DOI: https://doi.org/10.20535/SRIT.2308-8893.2020.2.09

Аналіз ризиків проекту за допомогою текстового інтелектуального аналізу даних коментарів у системі управління проектами JIRA

Anna A. Liednikova, Danylo V. Shypik, Petro I. Bidyuk

Анотація


У ході дослідження розроблено методологію та створено програмний продукт для визначення ризиків проекту на базі комунікації розробників, подано результати роботи програми на даних реального проекту CASSANDRA компанії Apache Software Foundation. Методологію реалізовано на основі вже відомих алгоритмів визначення емоційних складових у тексті VAD та матричних методів аналізу ризиків проекту з використанням власних розробок, що дозволять об’єднати ці різні підходи. Визначення назви потенційних ризиків визначається за допомогою моделі побудови тем LDA. Отримані результати допоможуть визначати важливість задачі відповідно до комунікацій та ранжувати їх у середині проекту за важливістю та потреби додаткової уваги, що в контексті продукту дасть змогу менеджерам проекту більш швидко розуміти та вирішувати проблеми.

Ключові слова


аналіз ризиків проекту; імовірнісний латентний семантичний аналіз; модель латентного розподілу Диріхле; оброблення природної мови; аналіз тональності тексту

Повний текст:

PDF

Посилання


PMI. Success Rates Rise 2017 9th Global Project Management Survey. Pulse of the Profession, 2017. Available: https://www.pmi.org//media/pmi/documents/public/ pdf/learning/thought-leadership/pulse/pulse-of-the-profession2017.pdf.

A. Murgia, P. Tourani, B. Adams, and M. Ortu, Do Developers Feel Emotions? An Exploratory Analysis of Emotions in Software Artifacts, 2014. Available: https://alessandromurgia.files.wordpress.com/2014/03/emotionanalysis.pdf.

The Top 20 Most Popular Project Management Software, 2018. Available: https://www.capterra.com/project-managementsoftware /#infographic.

System Dashboard. Available: https://issues.apache.org/jira/secure/ Dashboard.jspa.

Teamwork. Right tools, right people, and right practices. Available: https://www.atlassian.com/teamwork.

R.Colomo-Palacios, C. Casado-Lumbreras, P. Soto-Acosta, and A. García-Crespo, Using the Affect Grid to Measure Emotions in Software Requirements Engineering, 2011. Available: http://www.jucs.org/jucs_17_9/using_the_affect_grid/ jucs_17_09_ 1281_1298_colomo.pdf.

L. Jun, Human factors in agile software development, 2015. Available: https://arxiv.org/ftp/arxiv/papers/1502/1502.04170.pdf.

M. Ortu et al., The JIRA Repository Dataset: Understanding Social Aspects of Software Development, 2015. Available: http://mcis.polymtl.ca/publications/2015/ ortu_promise.pdf.

R. Jongeling, P. Sarkar, S. Datta, and A. Serebrenik, On negative results when using sentiment analysis tools for software engineering research, 2017. Available: https://doi.org/10.1007/s10664-016-9493-x.

M. Mäntylä et al., Mining Valence, Arousal, and Dominance – Possibilities for Detecting Burnout and Productivity?, 2016. Available: https://arxiv.org/pdf/1603. 04287.pdf.

M. Ortu et al., “Arsonists or Firefighters? Affectiveness in Agile Software Development”, Lecture Notes in Business Information Processing, issue 251, 2016.

A.B. Warriner, V. Kuperman, and M. Brysbaert, Norms of valence, arousal, and dominance for 13,915 English lemmas. Behavior Research Methods, 2013. Available: https://doi.org/10.37.

T. Hofmann, Probabilistic latent semantic indexing, 1999. Available: https://www. researchgate.net/publication/2941307_Probabilistic_Latent_Semantic_Indexing.

D. Blei, A. Ng, and M. Jordan, Latent Dirichlet Allocation, 2003. Available: http://www.jmlr.org/papers/volume3/blei03a/blei03a.pdf.

E. Guzman, Visualizing emotions in software development projects, 2013. Available: https://doi.org/10.1109/VISSOFT.2013.6650529.

D. Hoffman, M. Blei, and B. Francis, Online Learning for Latent Dirichlet Allocation, 2010. Available: https://www.di.ens.fr/~fbach/mdhnips 2010.pdf.

M. Röder, A. Both, and A. Hinneburg, Exploring the Space of Topic Coherence Measures, 2015. Available: https://svn.aksw.org/papers/2015/WSDM_Topic_ Evaluation/public.pdf.

D. Mimno et al., Optimizing semantic coherence in topic models, 2011. Available: http://dirichlet.net/pdf/mimno11 optimizing.pdf.

jira-social-repository. Available: https://github.com/marcoortu/jira-social-repository.


Пристатейна бібліографія ГОСТ


1. PMI. Success Rates Rise 2017 9th Global Project Management Survey. Pulse of the Profession, 2017. Available: https://www.pmi.org//media/pmi/ documents/public /pdf/learning/thought-leadership/pulse/pulse-of-the-profession2017.pdf.

2. A. Murgia, P. Tourani, B. Adams, and M. Ortu, Do Developers Feel Emotions? An Exploratory Analysis of Emotions in Software Artifacts, 2014. Available: https://alessandromurgia.files.wordpress.com/2014/03/emotionanalysis.pdf.

3. The Top 20 Most Popular Project Management Software, 2018. Available: https://www.capterra.com/project-managementsoftware /#infographic.

4. System Dashboard. Available: https://issues.apache.org/jira/secure/ Dashboard.jspa.

5. Teamwork. Right tools, right people, and right practices. Available: https://www.atlassian.com/teamwork.

6. R. Colomo-Palacios, C. Casado-Lumbreras, P. Soto-Acosta, and A. García-Crespo, Using the Affect Grid to Measure Emotions in Software Requirements Engineering, 2011. Available: http://www.jucs.org/jucs_17_9/using_the_affect_grid/jucs_17_09_ 1281_1298_colomo.pdf.

7. L. Jun, Human factors in agile software development, 2015. Available: https://arxiv.org/ftp/arxiv/papers/1502/1502.04170.pdf.

8. M. Ortu et al., The JIRA Repository Dataset: Understanding Social Aspects of Software Development, 2015. Available: http://mcis.polymtl.ca/publications/2015/ ortu_promise.pdf.

9. R. Jongeling, P. Sarkar, S. Datta, and A. Serebrenik, On negative results when using sentiment analysis tools for software engineering research, 2017. Available: https://doi.org/10.1007/s10664-016-9493-x.

10. M. Mäntylä et al., Mining Valence, Arousal, and Dominance – Possibilities for Detecting Burnout and Productivity?, 2016. Available: https://arxiv.org/pdf/1603.04287.pdf.

11. M. Ortu et al., “Arsonists or Firefighters? Affectiveness in Agile Software Development”, Lecture Notes in Business Information Processing, issue 251, 2016.

12. A.B. Warriner, V. Kuperman, and M. Brysbaert, Norms of valence, arousal, and dominance for 13,915 English lemmas. Behavior Research Methods, 2013. Available: https://doi.org/10.37.

13. T. Hofmann, Probabilistic latent semantic indexing, 1999. Available: https://www. researchgate.net/publication/2941307_Probabilistic_Latent_ Semantic_Indexing.

14. D. Blei, A. Ng, and M. Jordan, Latent Dirichlet Allocation, 2003. Available: http://www.jmlr.org/papers/volume3/blei03a/blei03a.pdf.

15. E. Guzman, Visualizing emotions in software development projects, 2013. Available: https://doi.org/10.1109/VISSOFT.2013.6650529.

16. D. Hoffman, M. Blei, and B. Francis, Online Learning for Latent Dirichlet Allocation, 2010. Available: https://www.di.ens.fr/~fbach/mdhnips 2010.pdf.

17. M. Röder, A. Both, and A. Hinneburg, Exploring the Space of Topic Coherence Measures, 2015. Available: https://svn.aksw.org/papers/2015/WSDM_ Topic_Evaluation/public.pdf.

18. D. Mimno et al., Optimizing semantic coherence in topic models, 2011. Available: http://dirichlet.net/pdf/mimno11 optimizing.pdf.

19. jira-social-repository. Available: https://github.com/marcoortu/jira-social-repository.