Please use this identifier to cite or link to this item:
https://hdl.handle.net/20.500.14279/26154
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Ανδρέου, Ανδρέας Σ. | - |
dc.contributor.author | Κασάπης, Φοίβος | - |
dc.date.accessioned | 2022-03-14T15:51:18Z | - |
dc.date.available | 2022-03-14T15:51:18Z | - |
dc.date.issued | 2020-05 | - |
dc.identifier.uri | https://hdl.handle.net/20.500.14279/26154 | - |
dc.description | This research work involves investigating and creating a generic model that can predict through simulation whether a Software Organization is or will be in a state of Social Debt. In order to achieve this prediction, we employed Fuzzy Cognitive Maps (FCMs) that specifically allowed us to create a visual model of the interactions between the different concepts involved in Community Smells (i.e., the factors that dictate whether a state of Social Debt is present). Work involved gathering and analyzing the most common Community Smells that lead to this highly damaging and costly phenomenon from various published articles related to Social Debt. From these articles we elicited all the concepts (variables, states, events or actions) that are known to take part either as causes or effects in a Community Smell. In addition, several other articles related to the concepts of interest but not related to Social Debt were studied in order to acquire more interactions between them. The specific analysis, allowed us to create FCM models for each Community Smell separately, depicting the associations between the concepts involved. Following then we constructed a consolidated FCM of all Community Smells in order to obtain a unified FCM model. For the initialization of the level of influence between the concepts (i.e., the strength of the interaction), we created three surveys targeting experts in the field of Software Development so that necessary scenarios can then be simulated. According to our results, extracted by all the simulations, our model confirmed its purpose and effectiveness. | en_US |
dc.description.abstract | Η συγκεκριμένη διπλωματική εργασία καταπιάνεται με τη διερεύνηση και τη δημιουργία ενός γενικού μοντέλου που να μπορεί να προβλέψει μέσω προσομοίωσης εάν ένας οργανισμός λογισμικού είναι ή θα βρίσκεται σε κατάσταση Κοινωνικού Χρέους. Προκειμένου να επιτευχθεί αυτό, χρησιμοποιήσαμε τους Ασαφείς Γνωστικούς Χάρτες (FCMs) που μας επέτρεψαν να δημιουργήσουμε ένα οπτικό μοντέλο που αναπαριστά τις αλληλεπιδράσεις μεταξύ των διαφορετικών παραγόντων που εμπλέκονται στα Community Smells (δηλαδή, οι παράγοντες που υπαγορεύουν εάν υπάρχει κατάσταση Κοινωνικού Χρέους). Οι εργασίες περιλάμβαναν τη συλλογή και ανάλυση των πιο γνωστών Community Smells που οδηγούν σε αυτό το εξαιρετικά δαπανηρό φαινόμενο από διάφορα δημοσιευμένα άρθρα. Από τα άρθρα αυτά, εντοπίσαμε όλους τους παράγοντες (μεταβλητές, καταστάσεις, γεγονότα ή ενέργειες) που είναι γνωστό ότι συμμετέχουν είτε ως αιτίες είτε ως αποτελέσματα στα Community Smells. Επιπλέον, μελετήθηκαν αρκετά άλλα άρθρα που σχετίζονται με τους παράγοντες που μας ενδιέφεραν, αλλά δεν σχετίζονται με το Κοινωνικό Χρέος, προκειμένου να εντοπίσουμε περισσότερες συσχετίσεις μεταξύ τους. Η συγκεκριμένη ανάλυση μας επέτρεψε αρχικά την δημιουργία μοντέλων FCM για κάθε Community Smell ξεχωριστά, απεικονίζοντας τις συσχετίσεις μεταξύ των παραγόντων που εμπλέκονται σε αυτά. Στη συνέχεια, δημιουργήσαμε ένα ενοποιημένο FCM μοντέλο με όλους τους παράγοντες και τις συσχετίσεις τους. Για την αρχικοποίηση του βαθμού επιρροής μεταξύ των παραγόντων, δημιουργήσαμε τρία ερωτηματολόγια τα οποία στάλθηκαν σε ειδικούς στον τομέα της Ανάπτυξης Λογισμικού, έτσι ώστε να μπορούν να προσομοιωθούν τα απαραίτητα σενάρια. Σύμφωνα με τα αποτελέσματα που εξάχθηκαν από όλες τις προσομοιώσεις, το μοντέλο μας επιβεβαίωσε τον σκοπό και την αποτελεσματικότητα του στον υπολογισμό και πρόβλεψη του Κοινωνικού Χρέους. | en_US |
dc.format | en_US | |
dc.language.iso | el | en_US |
dc.publisher | Department of Electrical Engineering and Computer Engineering and Informatics,Faculty of Engineering and Technology, Cyprus University of Technology | en_US |
dc.rights | Απαγορεύεται η δημοσίευση ή αναπαραγωγή, ηλεκτρονική ή άλλη χωρίς τη γραπτή συγκατάθεση του δημιουργού και κάτοχου των πνευματικών δικαιωμάτων. | en_US |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Κοινωνικό Χρέος | en_US |
dc.subject | Community Smell | en_US |
dc.subject | Κοινωνικοτεχνικές αποφάσεις | en_US |
dc.subject | Ασαφείς Γνωστικοί Χάρτες | en_US |
dc.subject.other | Social Debt | en_US |
dc.subject.other | Community Smell | en_US |
dc.subject.other | Sociotechnical decisions | en_US |
dc.subject.other | Fuzzy Cognitive Maps | en_US |
dc.title | Δημιουργία ενός γενικού μοντέλου που να προβλέπει και να υπολογίζει το Κοινωνικό Χρέος με την χρήση των Ασαφών Γνωστικών Χαρτών | en_US |
dc.type | MSc Thesis | en_US |
dc.affiliation | Cyprus University of Technology | en_US |
dc.relation.dept | Department of Electrical Engineering, Computer Engineering and Informatics | en_US |
dc.description.status | Completed | en_US |
cut.common.academicyear | 2019-2020 | en_US |
dc.relation.faculty | Faculty of Engineering and Technology | en_US |
item.grantfulltext | open | - |
item.languageiso639-1 | el | - |
item.cerifentitytype | Publications | - |
item.openairecristype | http://purl.org/coar/resource_type/c_bdcc | - |
item.openairetype | masterThesis | - |
item.fulltext | With Fulltext | - |
crisitem.author.dept | Department of Electrical Engineering, Computer Engineering and Informatics | - |
crisitem.author.faculty | Faculty of Engineering and Technology | - |
crisitem.author.orcid | 0000-0001-7104-2097 | - |
crisitem.author.parentorg | Faculty of Engineering and Technology | - |
Appears in Collections: | Μεταπτυχιακές Εργασίες/ Master's thesis |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Fivos_Kasapis_MSc_2020.pdf | Fulltext | 6.94 MB | Adobe PDF | View/Open |
CORE Recommender
Page view(s) 50
119
Last Week
0
0
Last month
0
0
checked on Nov 6, 2024
Download(s) 50
158
checked on Nov 6, 2024
Google ScholarTM
Check
This item is licensed under a Creative Commons License