AI (YZ) teknikleri kullanılarak küresel yazılım geliştirmede kültürlerarası sorunların öngörülebilir analizi

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. Anahtar kelimeler: Kültürlerarası Zorluklar, Küresel Yazılım Geliştirme, Tahminleme Analizi, Makine Öğrenmesi, AI-Odaklı Çözümler.