طراحی مدل مفهومی ارزیابی عملکرد توسعه‌دهندگان نرم‌افزار در سازمان‌های فین‌تکی

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه مدیریت دولتی، پردیس بین‎الملل کیش، دانشگاه تهران، جزیره کیش، ایران.

2 دانشیار، گروه رهبری و سرمایه انسانی، دانشکده مدیریت دولتی و علوم سازمانی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.

10.22059/jipa.2024.373088.3476

چکیده

هدف: توسعه‌دهندگان نرم‌افزار در رتبه‌های برتر یک سازمان فین‌تکی قرار دارند و بخش عمده‌ای از هزینه سرمایه انسانی، صرف توسعه‌دهندگان نرم‌افزار می‌شود. پیچیدگی ابزارهای توسعۀ نرم‌افزار، نحوۀ کاربست دانش، نوع نگرش به کار، سطح تعامل و نحوۀ توزیع افراد در تیم‌ها و تفاوت در رفتار و شخصیت، موجب شده است تا مدیریت عملکرد توسعه‌دهندگان نرم‌افزار، به امری متفاوت و چالش‌برانگیز در سازمان‌های فین‌تک بدل شود. اغلب سازمان‌های فین‌تکی در روابط خود با توسعه‌دهندگان نرم‌افزار، همواره دچار چالش بوده‌اند و جابه‎جایی‌ها و ترک سازمان‌های زیادی را تجربه کرده‌اند. این مسئله از یک‌سو با انتقال دانش و تجارب به بیرون از سازمان، موجب تضعیف توانمندی و موقعیت رقابتی می‌شود و از سوی دیگر، نارضایتی ذی‌نفعان و هدررفت منابع مالی و اعتباری فین‌تک را به‌دنبال دارد. یکی از دلایل بروز این مسئله، شناسایی‌نکردن معیارهای عملکردی توسعه‌دهندگان نرم‌افزار در فین‌تک است. با توجه به آنچه بیان شد، پژوهش حاضر درصدد شناسایی مؤلفه‌های مؤثر بر عملکرد توسعه‌دهندگان نرم‌افزار و ارائۀ مدل مفهومی برای ارزیابی عملکرد آنان در سازمان‌های فین‌تکی بوده است.
روش: پژوهش حاضر در چارچوب پارادایم تفسیری با رویکردی استقرایی و راهبردی پدیدارشناسی، تجربه‌های زیستی توسعه‌دهندگان نرم‌افزار را بررسی کرده است. در این پژوهش ۱۲ مصاحبۀ نیمه‌ساختاریافته و عمیق با توسعه‌دهندگان نرم‌افزار انجام شد. این افراد به روش نمونه‌برداری گلوله برفی انتخاب شده بودند. برای تجزیه‌وتحلیل داده‌های استخراج‌شده از مصاحبه‌ها، از روش تحلیل محتوا و نرم‌افزار مکس‌کیودا استفاده شد. همچنین با استفاده از روش دلفی فازی و نظرسنجی از گروه خبرگان طی دو مرحله، به تأیید و رتبه‌بندی مؤلفه‌های احصا شده اقدام شد. جامعۀ آماری در مرحله دلفی فازی، خبرگان رشته مهندسی نرم‌افزار بود که از بین آن‌ها ۱۰ نفر به‌عنوان نمونه با روش نمونه‌گیری هدفمند انتخاب شد.
یافته‌ها: در این پژوهش تعداد ۱۹۷ کد اولیه از عبارات معنایی استخراج و در ۱۲ تم فرعی طبقه‌بندی شد که به‌ترتیب اولویت عبارت‌اند از: همکاری تیمی، کیفیت نرم‌افزار تولیدشده، رضایت مشتریان، مهارت مستندسازی، مشارکت در تسهیم دانش، تعهد به زمان‌بندی، تسلط بر ابزارهای تولید، مشارکت در تحقق اهداف، رعایت مقررات سازمانی، رعایت استانداردهای فنی، توانایی حل مسئله، دفعات بازنویسی نرم‌افزار. همچنین معیارها در سه بُعد فنی، فردی و سازمانی دسته‌بندی شدند.
نتیجه‌گیری: پژوهش حاضر بر مبنای تجربۀ زیستۀ توسعه‌دهندگان نرم‌افزار صورت پذیرفته است. یافته‌های پژوهش، بر این امر دلالت دارد که مؤلفه‌های غیرفنی در ارزیابی عملکرد از وزن و اهمیت بیشتری برخوردارند. از آنجایی که قریب به‌اتفاق تعارض‌های سازمانی و نارضایتی در فین‌تک‌ها، ازعدم شفافیت در تعهدهای مالی و غیرمالی میان توسعه‌دهندگان نرم‌افزار و فین‌تک‌ها نشئت می‌گیرد، وجود معیارهایی که موردتوافق ذی‌نفعان باشد، بر ارتقای رضایتمندی، نگهداشت و بهبود عملکرد توسعه‌دهندگان نرم‌افزار تأثیرگذار خواهد بود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Designing a Conceptual model for Evaluating the Performance of Software Developers in Fintech Organizations

نویسندگان [English]

  • Hassan Javadi 1
  • Fereshteh Amin 2
1 PhD Candidate, Department of Public Management, Kish Campus, University of Tehran, Kish, Iran.
2 Associate Prof., Department of Leadership and Human Capital, Faculty of Public Administration and Organizational Sciences, College of Management, University of Tehran, Tehran, Iran.
چکیده [English]

Objective
Software developers occupy top ranks within fintech organizations, representing a significant portion of human capital costs. The complexity of software development tools, the application of specialized knowledge, diverse work attitudes, varying levels of interaction, team distribution, and individual differences in behavior and personality all contribute to making the performance management of software developers a distinct and challenging task in fintech organizations. Many fintech organizations consistently face challenges in their relationships with software developers, leading to a high turnover rate. This turnover not only results in the loss and transfer of valuable knowledge and experience outside the organization, thereby weakening its competitive position, but also causes stakeholder dissatisfaction and a significant waste of financial and credit resources. One of the primary reasons for these challenges is the absence of well-defined performance criteria tailored specifically to software developers in fintech. Although various studies have explored certain aspects of performance criteria, no comprehensive and integrated study has been undertaken in this regard. Consequently, this research endeavors to identify and analyze the effective components for evaluating the performance of software developers in fintech organizations.
Methods
This research examines the lived experiences of software developers within the framework of an interpretative paradigm using an inductive and strategic phenomenological approach. Twelve semi-structured, in-depth interviews were conducted with software developers who were selected through a snowball sampling method. The data extracted from these interviews were analyzed using the content analysis method, with the assistance of Maxqda software. In addition, the fuzzy Delphi method, coupled with a two-stage expert survey, was employed to confirm and rank the identified components. The statistical population during the fuzzy Delphi phase comprised 10 software engineering experts, who were selected through purposive sampling based on their expertise and experience in the field.
Results
This research identified 197 primary codes from the semantic expressions gathered during the interviews, which were subsequently categorized into 12 sub-themes. These sub-themes, listed in order of priority, include teamwork, quality of produced software, customer satisfaction, documentation skills, participation in knowledge sharing, commitment to scheduling, mastery of production tools, participation in goal realization, compliance with organizational regulations, adherence to technical standards, problem-solving ability, and frequency of software rewriting. These criteria were further classified into three overarching dimensions: technical, individual, and organizational. The findings underscore the intricate nature of performance evaluation, highlighting the multifaceted factors that must be considered when assessing the effectiveness of software developers in fintech settings.
Conclusion
Based on the life experiences and insights of software developers, the research findings indicate that non-technical components, such as teamwork and customer satisfaction, carry more weight and importance in performance evaluation compared to purely technical skills. The occurrence of organizational conflicts and dissatisfaction in fintechs is often rooted in the lack of transparency regarding financial and non-financial obligations between software developers and fintech organizations. Therefore, establishing clear, agreed-upon performance criteria among all stakeholders can significantly improve satisfaction, retention, and overall performance of software developers. This approach not only enhances organizational stability but also contributes to the long-term success and competitiveness of fintech organizations.

کلیدواژه‌ها [English]

  • Performance evaluation
  • Software developers
  • Fintech
ایمانی، حسین؛ قلی‌پور، آرین؛ آذر، عادل؛ پورعزت، علی ‌اصغر (1398). شناسایی مؤلفه‌های سیستم تأمین منابع انسانی در راستای ارتقای سلامت نظام اداری. مدیریت دولتی، 11(2)، 251-284.
بانک مرکزی جمهوری اسلامی ایران (1396) سیاست بانک مرکزی جمهوری اسلامی ایران در خصوص فناوری مالی، ویرایش 0 / 1، 12 / 7 / 96.
سهرابی، شهلا؛ نمازی، سمانه (1399). موانع بهره‌وری در سازمان‌های دولتی. مدیریت دولتی، 12(3)، 528- 549.
فرهنگی، علی‌اکبر؛ سلطانی فر، محمد؛ محکمی، علی‌اصغر؛ دانایی، ابوالفضل (1392). معرفی نظام ارزیابی عملکرد مبتنی بر نقشه راهبردی، مدیریت دولتی، 5 (4)، 175- 200.
قلی‌پور، آرین (1392). مدیریت منابع انسانی (مفاهیم، تئوری‌ها، کاربردها)، انتشارات سمت، تهران.
قلی‌پور، آرین (1402). سخن سردبیر، مدیریت عملکرد کامل، مدیریت دولتی، 15(1)، 1-11.
منوریان، عباس (1399). مدیریت کارکنان دانشی (مدیریت منابع انسانی پیشرفته)، انتشارات دانشگاه تهران، تهران.
 
 
References
Anand, A., Centobelli, P. Cerchione, R. (2020). Why should I share knowledge with others? A review based framework on events leading to knowledge hiding. Journal of Organizational Change Management, 33(2), 379-399. https://doi.org/10.1108/jocm-06-2019-0174
Arner, D. W., Barberis, J., & Buckley, R. P. (2015). The Evolution of Fintech: A New Post-Crisis Paradigm? (October 1, 2015). University of Hong Kong Faculty of Law Research Paper No. 2015/047, UNSW Law Research Paper No. 2016-62.
Barney, J. B. & Wright, P. M. (1998). On becoming a strategic partner: The role of human resources in gaining competitive advantage. Human Resource Management, 37(1), 31.
Bojanova, I. & Galhardo, C. (2023). Bug, fault, error, or weakness: demystifying software security vulnerabilities. IT Professional, 25(1), 7–12. https://doi.org/10.1109/mitp.2023.3238631
Braun, V. & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
Braun, V. & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative research in psychology, 3(2), 77-101.
Cavalli, S. & Ortolano, L. (1984). Delphi Forecasts of Land Use: Transportation interactions. Journal of Transportation Engineering, 110(3), 324–339. https://doi.org/10.1061/(asce)0733-947
CBI- The policy of the central bank of the Islamic republic of Iran regarding financial technology. (2017). (in Persian)
Cheng, C. H. & Lin, Y. (2002). Evaluating the Best Main Battle Tank Using Fuzzy Decision Theory with Linguistic Criteria Evaluation. European Journal of Operational Research, 142, 74-86.
Cotroneo, D., De Simone, L., Liguori, P., Natella, R. & Bidokhti, N. (2019, August). How bad can a bug get? an empirical analysis of software failures in the openstack cloud computing platform. In Proceedings of the 2019 27th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering (pp. 200-211).
Dingsøyr, T., Fægri, T. E., Dybå, T., Haugset, B., & Lindsjørn, Y. (2016). Team performance in software development: research results versus agile principles. IEEE software, 33(4), 106-110.
Dulaji, H., Grundy, J., Hoda, R. & Mueller, I. (2023). The influence of human aspects on requirements Engineering-related activities: software practitioners’ perspective. ACM Transactions on Software Engineering and Methodology, 32(5), 1–37. https://doi.org/10.1145/3546943
Făgărăşan, C., Cristea, C., Cristea, M., Popa, O., Mihele, C. & Pîslă, A. (2022). Key performance indicators used to measure the adherence to the iterative software delivery model and policies. IOP Conference Series: Materials Science and Engineering, 1256(1), 012038. https://doi.org/10.1088/1757-899x/1256/1/012038
Farhangi, A., Soltanifar, M., Mehkami, A. & Danaee, A. (2013). Introducing the performance evaluation system based on the strategic plan, Journal of Public Administration, 5(4), 175. 200. (in Persian)
Gholipour, A. (2013). Human Resource Management (Concepts, Theories, Applications), Samt Publications, Tehran. (in Persian)
Gholipour, A. (2023). Editor's note: Full performance management. Journal of Public Administration, 15(1), 1-11. doi: 10.22059/jipa.2023.91942 (in Persian)
Graziotin, D. & Fagerholm, F. (2019). Happiness and the productivity of software engineers. In Rethinking Productivity in Software Engineering (pp. 109-124). Apress, Berkeley, CA.
Heaslip, E. (2022). Best KPIs to Measure Performance Success of Software Developers in 2022. https://www.index.dev/post/best-kpis-to-measure-performance-success-of-software-developers.
Hutapea, R. S. (2020). The Effect of Financial Technology (Fin-Tech) on customer Satisfaction Level (A case study on SMES). Proceedings of the International Seminar of Science and Applied Technology (ISSAT 2020). https://doi.org/10.2991/aer.k.201221.107
Imani, H., Gholipour, A., Azar, A. & Pourezzat, A.A. (2019). Identifying Components of Staffing System to Develop Administrative Integrity. Journal of Public Administration, 11(2), 251-284. (in Persian)
Jalolov, S. (2023). Study the psychology of programmers. American Journal of Public Diplomacy and International Studies, 1(1), 2993-2157.
Klotins, E., Unterkalmsteiner, M., Chatzipetrou, P., Gorschek, T., Prikladnicki, R., Tripathi, N., & Pompermaier, L. B. (2019). A progression model of software engineering goals, challenges, and practices in start-ups. IEEE Transactions on Software Engineering, 47(3), 498-521.
Kokol, P. (2022). Software quality: How much does it matter? Electronics, 11(16), 2485. https://doi.org/10.3390/electronics11162485
Kucharska, W. & Rebelo, T. (2022). Knowledge sharing and knowledge hiding in light of the mistakes acceptance component of learning culture- knowledge culture and human capital implications. The Learning Organization, 29(6), 635–655. https://doi.org/10.1108/tlo-03-2022-0032
Lincoln, Y.S. & Guba, E.G. (1985). Naturalistic inquiry. Beverly Hills, CA: Sage.
Masood, Z., Hoda, R., Blincoe, K. & Damian, D. (2022). Like, dislike, or just do it? How developers approach software development tasks. Information & Software Technology, 150, 106963. https://doi.org/10.1016/j.infsof.2022.106963
Mello, J (2021). 7 bad habits highly ineffective software engineers. https://techbeacon.com/app-dev-testing/7 bad habits highly ineffective software engineers.
Monavarian, A. (2020). Management of Knowledge worker, advanced human resource management. Tehran University Press, Tehran. (in Persian)
Murphy, G. C., Lill, A., Gugler, J., Howe, L., Huang, E. M., Ruvimova, A. & Fritz, T. (2022). An exploratory study of productivity perceptions in software teams. In 2022 IEEE/ACM 44th International Conference on Software Engineering (ICSE). ACM, 99–111. https://doi.org/10.1145/3510003.3510081
Mustika, H., Eliyana, A., Agustina, T. S. & Anwar, A. (2022). Testing the determining factors of knowledge sharing behavior. SAGE Open, 12 (1), 215824402210780. https://doi.org/10.1177/21582440221078012
OECD (2017). Effective Approaches for Financial Consumer Protection in the Digital Age: FCP Principles 1, 2, 3, 4, 6 and 9. Directorate for financial and enterprise affairs committee on financial markets.
Pranay (2023). Fintech and Customer Satisfaction. International Journal of Research Publication and Reviews, 4(5), 1873-1877.
Putri, D., Razali, R. & Mansor, Z. (2020). Team Formation for Agile Software Development: A Review. International Journal on Advanced Science, Engineering and Information Technology. 10. 555. 10.18517/ijaseit.10.2.10191.
Raglianti, M., Nagy, C., Minelli, R., Lin, B., & Lanza, M. (2023). On the rise of modern software documentation (pearl/brave new idea). In 37th European Conference on Object-Oriented Programming (ECOOP 2023). Schloss-Dagstuhl-Leibniz Zentrum für Informatik.
Ramona, T. & Delia, B. (2022). Stimulating The Productivity of the Knowledge workers. Studies in Business and Economics, 17(2), 282-299.
Roark, K. (2020). Strategies in Software Development Effort Estimation (Doctoral dissertation, Walden University). https://scholarworks.waldenu.edu/dissertations/9237
Rony, Z. T. (2020). Competency Model Of Employee Performance Appraisal Preparation In The Company  Construction: a Qualitative method. Systematic Reviews in Pharmacy, 11(12), 2071–2077. https://www.sysrevpharm.org/index.php/fulltext/index.php?mno=29079
Snell, S. & Bohlender, G. (2007). Human Resource Management. Thomson, 2007. ISBN     0324422377, 9780324422375.
Sohrabi, Sh. & Namazi, S. (2020). Barriers to Productivity in Governmental Organizations (Case Study: Isfahan Samat Organization). Journal of Public Administration, 12(3), 528 –549. (in Persian)
Storey, M., Houck, B. & Zimmermann, T. (2022). How Developers and Managers Define and Trade Productivity for Quality. CHASE '22: Proceedings of the 15th International Conference on Cooperative and Human Aspects of Software EngineeringMay. 2022. PP 26–35. https://doi.org/10.1145/3528579.3529177.
Taiyabi, S. (2022). FinTech Talent Report.Singapore FinTech Association 2022.
Teslyuk, V., Batyuk, A. & Voityshyn, V. (2022), Method of Software Development Project Duratio Estimation for Scrum Teams with Differentiated Specializations. Systems, 10 (4), 123.
Tiwari, V. & Pandey, R. K. (2012). Open source software and reliability metrics. International Journal of Advanced Research in Computer and Communication Engineering, 1(10), 808-815.
Touma, J. (2022). Performance Appraisal Effect on Compensation. Journal of Human Resource and Sustainability Studies, 10, 1-12. https://doi.org/10.4236/jhrss.2022.10100
Wagner, E., Costa, P. & Nossa, S. (2023). Customers’ satisfaction with fintech Services. Journal of Financial Services Marketing, 28(2), 1-18. DOI:10.1057/s41264-022-00156-x
Zähl, P. M., Theis, S., De Wolf, M. & Köhler, K. (2023). Teamwork in Software Development and What Personality Has to Do with It. An Overview.In Lecture Notes in Computer Science (pp. 130–153). https://doi.org/10.1007/978-3-031-35634-6_10