寻找有效分类技术以构建软件团队组成模型
软件工程
2017-11-22 v1
摘要
低效的软件团队组成已被认为是软件项目失败的一个显著因素。从不同理论人格模型提取结果所得的报告，在软件开发人员选拔中产生了相互矛盾的拟合、效度挑战以及缺失指导。人们还认为，在构建模型时所用的技术会影响整体结果。因此，本研究旨在：1）发现解决该问题的有效分类技术；2）构建软件开发团队组成模型。所构建的模型由三个预测变量组成：团队角色、人格类型和性别变量；还包含一个结果变量：团队绩效变量。用于模型开发的技术为逻辑回归、决策树和粗糙集理论（RST）。更高的预测准确率和更低的模式复杂度是选择有效技术的两个参数。基于结果，RST 的 Johnson 算法（JA）似乎是团队组成模型的有效技术。本研究提出了一组 24 条决策规则用于寻找有效团队成员。这些规则涉及性别分类，以凸显软件开发人员的适宜人格轮廓。最后，本研究得出结论：选择合适的分类技术是构建有效模型最重要的因素之一。
引用
@article{arxiv.1711.07863,
title = {Finding an Effective Classification Technique to Develop a Software Team Composition Model},
author = {Abdul Rehman Gilal and Jafreezal Jaafar and Luiz Fernando Capretz and Mazni Omar and Izzatdin Abdul Aziz},
journal= {arXiv preprint arXiv:1711.07863},
year = {2017}
}
备注
12 pages