Cara DevGhost menilai produktivitas pengembang

Ukuran perubahan bukanlah jumlah pekerjaan

Menambahkan library siap pakai dapat memakan waktu beberapa menit dan menghasilkan ribuan baris tambahan. Namun, perubahan perilaku kecil di beberapa file mungkin memerlukan pemahaman dependensi, perancangan solusi, dan pemeriksaan yang cermat. DevGhost memperkirakan pekerjaan rekayasa di balik suatu perubahan, sehingga aktivitas yang terlihat tidak dianggap sebagai kontribusi.

Machine learning yang berpijak pada kode

DevGhost menggabungkan machine learning dan jaringan saraf miliknya sendiri dengan analisis struktural perubahan Git dan algoritma khusus. Bersama-sama, semuanya memperkirakan upaya kognitif pada skala pengembang acuan yang sama.

DevGhost tidak menggunakan LLM untuk menganalisis kode. Model terlatih miliknya sendiri dan algoritma menghitung perkiraan.

• Analisis mempertimbangkan suatu perubahan dalam konteks kode yang sudah ada, termasuk hubungan antarbagian yang berubah dan tanda-tanda penggunaan kembali.
• Perubahan mekanis yang dikenali dan artefak yang dihasilkan diperlakukan secara terpisah, sehingga volumenya tidak dianggap sebagai pekerjaan rekayasa baru.
• Kode substantif yang ditulis dengan bantuan AI dinilai pada skala yang sama. Yang penting adalah hasil yang disampaikan dalam kode.

Dua perubahan, pekerjaan yang berbeda

Commit publik ini menunjukkan mengapa ukuran diff saja tidak cukup untuk menilai kontribusi.

Arti jam acuan

Acuannya adalah pengembang tingkat menengah dengan pengalaman 3-4 tahun yang memahami proyek dan bekerja tanpa AI. Perkiraan mencakup pekerjaan yang diperlukan untuk memahami kode yang relevan, merancang dan menerapkan solusi, memeriksanya, dan melakukan koreksi yang diperlukan. Pengujian mandiri termasuk di dalamnya: menjalankan pengujian yang sesuai dan menafsirkan hasilnya, memeriksa perilaku secara manual bila diperlukan, serta meninjau perubahan sendiri sebelum selesai.

Skala bersama ini memungkinkan Anda membandingkan kontribusi dan mengikuti perubahan dari waktu ke waktu. Jam acuan menggambarkan perkiraan pekerjaan yang diwakili oleh kode, bukan lamanya waktu yang benar-benar dihabiskan penulisnya.

Dari jam acuan ke Ghost%

Distribusi perkiraan sepanjang waktu didasarkan pada riset empiris dan pengukuran praktis. DevGhost menggunakan skala acuan bersama untuk membandingkan hasil. Ghost% menunjukkan keluaran relatif terhadap baseline, dengan memperhitungkan Share dan metode penghitungan hari yang dipilih. Pada 100%, keluaran sesuai dengan baseline; di atas 100%, keluaran melampauinya. Bantuan AI dapat menjadi salah satu penyebab, tetapi angka itu sendiri tidak membuktikan penggunaan AI.

Rumus, Share, Spread, dan FTE

Pertimbangkan konteksnya

Lihatlah hasil yang berkelanjutan selama beberapa periode, lalu periksa perubahan dan tanggung jawab orang tersebut. DevGhost tidak mengukur jam kerja sebenarnya, kualitas kode, atau seluruh nilai profesional seorang pengembang. Pekerjaan di luar perubahan yang dianalisis juga penting. Keputusan kepegawaian memerlukan penilaian manusia yang independen dan substantif; Ghost% tidak boleh menjadi satu-satunya atau dasar utamanya.

Periksa riwayat proyek yang Anda kenal

Pilih repositori dan periode yang hasil timnya Anda kenal dengan baik. Bandingkan penilaian DevGhost dengan pengalaman Anda: siapa yang memberikan kontribusi kuat, di mana pengembangan terus-menerus tidak memenuhi harapan, dan tugas sulit mana yang tidak terlihat dalam statistik aktivitas. Buka setiap perubahan dan periksa kecocokan serta perbedaannya. Dengan begitu, Anda dapat menilai kegunaan sistem bagi keputusan manajemen menggunakan pekerjaan yang sudah Anda kenal.

Periksa proyek yang Anda kenal