Questo lavoro analizza i dati contenuti nel database ISBSG che raccoglie progetti eseguiti da diverse organizzazioni distribuite sull’intero globo. L’analisi è mirata a ricavare informazioni utili nel supporto alle decisioni finalizzate a gestire meglio un progetto e prevedere le risorse richieste alla sua esecuzione. Più precisamente, si usa l’analisi discriminante per rilevare quali metriche in ISBSG hanno maggiore capacità discriminante tra i progetti, rispetto alla produttività degli stessi. Poiché le metriche utilizzate formalizzano variabili del contesto di sviluppo (ad esempio: linguaggio di programmazione, metodo di sviluppo utilizzato, tipo di progetto, ecc.), allora quelle che maggiormente differenziano i progetti rispetto all’impegno uomo richiesto suggeriscono le variabili di processo su cui si può agire per migliorare la produttività. Inoltre, considerate le variabili maggiormente discriminanti è possibile selezionare i progetti che presentano valori simili rispetto a queste ed utilizzarli per ricavare un modello di previsione. Il presente lavoro descrive le azioni eseguite per rendere il data base ISBSG statisticamente trattabile, i risultati ottenuti a valle dell’analisi condotta e in fine l’interpretazione di questi dal punto di vista dei responsabili di progetto. I risultati ottenuti danno evidenza statistica a molte delle congetture accreditate dai professionisti dello sviluppo software e ne rivelano altre che, in genere, non sono considerate di rilevante impatto sulle prestazioni pur essendo tali.
Ricerca empirica di fattori influenzanti la produttività software: analisi discriminante su progetti raccolti da ISBSG
CAIVANO, DANILO;VISAGGIO, Giuseppe
2006-01-01
Abstract
Questo lavoro analizza i dati contenuti nel database ISBSG che raccoglie progetti eseguiti da diverse organizzazioni distribuite sull’intero globo. L’analisi è mirata a ricavare informazioni utili nel supporto alle decisioni finalizzate a gestire meglio un progetto e prevedere le risorse richieste alla sua esecuzione. Più precisamente, si usa l’analisi discriminante per rilevare quali metriche in ISBSG hanno maggiore capacità discriminante tra i progetti, rispetto alla produttività degli stessi. Poiché le metriche utilizzate formalizzano variabili del contesto di sviluppo (ad esempio: linguaggio di programmazione, metodo di sviluppo utilizzato, tipo di progetto, ecc.), allora quelle che maggiormente differenziano i progetti rispetto all’impegno uomo richiesto suggeriscono le variabili di processo su cui si può agire per migliorare la produttività. Inoltre, considerate le variabili maggiormente discriminanti è possibile selezionare i progetti che presentano valori simili rispetto a queste ed utilizzarli per ricavare un modello di previsione. Il presente lavoro descrive le azioni eseguite per rendere il data base ISBSG statisticamente trattabile, i risultati ottenuti a valle dell’analisi condotta e in fine l’interpretazione di questi dal punto di vista dei responsabili di progetto. I risultati ottenuti danno evidenza statistica a molte delle congetture accreditate dai professionisti dello sviluppo software e ne rivelano altre che, in genere, non sono considerate di rilevante impatto sulle prestazioni pur essendo tali.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
