Прогнозування ефективності заходів реагування на ризики в проєктах розробки програмного забезпечення
Анотація
У статті розглянуто наукову проблему переходу від традиційного виявлення та оцінювання ризиків програмних проєктів до прогнозного обґрунтування управлінських рішень. Дослідження має аналітичний характер і спирається на опубліковані результати робіт, присвячених управлінню ризиками життєвого циклу програмного забезпечення, прогнозуванню ризиків за історичними даними, застосуванню байєсівських мереж та методів машинного навчання. Показано, що наявні дослідження підтверджують доцільність використання контексту проєкту, історій завершених проєктів, взаємозв’язків між факторами ризику та прогнозних моделей для підтримки прийняття рішень. Водночас проаналізовані праці переважно зосереджені на ідентифікації, оцінюванні або прогнозуванні ризику та результатів проєкту, а не на безпосередньому прогнозуванні результативності конкретного заходу реагування. На цій основі обґрунтовано постановку подальшого дослідження, у якому об’єктом прогнозування має бути ефективність обраного способу реагування з урахуванням характеристик ризику, контексту програмного проєкту та історичних результатів. Запропоновано концептуальну послідовність такого дослідження: формування контексту проєкту, опис ризику, фіксація заходу реагування, визначення фактичного результату та навчання прогнозної моделі на накопичених спостереженнях. Визначено основні вимоги до подальшої емпіричної перевірки запропонованого напряму дослідження.
Посилання
2. Filippetto A. S., Lima R., Barbosa J. L. V. A risk prediction model for software project management based on similarity analysis of context histories. Information and Software Technology. 2021. Vol. 131. Article 106497.
3. Hu Y., Zhang X., Ngai E. W. T., Cai R., Liu M. Software project risk analysis using Bayesian networks with causality constraints. Decision Support Systems. 2013. Vol. 56. P. 439–449.
4. Mahdi M. N., Mohamed Zabil M. H., Ahmad A. R., Ismail R., Yusoff Y. et al. Software Project Management Using Machine Learning Technique—A Review. Applied Sciences. 2021. Vol. 11, No. 11. Article 5183.
5. Mahmud M. H., Nayan M. T. H., Ashir D. M. N. A., Kabir M. A. Software Risk Prediction: Systematic Literature Review on Machine Learning Techniques. Applied Sciences. 2022. Vol. 12, No. 22. Article 11694.




