Mecanismos de estimación ágil del esfuerzo requerido para el desarrollo de un

sistema de software
Julio Castro
Martín Camacho
Paola Romo
Karla Altamirano

- Preguntas de investigación.

Cuáles son los mecanismos de estimación ágil explorados y los parámetros que definen su
exactitud.
Cuáles son las precisiones alcanzadas con los métodos explorados.
Cuáles son los problemas identificados en cada uno de los métodos.

- Paper 1

Analogy-based software development effort estimation in global software

development

Abstract—Context: Software development has always been characterised by certain

parameters. In the case of global software development, one of the important challenges for
software developers is that of predicting the development effort of a software system on the
basis of developer details, size, complexity, and other measures. Objective: The main
research topics related to global software development effort estimation are the definition
and empirical evaluation of a search-based approach with which to build new estimation
models and the definition and empirical evaluation of all available early data. Datasets have
been used as a basis to carry out an analogy-based estimation using similarity functions and
measures. Method: Many of the problems concerning the existing effort estimation
challenges can be solved by creating an analogy. This paper describes an enhanced
analogy-based model for the estimation of software development effort and proposes a new
approach using similarity functions and measures for software effort estimation. Result: A
new approach for analogy-based reasoning with which to enhance the performance of cost
estimation in distributed or combined software projects dealing with numerical and
categorical data. The proposed method will be validated empirically using The International
Software Benchmarking Standards Group dataset as a basis. Conclusion: The proposed
estimation model could be a useful approach for early stage effort estimation on distributed
projects.
Keywords: global software development, effort estimation, analogy-based estimation.
 - Paper 2
An Empirical Study of Effort-Size and Effort-Time in Expert-Based Estimations

Abstract—The misguided debates over the software effort estimation have so far resulted in
no clear understanding within software engineering field. The great one remains lie between
two prominent expert-based methods, Effort-Size (i.e., story points) and Effort-Time (i.e.,
ideal time). In other fields, A Theory of Magnitude shows the common processing
mechanisms of human estimations in different physical magnitudes, i.e., time, space, and
quantity. Moreover, it also appears in logical things, e.g., linguistic. Our methodologies are
proposed to evaluate the similar linear regression and scalar variability effect through size
and time estimations of software effort. As the results, we found that both methods have
positive correlations to completion of the Actual Effort in hours. However, in our samples,
Effort-Time seems relatively more fitted to the linear regression model than Effort-Size. The
other finding is human tend to have larger standard deviation to the mean of size and time
estimations (scalar variability effect) in wider ranges of issue. Estimations become noisier
when ranges of the Actual Effort become bigger. Therefore, either Effort-Time or Effort-Size
should not be taken generally as “silver bullet”. We believe that a better understanding of
these similar effects can improve the accuracy of software effort estimations, e.g., avoiding
or improving the use of expert-based methods alone in wider ranges of software tasks.

Keywords—Effort-Time; Effort-Size; story points; ideal time; effort estimation; agile

development; expert-based; software engineering; ATOM.

- Paper 3
A Bayesian Inference Approach for Probabilistic Analogy Based Software
Maintenance Effort Estimation

Abstract - Software maintenance effort estimation is essential for the success of software
maintenance process. In the past decades, many methods have been proposed for
maintenance effort estimation. However, most existing estimation methods only produce
 point predictions. Due to the inherent uncertainties and complexities in the maintenance
process, the accurate point estimates are often obtained with great difficulties. Therefore
some prior studies have been focusing on probabilistic predictions. Analogy Based
Estimation (ABE) is one popular point estimation technique. This method is widely accepted
due to its conceptual simplicity and empirical competitiveness. However, there is still a lack
of probabilistic framework for ABE model. In this study, we first propose a probabilistic
framework of ABE (PABE). The predictive PABE is obtained by integrating over its
parameter k number of nearest neighbors via Bayesian inference. In addition, PABE is
validated on four maintenance datasets with comparisons against other established effort
estimation techniques. The promising results show that PABE could largely improve the
point estimations of ABE and achieve quality probabilistic predictions.

Keywords –Software maintenance; Software maintenance effort estimation; Probabilistic

analogy based model; k-nearest neighbors; Bayesian inference.

- Protocolo de investigación.

1. Identificar la necesidad de una revisión Esta revisión sistemática lo que nos permite es: tener una
sistemática. idea general de todos los mecanismos de estimación ágil
que existen en el desarrollo de estimación de software
para así poder aplicarlos en otras investigaciones.

2. Identificar preguntas de investigación. a. Cuáles son los mecanismos de estimación ágil

explorados y los parámetros que definen su
exactitud?

3. Desarrollar protocolo de revisión.
4. Evaluar protocolo de revisión.
5. Estrategia de búsqueda de ejecución.
b. Cuáles son las precisiones alcanzadas con los
métodos explorados?
c. Cuáles son los problemas identificados en cada
uno de los métodos?
- Términos de búsqueda: ​Software maintenance,
Bayesian inference, global software
development story points. Agile software
estimation mechanisms, Software estimation
mechanisms
- Criterios de inclusión: Se incluirán solamente
artículos en inglés, relacionados con la
estimación de esfuerzo en el desarrollo de
software y mantenimiento de software.
- Criterios de exclusión: Se excluirán los artículos
relacionados solamente con el desarrollo de
software y herramientas case. También se
excluirán los artículos que no estén en inglés.
- Preguntas de formulario de estación de datos:
1 El artículo cumple con los criterios de inclusión
y exclusión?
2 Presenta el resúmen una relación con el tema
de investigación?
3 Los artículos responden o tratan de responder
a las preguntas de investigación planteadas?
Los artículos cumplen con los parámetros de inclusión y
exclusión presentados en el protocolo. Además,
responden de manera total o parcial las preguntas de
investigación planteadas.
Se Lee el resumen del artículo y se determina si tiene
relación o no con el tema a investigar, si no se encuentra
la suficiente información se procederá a revisar la
introducción y las conclusiones en caso de estar

6. Selección de estudios primarios
7. Evaluación de la calidad del estudio
8. Extracción de datos.
9. Síntesis de datos.
10. Reportar los resultados de la revisión.
relacionado este se lo incluye. Caso contrario se sigue
buscando otros artículos relacionados.
En cuanto a estudios primarios se toman los artículos
que estén relacionados con la estimación de esfuerzo en
el desarrollo de software.
Dentro de los tres artículos presentados en este estudio,
nos brindan información más clara y específica la cual
busca responder a las preguntas de investigación
Los datos serán tabulador de la siguiente manera:
Tipos de estimaciones de procesos en el desarrollo de
software.
Aplicaciones de las estimaciones ágiles.
Los datos recopilados en los artículos revisados nos
ayudan a tener una idea más clara de la investigación y a
dónde tenemos que dirigirnos, así como también
restringir y ser más específicos en el campo de nuestra
investigación y aplicación.
a. Identificar los tipos de estimación ágil en el
desarrollo de software.
b. Establecer la precisión de estos tipos de
estimación.
c. Qué problema lleva la aplicación de estos
métodos de estimación.