Mendeley  

Zotero  

Haidari H. Software Project Management Using Machine Learning Technique — A Review. JOTS 2024; 2 (2) :3-69
URL: http://jots.knu.edu.af/article-1-37-fa.html

برنامه‌ریزی و ارزیابی مدیریت پروژه در فعالیت‌های عملکردی از اهمیت بالایی برخوردار است. بدون برنامه‌ای واقعی و منطقی، مدیریت پروژه به‌طور کارآمد، آسان نیست. این مقاله، مروری گسترده و جامع از مقالات مربوط به کاربرد یادگیری ماشین در مدیریت پروژۀ نرم‌افزاری ارائه می‌دهد؛ علاوه‌بر این، مقالۀ حاضر تجزیه‌وتحلیل ادبیات گسترده‌ای از یادگیری ماشین، مدیریت پروژۀ نرم‌افزار و تکنیک‌های سه کتابخانۀ اصلی Web of Science، Science Directs و IEEE Explore را ارائه می‌دهد. 111 مقاله در این سه مخزن به چهار دسته تقسیم می‌شوند؛ دستۀ اول شامل مقالات تحقیقی و نظرسنجی در مورد مدیریت پروژۀ نرم‌افزاری است؛ دستۀ دوم شامل مقالاتی است که مبتنی‌بر روش‌ها و استراتژی‌های یادگیری ماشین هستند که در پروژه‌ها استفاده می‌شوند؛ دستۀ سوم شامل مطالعات مربوط به مراحل و آزمون‌هایی است که پارامترهای مورد استفاده در مدیریت یادگیری ماشین هستند و کلاس‌های نهایی نتایج حاصل از مطالعه، مشارکت مطالعات در تولید و ارتقای پیش‌بینی پروژه‌های یادگیری ماشین هستند. مشارکت ما همچنین دیدگاه جامع‌تری دارد و زمینه‌ای را ارائه می‌دهد که برای کار بالقوه در مدیریت ریسک پروژه مهم است. در نتیجه، ما نشان داده‌ایم که ارزیابی ریسک پروژه توسط یادگیری ماشین در به حداقل رساندن ضرر پروژه موفق‌تر است؛ بنابراین، احتمال موفقیت پروژه را افزایش می‌دهد و راهی جایگزین برای کاهش مؤثر احتمالات شکست پروژه و افزایش نسبت خروجی برای رشد ارائه می‌کند و همچنین تجزیه‌وتحلیل پیش‌بینی خطای نرم‌افزار را براساس دقت تسهیل می‌کند.