Cómo los profesionales perciben la relevancia de las métricas de productividad para un equipo ágil de desarrollo de software

  1. Giovanni Hernández 1
  2. Álvaro Martínez 1
  3. Robinson Jiménez 1
  4. Franklin Jiménez 1
  1. 1 Universidad Mariana, Facultad de Ingeniería, San Juan de Pasto, Colombia
Zeitschrift:
RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação

ISSN: 1646-9895

Datum der Publikation: 2020

Nummer: 32

Seiten: 596-609

Art: Artikel

Andere Publikationen in: RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação

Zusammenfassung

Los métodos ágiles han sido adoptados de manera más frecuente en el desarrollo de software. Existe literatura sobre el uso de métricas de productividad para equipo de trabajo como herramienta para la mejora continua en el desarrollo ágil de software (ASD); sin embargo, trabajos sobre la relevancia que estas medidas pueden tener para los profesionales que hacen uso de métodos ágiles es muy limitada, el artículo contribuye en este sentido al dar respuesta a la pregunta ¿Cuál es el nivel de relevancia que tienen las métricas de productividad para los profesionales que desarrollan software y utilizan métodos ágiles?. La respuesta fue dada a partir de la realización de una encuesta que siguió el protocolo de Kitchenham y Pfleeger llamado Personal Opinion Surveys. Los profesionales calificaron con un alto nivel de relevancia dos aspectos: el primero, obtener información del esfuerzo requerido para desplegar un producto software y el segundo, medir los beneficios que acarrea para el cliente tener el software en funcionamiento mientras se lo fabrica. Además, se logra establecer un camino para el proceso de medición del esfuerzo requerido en la entrega temprana y frecuente de software, que agregue valor.

Bibliographische Referenzen

  • Alahyari, H., Berntsson, R., & Gorschek, T. (2017). The Journal of Systems and Software A study of value in agile software development organizations. The Journal of Systems & Software, 125, 271–288. https://doi.org/10.1016/j.jss.2016.12.007
  • Beck, K., Beedle, M., Van Bennekum, A., Cockburn, A., Cunningham, W., Fowler, M., & Kern, J. (2001). Manifesto for agile software development. https://agilemanifesto. org/
  • Cohn, M. (2004). User stories applied: For agile software development. AddisonWesley Professional.
  • Davis, C. W. H. (2015). Agile Metrics in Action (D. Maharry, M. Smolyak, & L. Recktenwald (eds.); 1st ed.). Manning Publications Co.
  • Dingsøyr, T., Nerur, S., Balijepally, V., & Moe, N. B. (2012). A decade of agile methodologies: Towards explaining agile software development. Journal of Systems and Software, 85(6), 1213–1221. https://doi.org/10.1016/j.jss.2012.02.033
  • Fenton, N. E., & Bieman, J. (2015). Software metrics : a rigorous and practical approach (3rd ed.). CRC Press. Taylor & Francis Group.
  • Hernández, G., Martínez, Á., Argote, I., & Coral, D. (2015). Metodología adaptativa basada en Scrum : Caso empresas de la Industria de Software en San Juan de Pasto - Colombia. Revista Tecnológica ESPOL, 28(5), 211–223.
  • Hernández, G., Martínez, Á., Jiménez, R., & Jiménez, F. (2019a). Métricas de productividad para equipo de trabajo de desarrollo ágil de software: una revisión sistemática. TecnoLógicas, 22, 63–81. https://doi.org/10.22430/22565337.1510
  • Hernández, G., Martínez, Á., Jiménez, R., & Jiménez, F. (2019b). Scrum y Peopleware : elementos clave para la gestión en la construcción de software. Iberian Journal of Information Systems and Technologies, E19, 265–277.
  • Kapitsaki, G. M., & Christou, M. (2015). Learning from the Current Status of Agile Adoption. International Conference on Evaluation of Novel Approaches to Software Engineering, 551, 18–32. https://doi.org/10.1007/978-3-319-27218-4_2
  • Khurum, M., Gorschek, T., & Wilson, M. (2012). The software value map — an exhaustive collection of value aspects for the development of software intensive products. https://doi.org/10.1002/smr
  • Kitchenham, B., & Pfleeger, S. (2008). Personal Opinion Surveys. In F. Shull, J. Singer, & D. I. K. Sjøberg (Eds.), Guide to Advanced Empirical Software Engineering (p. 394). Springer.
  • Kurnia, R., Ferdiana, R., Wibirama, S., & Theory, A. S. (2018). Software Metrics Classification for Agile Scrum Process : A Literature Review. 2018 International Seminar on Research of Information Technology and Intelligent Systems (ISRITI), 174–179. https://doi.org/10.1109/ISRITI.2018.8864244
  • Lo, D., Nagappan, N., & Zimmermann, T. (2015). How Practitioners Perceive the Relevance of Software Engineering Research. In Proceedings of the 2015 10th Joint Meeting on Foundations of Software Engineering, 415–425. https://doi.org/ https://doi.org/10.1145/2786805.2786809
  • Oliveira, E., Conte, T., Cristo, M., & Mendes, E. (2016). Software Project Managers’ Perceptions of Productivity Factors: Findings from a Qualitative Study. International Symposium on Empirical Software Engineering and Measurement, 08-09-Sept. https://doi.org/10.1145/2961111.2962626
  • Ram, P., Rodriguez, P., & Oivo, M. (2018). Software process measurement and related challenges in agile software development: A multiple case study. Product-Focused Software Process Improvement 19th International Conference, PROFES 2018, 11271, 272–287. https://doi.org/10.1007/978-3-030-03673-7_20
  • Ramirez-Mora, S. L., & Oktaba, H. (2018). Productivity in Agile Software Development: A Systematic Mapping Study. Proceedings - 2017 5th International Conference in Software Engineering Research and Innovation, CONISOFT 2017, 44–53. https:// doi.org/10.1109/CONISOFT.2017.00013
  • Rodríguez, P., Markkula, J., Oivo, M., & Turula, K. (2012). Survey on agile and lean usage in finnish software industry. International Symposium on Empirical Software Engineering and Measurement, 139–148. https://doi. org/10.1145/2372251.2372275
  • Schwaber, K., & Sutherland, J. (2017). 2017 Scrum Guide - The Definitive Guide to Scrum: The Rules of the Game.
  • Yamada, S., & Kii, R. (2015). Software quality analysis for agile development. 2015 4th International Conference on Reliability, Infocom Technologies and Optimization: Trends and Future Directions, ICRITO 2015, 0–4. https://doi.org/10.1109/ ICRITO.2015.7359201