder平台软件众包工作者行为的初步分析揭示了一个令人担忧的82.9%的任务放弃率。此外，大量任务未收到任何成功提交。本文报告了一种提高CSD效率的方法。我们应用大规模数据分析和机器学习来：(i) 对替代技术分析方法进行比较分析，以预测每个任务出现获胜者和放弃者的可能性；(ii) 显著减少在已注册但不合适的任务中不成功的开发工作量；(iii) 为每个任务识别并排序最合格的已注册工作者；(iv) 对存在无法获得任何成功提交风险的任务提供可靠预测。我们的结果和分析表明，在所研究的替代技术中，基于随机森林（RF）的预测技术表现最佳。应用RF，向工作者推荐的任务可以大幅减少不成功的开发工作量。平均而言，在30天内，对于有经验的工作者和无经验的工作者，每个已注册任务分别节省3.5和4.6人天。在面向任务的工作者推荐方面，我们能够在排名靠前的工作者中准确推荐出至少1名实际获胜者，特别是对于每个任务，在排名前2的推荐工作者中，有94.07%的概率包含获胜者。最后，我们能够以超过80%的F值预测出可能无法获得任何提交的任务，从而触发CSD平台或任务请求者及时的纠正措施。
引用
@article{arxiv.1610.04142,
title = {Decision Support for Increasing the Efficiency of Crowdsourced Software Development},
author = {Muhammad Rezaul Karim and David Messinger and Ye Yang and Guenther Ruhe},
journal= {arXiv preprint arXiv:1610.04142},
year = {2016}
}
备注
6 pages