Context: The success of agile methods in small projects has inspired companies to apply them in larger projects and organizations. Although extensive research has been done, there is no comprehensive overview of research in large-scale agile development. Objective: This study analyzes existing research on large-scale agile development, provides an overview of the state-of-the-art, and identifies areas for future research. Method: A systematic mapping study was conducted, covering 136 publications from 2007 to 2019. Results: Our findings show that (i) the extant literature currently reports more than 150 companies applying agile methods at large-scale, (ii) both industry and academia show a growing interest in the topic, (iii) the research in this field can be divided into ten research streams, (iv) the topic is still maturing and offers promising avenues for future research. Conclusion: This mapping study provides the first systematic exploration of the state-of-the-art on large-scale agile development. It offers researchers and practitioners a reflection of the past thirteen years of research on the large-scale application of agile methods. Although the topic is very promising and maturing, it is still in its infancy. Thus it gives a plethora of new opportunities for researchers to investigate companies applying agile methods at scale.


翻译:在小型项目中,灵活方法的成功激发了公司在大型项目和组织中应用这些方法。虽然已经进行了广泛的研究,但对大规模灵活发展的研究没有全面的概览。目标:本研究分析大规模灵活发展的现有研究,对最新技术进行概览,并确定未来研究的领域。方法:进行了系统的绘图研究,涵盖2007年至2019年136份出版物。结果:我们的研究结果显示:(一)现有文献目前报告150多家公司在大型项目和组织中应用灵活方法,(二)工业和学术界都对这一专题表现出日益浓厚的兴趣,(三)这一领域的研究可以分为10个研究流,(四)这个专题仍然成熟,为今后的研究提供了充满希望的渠道。结论:这一绘图研究首次系统地探索了大规模灵活发展方面的先进技术,为研究人员和从业人员提供了过去13年大规模应用灵活方法的研究的反映。尽管这个专题很有希望和成熟性,但它仍然处于萌芽阶段。它为研究人员提供了新的机会,从而在研究中采用新的方法。

0
下载
关闭预览

相关内容

【2020新书】数据科学与机器学习导论,220页pdf
专知会员服务
80+阅读 · 2020年9月14日
【大规模数据系统,552页ppt】Large-scale Data Systems
专知会员服务
60+阅读 · 2019年12月21日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
2018机器学习开源资源盘点
专知
6+阅读 · 2019年2月2日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Python机器学习教程资料/代码
机器学习研究会
8+阅读 · 2018年2月22日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
Arxiv
0+阅读 · 2022年1月13日
Arxiv
15+阅读 · 2021年12月22日
Arxiv
13+阅读 · 2021年10月9日
Arxiv
11+阅读 · 2021年3月25日
AutoML: A Survey of the State-of-the-Art
Arxiv
69+阅读 · 2019年8月14日
Deep Learning for Generic Object Detection: A Survey
Arxiv
13+阅读 · 2018年9月6日
VIP会员
相关VIP内容
【2020新书】数据科学与机器学习导论,220页pdf
专知会员服务
80+阅读 · 2020年9月14日
【大规模数据系统,552页ppt】Large-scale Data Systems
专知会员服务
60+阅读 · 2019年12月21日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
2018机器学习开源资源盘点
专知
6+阅读 · 2019年2月2日
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
Python机器学习教程资料/代码
机器学习研究会
8+阅读 · 2018年2月22日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
Top
微信扫码咨询专知VIP会员