Yazılım geliştirme ve yönetimi yaşam döngüsünün blokzincir ağ modeli ile oyun teorisi kullanarak izlenebilirliğin ve şeffaflığın güçlendirilmesi
Enhancing traceability and transparency in the software development and management life cycle using a blockchain network model and game theory
- Tez No: 1007454
- Danışmanlar: DR. ÖĞR. ÜYESİ ALİ NİZAM
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Hibrid algoritmalar, Mimari yazılımlar, Yapay zeka, Çevik proje yönetimi, Öğrenme algoritmaları, Hybrid algorithms, Architectural softwares, Artificial intelligence, Agile project management, Learning algorithms
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fatih Sultan Mehmet Vakıf Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çevik Scrum süreçlerinde hikâye puanlarının doğru tahmini, iterasyon (sprint) planlama, kapasite yönetimi ve ekip yük dengelemesi için kritik öneme sahiptir; ancak geleneksel poker planlama (planning-poker) uygulamaları örtük bilgiye, bireysel önyargılara ve zamanla kaybolan kurumsal hafızaya dayanmaktadır. Bu tezde üç nesil derin öğrenme tabanlı tahmin sistemi ardışık olarak tasarlanmakta ve karşılaştırılmaktadır. İlk aşamada, genişletilmiş konumsal kodlama ve model başında çok-ajanlı ağırlıklandırma şeması kullanan, uzmanlaşmış transformer ajanlarından oluşan bir mimari geliştirilmiş; 8 açık kaynak projeden elde edilen 12.017 hikâye kaydı üzerinde standart BERT'e göre yaklaşık %66,1 göreli doğruluk artışı sağlanmıştır. İkinci aşamada, her ekip üyesinin kendi geçmiş atamalarıyla ince ayar yapılmış kişiselleştirilmiş bir transformer ajanı olarak modellendiği, iteratif konsensüs temelli çalışan çok-ajanlı bir uzlaşı sistemi sunulmaktadır. Ajanlar tahminlerini paylaşmakta, dinamik bir uzlaşı skoru hesaplanmakta; uzlaşı yüksek olduğunda tahmin sabitlenmekte, düşük olduğunda ise konsensus ağırlıklı bir kayıp fonksiyonu ile ajanlar birbirlerinden rehberlik alarak yeniden eğitilmektedir. Eşzamanlı olarak, çıkarılmış ortak bilgiyi uzun ömürlü bir bilgi deposu olarak saklayan bir konsensus modeli tutulmakta ve 23.300 kurumsal görev ile 16 projelik açık kaynak kümesi üzerinde %74–%78 aralığında doğruluk elde edilmektedir; bu yapı, uzlaşı olmayan (no-consensus), birleştirilmiş öğrenme (federated learning), çok ajanlı pekiştirmeli öğrenme (MARL) ve spektral beklenti-maksimizasyonu (expectation-maximization) yaklaşımlarına göre sırasıyla yaklaşık %19, %35, %22 ve %8 oranında daha yüksek doğruluk sunmaktadır. Üçüncü aşamada, hikâye puanı tahminine davranış özellikli oyun teorisi ve blokzincir temelli bir ajan bazlı anlaşma mekanizması entegre edilmektedir: Vickrey benzeri ikinci fiyatlı atama, risk ayarlı hedge bileşenleri, uygun puanlama kuralı ve koalisyon/Shapley analizleri ile ajanlar için dürüst ve tutarlı tahmin davranışı teşvik uyumlu hale getirilmekte; tüm uzlaşı adımları ve atama kararları akıllı kontrat üzerinden değiştirilemez biçimde kaydedilmektedir. Bu yeni mekanizma, ikinci nesil uzlaşı sistemine kıyasla tüm eşiklerde yaklaşık %6 ek doğruluk artışı sağlayarak %82 başarı ile yazılım geliştirme ve yönetiminde şeffaflık ve izlenebilirliği güçlendiren hem performans hem de denetlenebilirlik açısından dağıtık, güvenilir ve uygulanabilir bir hikâye puanı tahmin çerçevesi sunmaktadır.
Özet (Çeviri)
In agile Scrum processes, accurate estimation of story points is critical for sprint planning, capacity management, and team workload balancing; however, traditional planning-poker practices rely on tacit knowledge, individual biases, and institutional memory that decays over time. In this thesis, three generations of deep learning–based estimation systems are designed sequentially and compared. In the first stage, an architecture composed of specialized transformer agents is developed, employing extended positional encoding and a multi-agent weighting scheme at the model head; on 12,017 story records obtained from 8 open-source projects, this architecture achieves approximately 66.1% relative accuracy improvement over standard BERT. Secondly, a multi-agent consensus system operating in an iterative consensus-based system is proposed, where each team member is modeled as a personalized transformer agent fine-tuned with their own historical assignments. Agents share their predictions and a dynamic consensus score is computed; when consensus is high, the prediction is fixed, whereas when consensus is low, the agents are retrained via a consensus-weighted loss function, allowing them to learn from each other's guidance. In parallel, a consensus model that stores the extracted shared knowledge as a long-lived knowledge repository is maintained, achieving 74–78% accuracy over 23,300 enterprise tasks and a 16-project open-source corpus. This setup yields roughly 19%, 35%, 22%, and 8% higher accuracy compared to no-consensus, federated learning, multi-agent reinforcement learning, and spectral expectation–maximization approaches, respectively. Thirdly, behavior-aware game theory and a blockchain-based agent agreement mechanism are integrated into story point estimation. Using Vickrey-like second-price allocation, risk-adjusted hedge components, proper scoring rules, and coalition/Shapley analyses, honest and consistent forecasting behavior is made incentive-compatible for agents, while all consensus steps and assignment decisions are recorded immutably via smart contracts. Compared to the our consensus system, this new mechanism provides an additional ~6% accuracy gain across all thresholds, reaching 82% accuracy and offering a distributed, trustworthy, and practically deployable story point estimation framework that enhances transparency and traceability in software development and management, both in terms of performance and auditability.
Benzer Tezler
- Assessing application lifecycle management potentials: An exploratory industrial case study
Uygulama yaşam döngüsü yönetimi potansiyellerinin değerlendirilmesi: Endüstriyel araştırma çalışması
ZÜLEYHA AKGÜN GENÇER
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT YILMAZ
- A fuzzy multi criteria decision making approach to software life cycle model selection
Yazılım yaşam döngüsü modeli seçimi için bir bulanık çok kriterli karar verme yaklaşımı
MÜMİN HİÇDURMAZ
Yüksek Lisans
İngilizce
2011
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN EVREN
- Towards an auction-based reward mechanism for effective bug resolution
Etkili hata çözümü için ihale tabanlı ödüllendirme mekanizması
ÇAĞDAŞ ÜSFEKES
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT YILMAZ
DR. ERAY TÜZÜN
- Kurumsal uygulamalarda devops kültürünün benimsenmesi ve altyapı otomasyonu süreçlerinin iyileştirilmesi
Adoption of devops culture in enterprise applications and improvement of infrastructure automation processes
BAYRAKTAR KARAGÖZ
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiBilecik Şeyh Edebali ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÜMİT ÇİĞDEM TURHAL
- Effective software bug localization using information retrieval and machine learning algorithms
Bilgi geri getirimi ve makine öğrenmesi algoritmalarını kullanarak yazılımda hata konumlandırılması
MUSTAFA ERŞAHİN
Doktora
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEMİH UTKU