Combinando Planning Poker e Aprendizado de Máquina para estimar esforço de software

• Doglas A. Finco UTFPR
• Laudelino C. Bastos UTFPR
• Adolfo G. S. S. Neto UTFPR

DOI: https://doi.org/10.5753/eres.2021.18458

Resumo

Estimar esforço de software é crítico para as organizações. Uma das principais práticas é o Planning Poker, porém seus dados não são salvos para estimativas futuras. O uso de aprendizado de máquina (AM) vem crescendo e assim propomos uma combinação do Planning Poker e AM, denominada ML Planning Poker. Consiste em utilizar o Planning Poker e uma ferramenta desenvolvida contendo um modelo de AM embutido. Avaliamos a proposta em ambiente acadêmico e com profissionais de TI. Em ambos os cenários, relatos foram favoráveis ao uso da ML Planning Poker. A combinação apresentou menos erros se comparada ao Planning Poker original, mais segurança trazendo tarefas similares e reduzindo a incerteza nas estimativas.

Palavras-chave: Estimativa de esforço de software, Planning Poker, Aprendizado de Máquina, Combinação de técnicas

Referências

Bloch, M., Blumberg, S., & Laartz, J. (2012). Delivering large-scale IT projects on time, on budget, and on value. Harvard Business Review, 5(1), 2-7.

Cohn, M. (2005). Agile estimating and planning. Pearson Education.

Dantas, E., Perkusich, M., Dilorenzo, E., Santos, D. F., Almeida, H., & Perkusich, A. (2018). Effort estimation in agile software development: an updated review. International Journal of Software Engineering and Knowledge Engineering, 28(11n12), 1811-1831.

El Emam, K., & Koru, A. G. (2008). A replicated survey of IT software project failures. IEEE software, 25(5), 84-90.

Idri, A., Hosni, M., & Abran, A. (2016). Systematic literature review of ensemble effort estimation. Journal of Systems and Software, 118, 151-175.

Tissot, A. A., Emer, M. C. F. P., & Bastos, L. C. Influence of the review of executed activities utilizing Planning Poker. In 2015 29th Brazilian Symposium on Software Engineering (pp. 170-178). IEEE.

Tronto, I. F. de B., da Silva, J. D. S., & Sant’Anna, N. (2008). An investigation of artificial neural networks based prediction systems in software project management. Journal of Systems and Software, 81(3), 356-367.

Wen, J., Li, S., Lin, Z., Hu, Y., & Huang, C. (2012). Systematic literature review of machine learning based software development effort estimation models. Information and Software Technology, 54(1), 41-59.

Ziauddin, S. K. T., & Zia, S. (2012). An effort estimation model for agile software development. Advances in computer science and its applications (ACSA), 314-324.