Recibido: Noviembre 12, 2023
Aceptado: Abril 19, 2024
Disponible: Abril 29, 2024

 

---

Abstract

The productivity of agile teams represents a crucial aspect for software development companies, since it directly influences their performance and efficiency, fundamental aspects for the constant search for improvements. Different studies show that team productivity in agile software development (ASD) is an abstract concept, its meaning is still being studied, and is under construction. On the other hand, its measurement is oriented towards establishing different factors of various types that generate an impact within the team, the organization, and even the market. The objective of this study was to identify the metrics used to evaluate eleven factors classified in the categories of meaning, impact, and flexibility related to team productivity in the field of ASD. This analysis was performed using systematic literature mapping (SLM) directed according to Petersen's protocol. As a result, 37 primary investigations were identified in the IEEE Xplore DL and Scopus bibliographic databases. The findings of this research include the definition of the chosen factors, the determination of productivity metrics for each of them, and an attempt at mathematical formalization for some of these metrics. Furthermore, it was noted that 91.8 % of the studies refer to productivity factors associated with the category of meaning and impact, while there are few studies that detail factors related to the category of flexibility.

1. INTRODUCCIÓN

---

La era de la transformación digital ha impulsado un cambio de mentalidad en las empresas, que las ha llevado a reconocer la importancia de comprender las necesidades de sus usuarios. En este contexto, la agilidad ha adquirido una relevancia destacada en este proceso de renovación, fomentando que las organizaciones aprendan y se adapten con mayor flexibilidad [1], lo que a su vez conduce a la generación de productos de trabajo de alta calidad [2].

El proceso de desarrollo de software se enfoca profundamente en el conocimiento, destacando la importancia de intercambiar experiencias entre el cliente, el usuario final y el equipo de desarrollo, lo cual resulta esencial para garantizar su eficacia y lograr los objetivos establecidos [3].

Con frecuencia, las empresas han adoptado metodologías ágiles en el desarrollo de software para satisfacer tanto las necesidades de los clientes como las internas de la organización [4]. Uno de los beneficios clave de esto es el aumento de la productividad en los equipos [5]. Además, en este tipo de métodos se pone énfasis en las interacciones entre los miembros del equipo de desarrollo de software y en su bienestar [6].

La productividad juega un papel crucial en las organizaciones de software al influir en el comportamiento, la eficiencia y el rendimiento de sus equipos [7], [8]. El término de productividad en Ingeniería de Software tiene sus raíces a finales de la década de los 70 [9], inicialmente asociado a una perspectiva a nivel de proyecto en lugar de centrarse en el rol que los individuos pueden desempeñar dentro de los equipos [9].

No obstante, la percepción de la productividad en Ingeniería de Software ha sido redefinida en los últimos años con la llegada de enfoques ágiles [10] y a que facilitan una estimación más precisa de los plazos y costos en el proceso de desarrollo de software [11]. Este cambio ha sido impulsado en gran medida por la creciente competencia entre las empresas de software [10].

Por lo tanto, se presume que los enfoques ágiles generan una productividad superior en comparación con los métodos tradicionales [7], al mismo tiempo que aseguran la entrega de software de alta calidad [12]. En el panorama actual, varios factores han surgido y están afectando la forma de trabajar y la eficacia de los equipos de desarrollo, independientemente de la técnica de desarrollo empleada [13]. Esta combinación de factores ha captado la atención de las empresas, que ahora demandan una mayor agilidad en el desarrollo de sus productos [12].

Sin embargo, la evaluación de la productividad difiere considerablemente en el contexto del desarrollo ágil de software (ASD) [14]. Por ejemplo, los valores y principios establecidos en el manifiesto ágil respecto a las mediciones de productividad son abstractos [15]. Además, las métricas diseñadas para medir este indicador están fundamentadas en el enfoque tradicional de desarrollo de software [15], a pesar de que, para la metodología ágil, la entrega de valor y la satisfacción del cliente son aspectos fundamentales [5]. Esta situación ha provocado una falta de comprensión del concepto de productividad en los equipos ASD, lo que resulta en la ausencia de directrices y métodos para su medición.

Para esta investigación la productividad de equipo en el desarrollo ágil de software (por sus siglas en inglés ASD) se la reconoce como un concepto abstracto, que actúa como un indicador de mejora [14]. La productividad puede determinarse mediante el uso y medición de ese conjunto de factores [4], [13], [14], [16] que tienen un impacto significativo y que contribuyen al logro de los objetivos relacionados con las expectativas del cliente [14].

Por lo anterior, el propósito de este estudio fue identificar, mediante un mapeo sistemático de la literatura (MSL), métricas que contribuyan a la evaluación de factores de productividad del equipo en ASD. Los factores seleccionados para esta investigación fueron extraídos de los estudios [14] y [15], los cuales se describen en la sección de trabajos relacionados. Los resultados obtenidos en esta investigación tienen como propósito contribuir al establecimiento de un proceso de medición de la productividad en equipos de ASD, facilitando así la evaluación de su desempeño.

El artículo está organizado de la siguiente manera. En la Sección 2 se describe los trabajos relacionados, la Sección 3 el proceso metodológico utilizado, la Sección 4 presenta los resultados obtenidos, la Sección 5 la discusión, y en la Sección 6 se detallan las conclusiones.

2. TRABAJOS RELACIONADOS

---

En un estudio [17] exploran los factores que influyen en la productividad del trabajo en un equipo de desarrollo ágil de software y sus interrelaciones. Este involucró a 60 individuos de 18 compañías de software en Bangladesh. El proceso metodológico constó de dos fases: una revisión de literatura seguida de entrevistas y encuestas a miembros de equipos ágiles para identificar los factores de productividad. Luego, se procedió a construir un modelo cualitativo de dinámica de sistemas mediante diagramas de bucle causal basado en los hallazgos de la primera etapa. Los resultados revelaron que factores como la motivación, la eficacia y la gestión de equipos influyen significativamente en su comportamiento.

En un trabajo [18] se indaga por los factores que influyen en proyectos de desarrollo de software de código abierto. Los autores estructuran su investigación mediante revisión sistemática de literatura y una encuesta dirigida a expertos de la industria, enfocada en su percepción de la eficiencia del equipo. Los hallazgos señalan la presencia de factores que pueden afectar la productividad, mientras que otros pueden fomentar la autonomía y responsabilidad del equipo, y algunos parecen promover una distribución más equitativa de las tareas.

El estudio [13] realiza un análisis del estado actual de los factores que influyen en los equipos, examinando su efecto en la productividad. Se concluye que los aspectos más influyentes en la productividad de los equipos son aquellos asociados con la interacción entre los miembros, especialmente la comunicación y la proximidad física, así como la estructura organizativa. Además, se destaca que las habilidades interpersonales y las características individuales también tienen un impacto significativo en su desempeño.

En una revisión sistemática de la literatura [19], se identifican 77 factores influyentes que afectan la productividad del trabajo en equipo en el desarrollo ágil de software clasificados en factores técnicos, no técnicos, organizacionales, ambientales, de gestión de proyectos y de requisitos del usuario.

La investigación realizada por las autoras Machuca y Gasca se centra en el concepto de Factores Socio Humanos [20] para la medición de productividad. Estos factores se identifican como elementos fundamentales en el contexto de las organizaciones de software, además de que ofrecen ventajas significativas, tales como la mejora en la eficacia de la gestión de proyectos, la optimización de la utilización de recursos, incluidos el tiempo y los costos, y la generación de un impacto positivo en la productividad de los equipos [21], [22].

Un estudio [14] permitió identificar factores que determinan, influyen e impactan la medición de productividad de equipo en ASD. El trabajo presenta 63 factores de productividad de equipo en ASD organizados en cuatro categorías significado, flexibilidad, impacto y alto desempeño [14].

La investigación [15] da continuidad al proceso llevado a cabo en el estudio [14] aplicando un instrumento de recolección de información a 82 profesionales de la industria del software [15] el cual permitió evaluar el nivel de relevancia de los 63 factores de productividad utilizando una escala Likert que abarcaba desde muy alto hasta muy bajo. Los factores que recibieron calificaciones superiores al 80 % en las categorías de muy alto y alto fueron considerados importantes [15]. Como consecuencia, se identificaron únicamente 23 factores destacados de los 63 originales [15]. (ver Tabla 1).

Posteriormente, el trabajo [15] considera los aportes generados por las autoras Machuca y Gasca [20] para establecer que el 52.17 % de los 23 factores están relacionados con aspectos socio-humanos. Lo anterior generó una reorganización de los mismos, la fusión de dos factores, además de renombrar la categoría 'alto desempeño' por 'socio-humano', considerando que esta incluiría factores relacionados con cualidades humanas [15]. Finalmente, los autores concluyen que solo 22 factores son fundamentales en la medición de productividad [15]. La Tabla 2 sintetiza una descripción de cada una de las categorías con sus respectivos factores.

3. ASPECTOS METODOLÓGICOS

---

El presente estudio tuvo como finalidad efectuar un mapeo sistemático de literatura (MSL) para la identificación de métricas de evaluación de los factores de productividad de equipo en ASD asociados a las categorías Significado, Impacto y Flexibilidad expuestas en un estudio preliminar [15] y que se representan en la Figura 1. Para el caso de los FSH en los trabajos [20], [22], [24] se exponen pautas para su medición, razón por la cual en este documento no son considerados.

Par el MSL se sigue el proceso sistemático, ordenado, metódico y replicable propuesto por [25]. Para ello, el estudio se dirigió por las etapas expuestas en la Figura 2.

3.1 Definición de las preguntas de investigación

Las preguntas de investigación seleccionadas para este MSL son:

RQ1. ¿Cuál es la definición que se evidencia en la literatura sobre el factor [Factor] desde una perspectiva del ASD?

RQ2. ¿Cómo es la medición del factor [Factor] en un equipo ágil?

En la búsqueda [Factor] se reemplaza por cada uno de los conceptos de los 11 factores seleccionados. Por ejemplo, ¿Cuál es la definición que se evidencia en la literatura sobre el factor [Capacidad de trabajo] desde una perspectiva del ASD?

3.2 Definición de la cadena de búsqueda

La cadena de búsqueda se diseña con base en el propósito del estudio. La cadena emplea el operador booleano (AND) para la conexión de los términos. La ecuación de búsqueda usada es: measurement AND [Factor] AND agile team.

Nótese que el termino [Factor] es sustituido por el nombre de cada uno de los once factores seleccionados.

3.3 Definición de criterios de inclusión y exclusión

Para efectuar la búsqueda se consideraron los criterios de inclusión y exclusión descritos en la Tabla 3 y los filtros definidos en la Tabla 4.

3.4 Ejecución de la búsqueda

Las bases de datos bibliográficas seleccionadas para la búsqueda fueron IEEE Xplore DL y Scopus. Para lograr dicho propósito, se ejecutó la cadena de consulta para cada uno de los factores y se consideró algunos parámetros que se evidencian en la Tabla 5 (filtro 1).

Posteriormente (filtro 2), se continúa por efectuar la lectura del título, resumen y palabras clave de cada uno de los estudios seleccionados tras aplicar el filtro 1. Cabe resaltar que para el caso de las palabras clave se consideraron los términos relacionados (ver Tabla 6). Adicionalmente, se descartaron los documentos que no son reportados como estudios primarios.

Una vez aplicado el filtro 2, se continua por eliminar los estudios duplicados (filtro 3). Para la eliminación de duplicados se decide conservar el estudio de la fuente original a la que pertenece.

Como paso siguiente se continua por efectuar la lectura de la introducción, resultados y conclusiones de cada uno de los artículos seleccionados (filtro 4). Finalmente, se realiza la lectura del artículo completo considerando el resto de los elementos estructurales como lo son el marco de antecedentes, el diseño metodológico, y la discusión de resultados (filtro 5).

En la Figura 3, se detalla la cantidad de estudios identificados por cada filtro de búsqueda discriminados para cada uno de los factores de la categoría Significado. En total se identificaron 22 estudios, de los cuales el 77.2 % pertenecían a IEEE Xplore DL y el 22.8 % a Scopus.

 

En la Figura 4, se detalla la cantidad de estudios identificados por cada filtro de búsqueda discriminados para cada uno de los factores de la categoría Impacto. En total se identificaron 21 estudios, de los cuales el 61.9 % pertenecían a IEEE Xplore DL y el 38.1 % a Scopus.

En la Figura 5, se detalla la cantidad de estudios identificados por cada filtro de búsqueda discriminados para cada uno de los factores de la categoría Flexibilidad. En total se identificaron 5 estudios, de los cuales el 100 % de ellos pertenecían al gestor bibliográfico de IEEE Xplore DL.

El procedimiento mencionado anteriormente posibilitó la consolidación de un total de 48 estudios. No obstante, es importante señalar que, se encontraron estudios que contenían más de un factor, por lo que, al unificarlos el número se reduce a 42 artículos.

3.5 Evaluación de la calidad

Después del proceso de selección, se realiza una tarea adicional vinculada a garantizar la calidad de los artículos localizados, que implica examinar una serie de criterios que se detallan en la Tabla 7.

Se implementó una escala para evaluar la calidad de los artículos, en la cual se calificaba el nivel de cumplimiento de los criterios según las categorías de Alto (2 puntos), Medio (1 punto) y Bajo (0 puntos). Los artículos que alcanzaron una calificación igual o superior al 80 % del total de puntos posibles fueron los seleccionados para su inclusión final.

Al concluir el proceso de evaluación de calidad, se encontró que, de los 42 estudios analizados, un total de 37 artículos lograron superar el umbral del 80 % y fueron considerados para su inclusión en la investigación.

3.6 Extracción de los datos

En esta etapa se procede a la extracción de datos considerando las preguntas de investigación definidas en la primera fase del mapeo. La revisión permitió la depuración de la información considerando los siguientes metadatos por artículo: título, autores, base de datos bibliográfica, tipo de estudio, nombre de la publicación, año de publicación y palabras clave.

 

4. RESULTADOS Y DISCUSIÓN

---

Los resultados obtenidos con la revisión de los documentos seleccionados se consolidaron de acuerdo con las preguntas de investigación para el MSL.

4.1 Generalidades

La cantidad de estudios que cumplieron con los filtros expuestos fue de 37. Los estudios hallados pertenecen a las fuentes de información seleccionadas considerando que el 67.6 % son de IEEE Digital Xplore y el 32.4 % de Scopus.

En cuanto a la frecuencia de publicación de los artículos se encontró que, entre el 2018 y 2022 un 59.4 % de los estudios abordan métricas de evaluación de factores de productividad en ASD (ver Figura 6).

Según el tipo de estudio de los artículos seleccionados se rescata que el 89.2 % son estudios expuestos en una Conferencia y un 10.8 % en una revista.

Otro aspecto para tener en cuenta fue la localización geográfica de los autores de los documentos analizados, con el objetivo de determinar el origen de los estudios por país de manera proporcional. La distribución de los países de procedencia de los artículos revisados se muestra en la Figura 7.

Con relación a la presencia de información sobre factores y métricas de productividad en los estudios, se encontró que de los 37 identificados en el MSL el 48.6 % de ellos se refieren a factores de productividad asociados con la categoría significado;el 43.2 % describen factores de productividad asociados a la categoría impacto y un 8.2 % a factores de la categoría flexibilidad.

4.2 Concepción y medición de los factores de productividad

La Tabla 8 sintetiza la información correspondiente a cada uno de los factores pertenecientes a la categoría significado, con su definición consolidada, métricas de evaluación y la forma de medición que los autores de esta investigación proponen como ejemplo para una de las métricas identificadas por cada factor.

La Tabla 9 sintetiza la información correspondiente a cada uno de los factores pertenecientes a la categoría impacto, con su información respectiva (definición, métricas y forma de medición propuesta).

La Tabla 10 sintetiza la información correspondiente a cada uno de los factores pertenecientes a la categoría flexibilidad, con su información respectiva (definición, métricas y forma de medición propuesta).

4.3 Discusión

Con relación a los aspectos generales, se puede destacar que durante el período de 2018 a 2022, se observa el mayor porcentaje de publicación de estudios asociados con métricas de evaluación de factores de productividad en el desarrollo de software ágil (ASD), teniendo en cuenta la limitación de la revisión hecha únicamente en las bases de datos IEEE Xplore DL y Scopus. Esta tendencia en la cantidad de publicaciones sugiere un creciente interés en comprender y mejorar la productividad en el contexto del desarrollo ágil de software en los últimos años. Es posible que este aumento refleje el interés y la necesidad por medir y mejorar la eficiencia y efectividad de los métodos, técnicas y prácticas ágiles que han venido adoptando las empresas de la industria de software en los últimos años.

Por otra parte, se encontró que la mayoría de los estudios analizados han sido publicados en conferencias lo cual resalta la preferencia de los investigadores por presentar y discutir sus hallazgos en este tipo de eventos para obtener retroalimentación y compartir conocimientos de manera más inmediata. Sin embargo, también sugiere que hay una oportunidad para una mayor profundización y revisión por pares a través de la publicación en revistas académicas, lo que puede contribuir a una mayor validación y difusión de la investigación en este campo.

La distribución geográfica de los estudios revela cifras significativas, con un 48.6 % de ellos provenientes del continente europeo y un 27 % de origen americano. Este resultado indica una mayor presencia y contribución tanto de investigadores europeos como americanos en el ámbito de las métricas para evaluar los factores de productividad en el desarrollo de software ágil (ASD).

Es importante resaltar que los estudios encontrados proporcionan una mayor cantidad de información para aquellos factores que están vinculados con la percepción que tienen los integrantes un equipo de desarrollo sobre la productividad, ya sea desde una perspectiva específica o general y un porcentaje reducido aporta información sobre factores que afectan la productividad de un equipo cuando este se somete a condiciones que implican cambios.

Durante la identificación de métricas, se encontró que factores como la velocidad, la capacidad de trabajo y la capacidad del equipo proporcionan métricas de medición centradas principalmente en el trabajo desarrollado por los integrantes del equipo. Por otro lado, factores como el aprendizaje organizacional y el aprendizaje de los fracasos están más orientados a situaciones que involucran el entorno y la organización en su conjunto.

Con relación a los trabajos relacionados, se observa que, aunque en [13], [17]- [19] se examinan los factores y las interrelaciones que influyen en la productividad de un equipo ágil, algunos a través de la realización de revisiones sistemáticas de la literatura [17]- [19], la información recuperada sobre la conceptualización y la medición de estos factores es limitada. Es decir, los estudios se centran fundamentalmente en identificar los factores sin profundizar en su significado y cómo pueden ser medidos.

En [13] y [17], se busca ir más allá de la identificación de los factores, proponiendo un modelo de medición basado en ellos. Contribuir al entendimiento del sentido y significado de los factores y establecer un camino sistemático para su medición se convierte en un aporte valioso que ayuda a cerrar la brecha de conocimiento en la medición de la productividad del equipo en ASD.

 

5. CONCLUSIONES

---

Esta investigación aborda un mapeo sistemático de la literatura llevado a cabo en dos bases de datos IEEE Xplore DL y Scopus. Este proceso reveló en 37 estudios primarios la definición y métricas para evaluar 11 factores de productividad del equipo en el desarrollo ágil de software, clasificados en las categorías: significado, impacto y flexibilidad.

A través de estos estudios, se ha avanzado y aportado en la comprensión de los factores, identificado métricas para su evaluación y una aproximación de formalización matemática para algunas de esas métricas. Sin embargo, se observó que la literatura no aporta información en cuanto a métricas disponibles sobre factores como el establecimiento de metas y el manejo de requisitos. Por lo tanto, en esta investigación fue necesario proponer algunos elementos que podrían ser considerados en su medición.

Se resalta que la mayor parte de los estudios detallan información sobre métricas de factores de productividad pertenecientes a la categoría Significado con un 48.6 % seguido por un 43.2 % en la categoría Impacto.

La principal limitación de este estudio fue que no se consideraron las fuentes bibliográficas de información como ACM Digital Library, Web of Science, Compendex, Science Direct y Springer Link. Sería interesante replicar la investigación incluyendo estos motores de búsqueda.

Como trabajo futuro se pretende que, con el análisis realizado en la literatura se construya un modelo conceptual que incluya los factores de productividad de equipo en ASD y sus métricas de evaluación, lo cual posteriormente se consolidaría en un proceso de medición de productividad aplicable a equipos en contextos ágiles.

6. AGRADECIMIENTOS Y FINANCIACIÓN

---

Los autores expresan sus agradecimientos a los grupos de Investigación: Galeras.NET del Departamento de Sistemas de la Universidad de Nariño y GISMAR del programa de Ingeniería de Sistemas de la Universidad Mariana por permitir y apoyar el desarrollo de este trabajo el cual pertenece a un producto de investigación de la tesis de Maestría en Ingeniería de Sistemas y Computación de la Universidad de Nariño, denominado “Modelo de evaluación de productividad de equipo en el desarrollo ágil de software”.

CONFLICTO DE INTERÉS DE LOS AUTORES

---

Se declara que no existe ningún conflicto de intereses económicos, profesionales o personales que puedan influir de forma inapropiada en los resultados obtenidos en este artículo.

CONTRIBUCIÓN DE LOS AUTORES

---

El aporte de cada autor se realizó de manera colaborativa; la conceptualización, diseño y el desarrollo de la investigación fue del 50 % para cada autor.

7. REFERENCIAS

---

• arrow_upward [1] Pragma. “Agilismo: clave para la transformación digital.” academiapragma.com. Accessed: Jan. 07, 2021. [Online]. Available: https://www.pragma.com.co/academia/conceptos/agilismo-clave-para-la-transformacion-digital
• arrow_upward [2] H. C. Beh, Y. Y. Jusoh, R. Abdullah, and S. Hassan, “Dimensions in Measuring Performance of Agile Software Development Projects: A Literature Review,” in 2022 Applied Informatics International Conference (AiIC), Serdang, Malaysia, 2022, pp. 83-87. https://doi.org/10.1109/AiIC54368.2022.9914025
• arrow_upward [3] L. M. Restrepo-Tamayo, G. P. Gasca-Hurtado, S. Galeano Ospino, and L. Machuca-Villegas, “Transferencia de conocimiento en equipos de desarrollo de software usando gamificación: un cuasiexperimento,” Ingeniare. Revista chilena de ingeniería, vol. 30. no. 4 pp. 705–718, Dec. 2022. http://dx.doi.org/10.4067/S0718-33052022000400705
• arrow_upward[4] B. Binboga, and C. A. Gumussoy, “Factors Affecting Agile Software Project Success,” IEEE Access, Apr. 2024. https://doi.org/10.1109/ACCESS.2024.3384410
• arrow_upward [5] B. Portelli, B. Behlendorf, and T. O’Reilly, “The 17th State of Agile Report,” Digital.ai, Raleigh, USA, Rep. 17th. Accessed: Nov. 02, 2020. [Online]. Available: https://stateofagile.com
• arrow_upward [6] M. G. S. Ortega, G. B. Soto, R. R. P. Cinco, and L.-F. Rodríguez, “Framework to analyze the relationship between agile software engineers’ emotions and their productivity,” in 2021 10th International Conference on Software Process Improvement (CIMPS), Torreón, Coahuila, Mexico, 2021, pp. 66–69.https://ieeexplore.ieee.org/document/9652780
• arrow_upward [7] M. Á. Maldonado Arango, “Factores que afectan la productividad en equipos Scrum analizados con pensamiento sistémico,” M.S. thesis, Universidad Nacional de Colombia, Medellín, Colombia, 2017. [Online]. Available: https://repositorio.unal.edu.co/handle/unal/59778
• arrow_upward [8]  C. de O. Melo, D. S. Cruzes, F. Kon, and R. Conradi, “Interpretative case studies on agile team productivity and management,” Inf. Softw. Technol., vol. 55, no. 2, pp. 412–427, Feb. 2013. https://doi.org/10.1016/j.infsof.2012.09.004
• arrow_upward [9] A. Hernández-López, “Medidas de productividad en los proyectos de desarrollo de software: una aproximación por puestos de trabajo,” Ph.D. thesis, Universidad Carlos III de Madrid, España, 2014. https://dialnet.unirioja.es/servlet/tesis?codigo=86091
• arrow_upward [10] C. Stylianou, and A. S. Andreou, “Investigating the Impact of Developer Productivity, Task Interdependence Type and Communication Overhead in a Multi-Objective Optimization Approach for Software Project Planning,” Adv. Eng. Softw., vol. 98, pp. 79–96, Aug. 2016. https://doi.org/10.1016/j.advengsoft.2016.04.001
• arrow_upward [11] F. Tavakoli, and T. J. Gandomani, “A Novel Team Productivity Model for XP Teams,” J. Cases Inf. Technol., vol. 20, no. 4, pp. 93–109, 2018. https://doi.org/10.4018/JCIT.2018100106
• arrow_upward [12] C. de O. Melo, and F. Kon, “Empirical Evaluation of Agile Practices Impact on Team Productivity BT - Agile Processes in Software Engineering and Extreme Programming,” in Lecture Notes in Business Information Processing, A. Sillitti, O. Hazzan, E. Bache, and X. Albaladejo, Eds., Berlin, Heidelberg: Springer Berlin Heidelberg, 2011, pp. 322–323. https://doi.org/10.1007/978-3-642-20677-1_26
• arrow_upward [13] V. A. Bollati, G. Gaona, P. B. Lima, and L. Cuenca Pletsch, “Software Development Teams: Factors Influencing their Productivity,” in 21st LACCEI International Multi-Conference for Engineering, Education, and Technology: Leadership in Education and Innovation in Engineering in the Framework of Global Transformations: Integration and Alliances for Integral Development, Buenos Aires, Argentina, Jul. 2023, Paper 1561. https://doi.org/10.18687/laccei2023.1.1.1561
• arrow_upward [14] M. Guerrero-Calvache, and G. Hernández, “Team productivity in agile software development: A systematic mapping study,” in Communications in Computer and Information Science, H. Florez, H. Gomez, Eds., Switzerland, Cham: Springer International Publishing, 2022, pp. 455–471. https://doi.org/10.1007/978-3-031-19647-8_32
• arrow_upward [15] M. Guerrero-Calvache, and G. Hernández, “Team Productivity factors in Agile Software Development: An Exploratory Survey with Practitioners BT - Applied Informatics,” in Communications in Computer and Information Science, H. Florez, and M. Leon, Eds., Switzerland, Cham: Springer Nature Switzerland, 2024, pp. 261–276. https://doi.org/10.1007/978-3-031-46813-1_18
• arrow_upward [16] M. Turić, S. Čelar, and S. Dragičević, “Productivity Factors in Agile Software Development Projects,” in Proceedings of the 34th DAAAM International Symposium, Vienna, Austria, 2023, pp. 0004–0008. https://doi.org/10.2507/34th.daaam.proceedings.001
• arrow_upward [17] I. Fatema, and K. Sakib, “Using Qualitative System Dynamics in the Development of an Agile Teamwork Productivity Model,” International Journal on Advances in Software, vol. 11, no. 12, pp. 170–185, Jul. 2018. https://www.researchgate.net/publication/326412693_Using_Qualitative_System_Dynamics_in_the_ Development_of_an_Agile_Teamwork_Productivity_Model
• arrow_upward [18] E. D. Canedo, and G. A. Santos, “Factors Affecting Software Development Productivity: An empirical study,” in Proceedings of the XXXIII Brazilian Symposium on Software Engineering, New York, NY, USA: Association for Computing Machinery, 2019, pp. 307–316. https://doi.org/10.1145/3350768.3352491
• arrow_upward [19]  J. Iqbal, M. Omar, and A. Yasin, “Defining Teamwork Productivity Factors in Agile Software Development,” Int. J. Adv. Sci. Eng. Inf. Technol., vol. 12, no. 3, p. 1160, May. 2022. https://doi.org/10.18517/ijaseit.12.3.13648
• arrow_upward [20] L. Machuca-Villegas, G. P. Gasca-Hurtado, S. M. Puente, L. Marcela, and R. Tamayo, “Factores sociales y humanos que influyen en la productividad del desarrollo de software: Medición de la percepción,” RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação, no. E41,pp. 488-502,Dec.2021. https://dialnet.unirioja.es/servlet/articulo?codigo=8610713
• arrow_upward [21] L. Machuca-Villegas, and G. P. Gasca-Hurtado, “Towards a Social and Human Factor Classification Related to Productivity in Software Development Teams,” in Trends and Applications in Software Engineering Advances in Intelligent Systems and Computing, J. Mejia, M. Muñoz, Á. Rocha, and A. J. Calvo-Manzano, Eds., Switzerland, Cham: Springer International Publishing, 2020, pp. 36–50. https://doi.org/10.1007/978-3-030-33547-2_4
• arrow_upward [22] L. Machuca-Villegas, G. P. Gasca-Hurtado, L. M. Restrepo Tamayo, and S. Morillo Puente, “Social and Human Factor Classification of Influence in Productivity in Software Development Teams,” in Communications in Computer and Information Science, M. Yilmaz, J. Niemann, P. Clarke, R. Messnarz, Eds., Switzerland, Cham: Springer International Publishing, 2020, pp. 717–729. https://doi.org/10.1007/978-3-030-56441-4_54
• arrow_upward [23] F. Fagerholm, M. Ikonen, P. Kettunen, J. Münch, V. Roto, and P. Abrahamsson, “How Do Software Developers Experience Team Performance in Lean and Agile Environments?,” in Proceedings of the 18th International Conference on Evaluation and Assessment in Software Engineering, New York, NY, USA: Association for Computing Machinery, 2014, pp. 1-10. https://doi.org/10.1145/2601248.2601285
• arrow_upward [24] L. Machuca-Villegas, G. P. Gasca-Hurtado, S. Morillo Puente, and L. M. Restrepo Tamayo, “An Instrument for Measuring Perception about Social and Human Factors that Influence Software Development Productivity,” JUCS - Journal of Universal Computer Science, vol. 27, no. 2, pp. 111–134, Feb. 2021. https://doi.org/10.3897/jucs.65102
• arrow_upward [25] K. Petersen, S. Vakkalanka, and L. Kuzniarz “Guidelines for conducting systematic mapping studies in software engineering,” Information and Software Technology, vol. 64, pp. 1–18, Aug. 2015. https://doi.org/10.1016/j.infsof.2015.03.007
• arrow_upward [26] H. Klein, and S. Canditt, “Using Opinion Polls to Help Measure Business Impact in Agile Development,” in Proceedings of the 1st International Workshop on Business Impact of Process Improvements (BiPi '08), New York, NY, USA: Association for Computing Machinery, 2008, pp. 25–32. https://doi.org/10.1145/1370837.1370843
• arrow_upward [27] E.-M. Ahmed, and A. Sidky, “25 percent Ahead of Schedule and just at “Step 2” of the SAMI,” in 2009 Agile Conference, Chicago, IL, USA, 2009, pp. 162-169. https://doi.org/10.1109/AGILE.2009.63
• arrow_upward [28] C. Ertaban, E. Sarikaya, and S. Bagriyanik, “Agile Performance Indicators for Team Performance Evaluation in a Corporate Environment,” in Proceedings of the 19th International Conference on Agile Software Development: Companion, New York, NY, USA: Association for Computing Machinery, 2018, pp. 1-3. https://doi.org/10.1145/3234152.3234156
• arrow_upward [29] A. O. Gadelsied, T. M. M. Elhassan, W. M. Mohamed, and H. M. Abushama, “Assessment method for Scrum culture within the Development team,” in 2020 International Conference on Computer, Control, Electrical, and Electronics Engineering (ICCCEEE), Khartoum, Sudan, 2021, pp. 1-6. https://doi.org/10.1109/ICCCEEE49695.2021.9429608
• arrow_upward [30] N. Abbas, A. M. Gravell, and G. B. Wills, “The Impact of Organization, Project and Governance Variables on Software Quality and Project Success,” in 2010 Agile Conference, Nashville, TN, USA, 2010, pp. 77-86. https://doi.org/10.1109/AGILE.2010.16
• arrow_upward [31] L. Brezocnik, and C. Majer, “Product Evaluation Through Contractor and In-House Metrics,” in Proceedings of the SQAMIA 2016: 5th Workshop of Software Quality, Analysis, Monitoring, Improvement, and Applications, Budapest, Hungary, Aug. 2016. https://ceur-ws.org/Vol-1677/paper02.pdf
• arrow_upward [32] Y. Dubinsky, and O. Hazzan, “The role of a project-based capstone course,” in Proceedings. 27th International Conference on Software Engineering, St. Louis, MO, USA, 2005, pp. 645-646. https://doi.org/10.1109/ICSE.2005.1553628
• arrow_upward [33] I. Signoretti, S. Marczak, L. Salerno, A. d. Lara, and R. Bastos, "Boosting Agile by Using User-Centered Design and Lean Startup: A Case Study of the Adoption of the Combined Approach in Software Development,” in 2019 ACM/IEEE International Symposium on Empirical Software Engineering and Measurement (ESEM), Porto de Galinhas, Brazil, 2019, pp. 1-6. https://doi.org/10.1109/ESEM.2019.8870154
• arrow_upward [34] B. Martens, and J. Franke, “Identifying Agile Roles in Software Engineering Projects using Repository and Work-Tracking Data,” in 2022 International Conference on Data and Software Engineering (ICoDSE), Denpasar, Indonesia, 2022, pp. 83-88. https://doi.org/10.1109/ICoDSE56892.2022.9971901
• arrow_upward [35] D. Wahyudin, M. Heindl, B. Eckhard, A. Schatten, and S. Biffl, “In-Time Role-Specific Notification as Formal Means to Balance Agile Practices in Global Software Development Settings,” in Balancing Agility and Formalism in Software Engineering, B. Meyer, J. R. Nawrocki, and B. Walter, Eds., Berlin, Heidelberg: Springer Berlin Heidelberg, 2008, pp. 208-222. https://doi.org/10.1007/978-3-540-85279-7_17
• arrow_upward [36] S. D. Vishnubhotla, E. Mendes, and L. Lundberg, “Designing a Capability-Centric Web Tool to Support Agile Team Composition and Task Allocation: A Work in Progress,” in 2018 IEEE/ACM 11th International Workshop on Cooperative and Human Aspects of Software Engineering (CHASE), Gothenburg, Sweden, 2018, pp. 41-44. https://ieeexplore.ieee.org/document/8445534
• arrow_upward [37] A. Agarwal, N. K. Garg, and A. Jain, “Quality assurance for Product development using Agile,” in 2014 International Conference on Reliability Optimization and Information Technology (ICROIT), Faridabad, India, 2014, pp. 44-47. https://doi.org/10.1109/ICROIT.2014.6798281
• arrow_upward [38] S. Čelar, M. Turić, and L. Vicković, “Method for personal capability assessment in agile teams using personal points,” in 2014 22nd Telecommunications Forum Telfor (TELFOR), Belgrade, Serbia, 2014, pp. 1134-1137. https://doi.org/10.1109/TELFOR.2014.7034607
• arrow_upward [39] E. Mendes, D. Viana, S. D. Vishnubhotla, and L. Lundberg, “Realising Individual and Team Capability in Agile Software Development: A Qualitative Investigation,” in 2018 44th Euromicro Conference on Software Engineering and Advanced Applications (SEAA), Prague, Czech Republic, 2018, pp. 183–190. https://doi.org/10.1109/SEAA.2018.00037
• arrow_upward [40] S. Downey, and J. Sutherland, “Scrum Metrics for Hyperproductive Teams: How They Fly like Fighter Aircraft,” in 2013 46th Hawaii International Conference on System Sciences, Wailea, HI, USA, 2013, pp. 4870-4878. https://doi.org/10.1109/HICSS.2013.471
• arrow_upward [41] E. Scott, K. N. Charkie, and D. Pfahl, “Productivity, Turnover, and Team Stability of Agile Teams in Open-Source Software Projects,” in 2020 46th Euromicro Conference on Software Engineering and Advanced Applications (SEAA), Portoroz, Slovenia, 2020, pp. 124-131. https://doi.org/10.1109/SEAA51224.2020.00029
• arrow_upward K. M. Bumbary, “Using Velocity, Acceleration, and Jerk to Manage Agile Schedule Risk,” 2016 International Conference on Information Systems Engineering (ICISE), Los Angeles, CA, USA, 2016, pp. 73-80. https://doi.org/10.1109/ICISE.2016.21
• arrow_upward [43] F. Almeida, and P. Carneiro, “Performance metrics in scrum software engineering companies,” International Journal of Agile Systems and Management, vol. 14, no. 2, pp. 205-2023, Sep. 2021. https://doi.org/10.1504/IJASM.2021.10041601
• arrow_upward [44] S. Vazifeh-Noshafagh, V. Hajipour, S. Jalali, D. Di Caprio, and F. J. Santos-Arteaga, “Maturing the Scrum Framework for Software Projects Portfolio Management: A Case Study-Oriented Methodology,” IEEE Access, vol. 10, pp. 123283–123300, Nov. 2022. https://doi.org/10.1109/ACCESS.2022.3224447
• arrow_upward [45] S. L. Ramírez-Mora, and H. Oktaba, “Team Maturity in Agile Software Development: The Impact on Productivity,” in 2018 IEEE International Conference on Software Maintenance and Evolution (ICSME), Madrid, Spain, 2018, pp. 732-736. https://doi.org/10.1109/ICSME.2018.00091
• arrow_upward [46] L. Fitzpatrick, “The Role of Emotional Intelligence in Agile Project Management,” in 2022 Portland International Conference on Management of Engineering and Technology (PICMET), Portland, OR, USA, 2022, pp. 1-9. https://doi.org/10.23919/PICMET53225.2022.9882795
• arrow_upward [47] A. Alhubaishy, and L. Benedicenti, “Affect and Affective Trust in Agile Requirements Engineering,” in 2018 1st International Workshop on Affective Computing for Requirements Engineering (AffectRE), Banff, AB, Canada, 2018, pp. 9-12. https://doi.org/10.1109/AffectRE.2018.00007
• arrow_upward [48] A. Mashmool, S. Khosravi, J. H. Joloudari, I. Inayat, T. J. Gandomani, and A. Mosavi, “A Statistical Model to Assess the Team’s Productivity in Agile Software Teams,” in 2021 IEEE 4th International Conference and Workshop Óbuda on Electrical and Power Engineering (CANDO-EPE), Budapest, Hungary, 2021, pp. 11-18. https://doi.org/10.1109/CANDO-EPE54223.2021.9667902
• arrow_upward [49] W. Alsaqaf, M. Daneva, and R. Wieringa, “Agile Quality Requirements Engineering Challenges: First Results from a Case Study” in 2017 ACM/IEEE International Symposium on Empirical Software Engineering and Measurement (ESEM), Toronto, ON, Canada, 2017, pp. 454-459. https://doi.org/10.1109/ESEM.2017.61
• arrow_upward [50] W. M. Farid, and F. J. Mitropoulos, “NORMATIC: A visual tool for modeling Non-Functional Requirements in agile processes,” in 2012 Proceedings of IEEE Southeastcon, Orlando, FL, USA, 2012, pp. 1-8. https://doi.org/10.1109/SECon.2012.6196989
• arrow_upward [51] B. Kumar, U. K. Tiwari, D. C. Dobhal, and H. S. Negi, “User Story Clustering using K-Means Algorithm in Agile Requirement Engineering,” in 2022 International Conference on Computational Intelligence and Sustainable Engineering Solutions (CISES), Greater Noida, India, 2022, pp. 1-5. https://doi.org/10.1109/CISES54857.2022.9844390
• arrow_upward[52] M. Oriol et al., “Data-driven and tool-supported elicitation of quality requirements in agile companies,” Software Quality Journal, vol. 28, no. 3, pp. 931–963, Sep. 2020.https://doi.org/10.1007/s11219-020-09509-y
• arrow_upward [53] I. Wentzlaff, “Establishing a Requirements Baseline by Functional Size Measurement Patterns,” in CEUR Joint Proceedings of the REFSQ 2017 Co-Located Events: 1st International Workshop on Requirements Prioritization and Enactment, vol. 1796, Feb. 2017. https://ceur-ws.org/Vol-1796/priore-paper-1.pdf
• arrow_upward [54] M. Silva et al., “A Comparative Analysis of Agile Teamwork Quality Models,” in 2021 International Conference on Software, Telecommunications and Computer Networks (SoftCOM), Split, Hvar, Croatia, 2021, pp. 1-6. https://doi.org/10.23919/SoftCOM52868.2021.9559062
• arrow_upward [55] A. Poth, M. Kottke, and A. Riel, “Evaluation of Agile Teamwork Quality,” in Agile Processes in Software Engineering and Extreme Programming -- Workshops, M. Paasivaara and P. Kruchten, Eds., Switzerland, Cham: Springer International Publishing, 2020, pp. 101–110. https://doi.org/10.1007/978-3-030-58858-8_11
• arrow_upward [56] A. Poth, M. Kottke, and A. Riel, “Agile Teamwork Quality in the Context of Agile Transformations - A Case Study in Large-Scaling Environments,” in Systems, Software and Services Process Improvement, M. Yilmaz, J. Niemann, P. Clarke, and R. Messnarz, Eds., Switzerland, Cham: Springer International Publishing, 2020, pp. 232–243. https://doi.org/10.1007/978-3-030-56441-4_17
• arrow_upward [57] A. Freire, M. Perkusich, R. Saraiva, H. Almeida, and A. Perkusich, “A Bayesian networks-based approach to assess and improve the teamwork quality of agile teams,” Inf Softw Technol., vol. 100, pp. 119–132, Aug. 2018. https://doi.org/10.1016/j.infsof.2018.04.004
• arrow_upward [58] M. Silva, A. Freire, M. Perkusich, K. Gorgônio, H. Almeida, and A. Perkusich, “On the Influence of Different Perspectives on Evaluating the Teamwork Quality in the Context of Agile Software Development,” in Proceedings of the XXXIV Brazilian Symposium on Software Engineering, New York, NY, USA: Association for Computing Machinery, 2020, pp. 1-10. https://doi.org/10.1145/3422392.3422397
• arrow_upward [59] S. Coyle, and J. Barata, “Socially-constructed metrics for Agile Quality: An Action Research Study,” in Australasian Conference on Information Systems, Wollongong, Australia, 2016. https://aisel.aisnet.org/acis2016/70
• arrow_upward [60] C. Matthies, “Agile Process Improvement in Retrospectives,” in 2019 IEEE/ACM 41st International Conference on Software Engineering: Companion Proceedings (ICSE-Companion), Montreal, QC, Canada, 2019, pp. 150-152. https://doi.org/10.1109/ICSE-Companion.2019.00063
• arrow_upward [61] F. Kortum, J. Klünder, O. Karras, W. Brunotte, and K. Schneider, “Which Information Help agile Teams the Most? An Experience Report on the Problems and Needs,” in 2020 46th Euromicro Conference on Software Engineering and Advanced Applications (SEAA), Portoroz, Slovenia, 2020, pp. 306-313. https://doi.org/10.1109/SEAA51224.2020.00058
• arrow_upward [62] L. Gren, “Learning More from Crossing Levels: Investigating Agility at Three Levels of the Organization,” in 2017 International Conference on Computational Science and Computational Intelligence (CSCI), Las Vegas, NV, USA, 2017, pp. 1035-1038. https://doi.org/10.1109/CSCI.2017.179
• arrow_upward [63] E. A. Arteaga Castillo, “Factores y estrategias basadas en software libre que propician el aprendizaje organizacional en el área de tecnología de la Universidad de Nariño,” M.S. tesis, Universidad Autónoma de Bucaramanga, 2018. [Online]. Available: https://repository.unab.edu.co/handle/20.500.12749/3428