애자일 소프트웨어 개발에서 스토리 포인트 추정은 필수적인 부분이며, 개발자가 스프린트를 계획하는 데 도움을 줍니다. 본 연구에서는 프로젝트별 스토리 포인트 예측 모델을 보정하기 위한 비교 학습 기반 프레임워크를 평가하여 스토리 포인트 추정을 간소화하는 것을 목표로 합니다. 개발자는 각 백로그 항목에 특정 스토리 포인트 값을 할당하는 대신, 항목 쌍을 제시받고 더 많은 노력이 필요한 항목을 선택합니다. 이러한 비교 판단을 사용하여 머신 러닝 모델을 훈련하여 스토리 포인트 추정치를 예측합니다. 16개 프로젝트에서 23,313개의 수동 추정치를 사용하여 기술을 실증적으로 평가했으며, 비교 판단으로부터 학습된 모델은 예측과 실제 스토리 포인트 간에 평균 0.34의 Spearman 순위 상관 계수를 달성할 수 있었습니다. 이는 실제 스토리 포인트에서 학습된 회귀 모델의 성능과 유사하거나 더 우수하며, 비교 판단을 제공하는 것이 평점이나 범주형 레이블을 제공하는 것보다 인간에게 인지적 부담을 덜 줍니다.
