Predictive analysis of cross-cultural issues in global software development using AI techniques
AI (YZ) teknikleri kullanılarak küresel yazılım geliştirmede kültürlerarası sorunların öngörülebilir analizi
- Tez No: 925701
- Danışmanlar: DR. ÖĞR. ÜYESİ GİZEM TEMELCAN ERGENECOŞAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Kültürlerarası Zorluklar, Küresel Yazılım Geliştirme, Tahminleme Analizi, Makine Öğrenmesi, AI-Odaklı Çözümler, Cross-Cultural Challenges, Global Software Development, Predictive Analysis, Machine Learning, AI-Driven Solutions
- Yıl: 2024
- Dil: İngilizce
- Üniversite: BEYKOZ ÜNİVERSİTESİ
- Enstitü: Lisansüstü Programlar Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 124
Özet
Bu tezin amacı, GSD ortamında kültürel farklılıklardan kaynaklanan sorunları azaltmak için kullanılabilecek tahmini modellemenin nasıl kullanılabileceğini belirlemektir. Küresel kullanım için yazılım geliştirilirken, giderek daha fazla ekip farklı kültürel geçmişlere sahip üyelerden oluşmaktadır. Bu tür farklılıklar iletişim problemlerine neden olmakta, işe yönelik çelişkili yaklaşımlar sergilemekte ve daha zayıf projelere yol açan kafa karışıklığı yaratmaktadır. Bu çalışma, yukarıda bahsedildiği gibi önemli sorunların proje çıktılarını tehlikeye atmaması için kültürlerarası etkilerin erken tespitinde yararlı olan risk faktörlerine ulaşmaktadır. Doğrusal Regresyon, Ridge Regresyonu, Lasso Regresyonu, SVR ve XGboost algoritmaları kullanılarak testler yapılmıştır. Her modelin karşılaştırılması için Ortalama Karesel Hata (MSE), Kök Ortalama Karesel Hata (RMSE), Ortalama Mutlak Hata (MAE) ve R-kare içeren bir dizi kriter incelenmiştir. Kullanılan algoritmalar arasında Doğrusal Regresyon ile modelin yüksek doğrulukla tahmin edilebileceğini gösteren en yüksek R-kare değeri elde edilmiştir. Diğer modeller için Ridge Regresyon ve XGBoost tarafından orta düzeyde doğruluk ortaya konmuş, ancak bunların ayarlanması sonuçları çok az iyileştirmiştir. Ayrıca, yapılan analizler sonucunda Linear Regresyonun en doğru model olduğunu gösterilebilmektedir. Bu çalışma, yazılım geliştirme ekiplerinde ele alınan kültürlerarası endişeleri destekleyebilecek insan merkezli yaklaşımlara, mevcut AI-tabanlı yöntemlerin entegrasyonu için önemli çıkarımlar sunmaktadır. Çıkar çatışmaları öngörüldüğünde, ekip çalışması verimliliğini ve dolayısıyla bir projenin başarısını en üst düzeye çıkarmak için daha iyi anlayış ve iş birliği çözümlerinin kullanılması gerektiği görülmüştür.
Özet (Çeviri)
The objective of this thesis is to identify predictive modelling that can be employed to mitigate problems due to cultural differences in GSD environment. When developing software for global usage, more and more teams consist of members that have different cultural backgrounds. Such differences cause communication barriers, have conflicting approaches to work, and generate confusion that results in weaker projects. The objective of this study is to arrive at risk factors useful in early detection of cross-cultural impacts so that important problems do not compromise project results. The current algorithms tested were Linear Regression, Ridge Regression, Lasso Regression, SVR, and XGboost. A set of criteria was adopted for the comparison of each model which includes Mean Squared Error (MSE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE) and R-squared. Among all, Linear Regression returned the highest value of R-squared = 0.90 which shows that the model can predict with high accuracy. As for other models, medium accuracy was revealed by both Ridge Regression and XGBoost but adjusting them boosted the results only slightly. The analysis further shows that Linear Regression is the most accurate model in this task. The work offers important implications for the integration of existing AI-based methods into human-centered approaches that can support cross cultural concerns addressed in software development teams. When conflicts of interest are foreseen, approaches for improved understanding and cooperation should be employed to increase the efficiency of the team's work and the success of a project.
Benzer Tezler
- İstanbul'da kentsel büyümenin senaryo tabanlı modellenmesi ve ekolojik açıdan değerlendirilmesi
Scenario-based modeling and evaluation of urban growth in Istanbul
ALİYE GONCA BOZKAYA KARİP
Doktora
Türkçe
2024
Şehircilik ve Bölge PlanlamaMimar Sinan Güzel Sanatlar ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. FATMA ÜNSAL
- Raylı sistem kazalarının analizi için bayes ağı tabanlı bir yaklaşım
A bayesian network-based approach for analyzing railway accidents
DERYA CEPHE
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. UMUT ASAN
- Bir tekstil firmasında kanban sisteminin uygulanması
An Application of kanban system in a textile company
UĞUR ÖZÇER
- Architectural section generation and semantic evaluation with deep learning methods
Derin öğrenme yöntemleri ile mimari kesit üretimi ve anlamsal değerlendirilmesi
ECE SAVAŞ
Yüksek Lisans
İngilizce
2025
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. MİNE ÖZKAR KABAKÇIOĞLU
- Kültür tarihi bağlamında entelektüellerin toplumsal algılanışında geçirdiği değişim süreci
Başlık çevirisi yok
SEDAT YILDIRIM
Yüksek Lisans
Türkçe
2019
AntropolojiVan Yüzüncü Yıl ÜniversitesiAntropoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HANDAN TUNÇ