| Yhteenveto: | Tämän pro gradu -tutkielman lähtökohta oli tutkia, miten joukkoistamista voidaan käyttää vaatimusmäärittelyssä. Kirjallisuuskatsauksen lisäksi luotiin joukkoistetun vaatimusmäärittelyn malli sekä tehtiin tapaustutkimus KoiraNet jalostustietojärjestelmän MH-luonnekuvausta koskevaan dataan liittyvien käyttötarpeiden selvittämisestä ja joukkoistetusta vaatimusmäärittelystä. Joukkoistaminen tapahtui projektia varten luodussa Facebook-ryhmässä, johon saatiin avoimella kutsulla kaikkiaan 107 jäsentä. Tutkimuksen tuloksiin lukeutui paitsi kerätyt vaatimukset, myös joukon aktiivisuudesta tehdyt määrälliset havainnot. Joukkoistamalla kerättyjen vaatimusten laadun arvioimiseksi suoritettiin erilliset kolme haastattelua, joilla kerättiin vastaavat vaatimukset samasta järjestelmän osasta. Tutkimuksella pyrittiin siis arvioimaan joukkoistamisen edellytyksiä järjestelmän vaatimusten esille saamiseksi ja priorisoimiseksi verrattuna tavanomaiseen menetelmään. Tutkimuksen tuloksista huomattiin, että joukkoistaminen soveltui käytettäväksi vaatimusmäärittelyssä ja Facebook joukkoistamisalustaksi, vaikkakin tietyin varauksin. Joukon ja asiantuntijoiden vaatimuksista vain osa oli samoja, joten tutkimuksen perusteella nämä menetelmät täydensivät toisiaan. Organisaatiossa pidettiin kuitenkin joukolta saatuja vaatimuksia arvokkaampina kuin asiantuntijahaastatteluilla kerättyjä. Joukkoistaminen vaati kuitenkin joukkoistajalta aktiivista läsnäoloa ryhmässä ja suuren luottamuksen joukkoa kohtaan, jotta tuloksia saatiin. Joukkoistaminen ei siis tämän tutkimuksen perusteella ollut yksinkertainen vaatimusmäärittelyn keino, mutta joukolta voitiin saada erittäin arvokasta tietoa todellisista käyttötarpeista.
This thesis is based on the idea that crowdsourcing can be used as a tool for requirements engineering process. Besides literary research on the topic, and drawing a model for crowdsourced requirements engineering, a case study was conducted about crowdsourcing requirements and user needs for usage of behavioural data on KoiraNet breeding database. A Facebook group was founded for the project and with an open call there were eventually 107 members in the crowd. The findings of this study consists of the requirements themselves and the quantitative data from the observation of the group’s activities. For assessing the requirements provided by the crowd, three separate interviews were made to experts to elicit the requirements for the same part of the system. The aim was to compare the crowdsourced requirements elicitation and priori-tization to a more traditional method. The results showed that crowdsourcing is a potential technique for requirements engineering and Facebook can be used as crowdsourcing platform, although with certain condition. Only part of the requirements from the crowd and the experts were the same, so the conclusion of this study is that the methods are complementary to each other. The organization though valued higher the requirements from the crowd. Crowdsourcing required an active participation from the crowdsourcer and a lot of trust to-wards the crowd to get results. Therefore this study concludes that crowdsourc-ing is not an easy method for requirements engineering, although it gave a great opportunity to gain highly valuable information of the real user needs.
|
|---|