論文の概要: SQAPlanner: Generating Data-InformedSoftware Quality Improvement Plans
- arxiv url: http://arxiv.org/abs/2102.09687v1
- Date: Fri, 19 Feb 2021 00:17:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-22 13:20:52.983000
- Title: SQAPlanner: Generating Data-InformedSoftware Quality Improvement Plans
- Title（参考訳）: sqaplanner: データ型ソフトウェア品質改善計画の作成
- Authors: Dilini Rajapaksha, Chakkrit Tantithamthavorn, Jirayus Jiarpakdee,
Christoph Bergmeir, John Grundy, and Wray Buntine
- Abstract要約: SQAPlannerアプローチの情報視覚化を開発し、評価します。
調査回答者の80%は、可視化がより実行可能であると認識しています。
- 参考スコア（独自算出の注目度）: 10.032135866890384
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Software Quality Assurance (SQA) planning aims to define proactive plans,
such as defining maximum file size, to prevent the occurrence of software
defects in future releases. To aid this, defect prediction models have been
proposed to generate insights as the most important factors that are associated
with software quality. Such insights that are derived from traditional defect
models are far from actionable-i.e., practitioners still do not know what they
should do or avoid to decrease the risk of having defects, and what is the risk
threshold for each metric. A lack of actionable guidance and risk threshold can
lead to inefficient and ineffective SQA planning processes. In this paper, we
investigate the practitioners' perceptions of current SQA planning activities,
current challenges of such SQA planning activities, and propose four types of
guidance to support SQA planning. We then propose and evaluate our AI-Driven
SQAPlanner approach, a novel approach for generating four types of guidance and
their associated risk thresholds in the form of rule-based explanations for the
predictions of defect prediction models. Finally, we develop and evaluate an
information visualization for our SQAPlanner approach. Through the use of
qualitative survey and empirical evaluation, our results lead us to conclude
that SQAPlanner is needed, effective, stable, and practically applicable. We
also find that 80% of our survey respondents perceived that our visualization
is more actionable. Thus, our SQAPlanner paves a way for novel research in
actionable software analytics-i.e., generating actionable guidance on what
should practitioners do and not do to decrease the risk of having defects to
support SQA planning.
- Abstract（参考訳）: ソフトウェア品質保証(SQA)計画は、将来のリリースにおけるソフトウェア欠陥の発生を防ぐために、最大ファイルサイズを定義するなどの積極的な計画を定義することを目的としています。
これを助けるために、ソフトウェアの品質に関連する最も重要な要因として、欠陥予測モデルが提案されている。
従来の欠陥モデルから派生したそのような洞察は、実行可能とは程遠い。つまり、実践者は未だに何をすべきか、欠陥を持つリスクを減らすために避けるべきか、各メトリクスのリスクしきい値とは何かを知らない。
行動可能なガイダンスとリスク閾値の欠如は、非効率で非効率なSQA計画プロセスにつながる可能性がある。
本稿では,現在のSQA計画活動に対する実践者の認識,そのようなSQA計画活動の課題について考察し,SQA計画を支援するための4種類のガイダンスを提案する。
次に,欠陥予測モデルの予測のための規則に基づく説明の形で,4種類のガイダンスとその関連するリスクしきい値を生成するための新しいアプローチである,ai駆動のsqaplannerアプローチを提案し,評価する。
最後に、SQAPlannerアプローチの情報視覚化を開発し、評価します。
質的調査と実証的評価により, sqaplannerは必要であり, 効果的であり, 安定し, 実用的でありうると結論づけた。
また、調査回答者の80%は、可視化がより実行可能であると認識しています。
このように、我々のSQAPlannerは、実行可能なソフトウェア分析の新しい研究方法、すなわち、実践者がすべきことに関する実行可能なガイダンスを生成し、SQA計画を支援する欠陥を持つリスクを減らそうとしない。
関連論文リスト
- Know Where You're Uncertain When Planning with Multimodal Foundation Models: A Formal Framework [54.40508478482667]
認識と計画生成の不確実性を解消し、定量化し、緩和する包括的枠組みを提案する。
本稿では,知覚と意思決定の独特な性質に合わせた手法を提案する。
この不確実性分散フレームワークは, 変動率を最大40%削減し, タスク成功率をベースラインに比べて5%向上させることを示した。
論文 参考訳（メタデータ） (2024-11-03T17:32:00Z) - Causal Reasoning in Software Quality Assurance: A Systematic Review [11.887059800587672]
本研究は、SQAの因果推論に関する科学的文献の体系的なレビューを提供する。
障害のローカライゼーションは、特にWebサービス/マイクロサービスドメインにおいて、因果推論をより活用するアクティビティである。
アプリケーションを好むツールは急速に現れており、そのほとんどが2021年以降です。
論文 参考訳（メタデータ） (2024-08-30T10:34:11Z) - Partially Observable Task and Motion Planning with Uncertainty and Risk Awareness [34.77182116081535]
統合型タスク・アンド・モーション・プランニング(TAMP)は、長期のロボット操作とナビゲーションの問題を一般化するための貴重なアプローチであることが証明されている。
これらの仮定は、プランナーが情報を収集し、リスクを認識した意思決定を行う能力を制限します。
本研究では,初期状態と行動結果の不確実性を伴う長期計画問題を効果的に解決できる不確実性とリスク認識(TAMPURA)を備えたTAMP戦略を提案する。
論文 参考訳（メタデータ） (2024-03-15T16:42:14Z) - Learning Logic Specifications for Policy Guidance in POMDPs: an
Inductive Logic Programming Approach [57.788675205519986]
我々は任意の解法によって生成されるPOMDP実行から高品質なトレースを学習する。
我々は、データと時間効率のIndu Logic Programming(ILP)を利用して、解釈可能な信念に基づくポリシー仕様を生成する。
ASP(Answer Set Programming)で表現された学習は、ニューラルネットワークよりも優れた性能を示し、より少ない計算時間で最適な手作りタスクに類似していることを示す。
論文 参考訳（メタデータ） (2024-02-29T15:36:01Z) - Uncertainty-aware Language Modeling for Selective Question Answering [107.47864420630923]
本稿では,不確実性を考慮したLLMを生成するLLM変換手法を提案する。
我々のアプローチはモデルとデータに依存しず、計算効率が高く、外部モデルやシステムに依存しない。
論文 参考訳（メタデータ） (2023-11-26T22:47:54Z) - Human-in-the-loop online just-in-time software defect prediction [6.35776510153759]
我々は,SQAスタッフからのフィードバックを統合して予測プロセスを強化するHuman-In-The-Loop (HITL) O-JIT-SDPを提案する。
また,k-fold分散ブートストラップ法とWilcoxon符号ランク試験を併用した性能評価フレームワークを提案する。
これらの進歩は、産業アプリケーションにおけるO-JIT-SDPの価値を大幅に向上させる可能性を秘めている。
論文 参考訳（メタデータ） (2023-08-25T23:40:08Z) - Uncertainty-Driven Action Quality Assessment [67.20617610820857]
本稿では,複数の判定スコアの多様性を捉えるために,不確実性駆動型AQA (UD-AQA) という新しい確率モデルを提案する。
我々は,AQA回帰損失の再重み付けに使用される各予測の不確かさを推定する。
提案手法は,オリンピックイベントMTL-AQAとFineDivingの3つのベンチマークと,手術スキルJIGSAWSデータセットの3つのベンチマークで比較結果を得た。
論文 参考訳（メタデータ） (2022-07-29T07:21:15Z) - Temporal-Difference Value Estimation via Uncertainty-Guided Soft Updates [110.92598350897192]
Q-Learningは、制御タスクを実行するポリシーを学ぶのに効果的であることが証明されている。
推定ノイズは、政策改善ステップにおける最大演算子の後、バイアスとなる。
UQL(Unbiased Soft Q-Learning)は、2つのアクション、有限状態空間からマルチアクション、無限状態マルコフ決定プロセスまで、EQLの作業を拡張する。
論文 参考訳（メタデータ） (2021-10-28T00:07:19Z) - Risk Conditioned Neural Motion Planning [14.018786843419862]
リスクバウンド・モーション・プランニングは、安全クリティカルなタスクにとって重要な問題であるが難しい問題である。
本稿では,リスク評論家による計画の実行リスクを推定するために,ソフトアクター批評家モデルの拡張を提案する。
計算時間と計画品質の両面で,我々のモデルの利点を示す。
論文 参考訳（メタデータ） (2021-08-04T05:33:52Z) - Task-Specific Normalization for Continual Learning of Blind Image
Quality Models [105.03239956378465]
視覚的画像品質評価(BIQA)のための簡易かつ効果的な連続学習法を提案する。
このアプローチの重要なステップは、トレーニング済みのディープニューラルネットワーク(DNN)のすべての畳み込みフィルタを凍結して、安定性を明示的に保証することです。
我々は、各新しいIQAデータセット(タスク)に予測ヘッドを割り当て、対応する正規化パラメータをロードして品質スコアを生成する。
最終的な品質推定は、軽量な$K$-meansゲーティング機構で、すべての頭からの予測の重み付け総和によって計算される。
論文 参考訳（メタデータ） (2021-07-28T15:21:01Z) - Machine Learning Techniques for Software Quality Assurance: A Survey [5.33024001730262]
我々は,障害予測とテストケース優先順位付けの両方における様々なアプローチについて考察する。
近年,障害予測のためのディープラーニングアルゴリズムは,プログラムのセマンティクスと障害予測機能とのギャップを埋めるのに役立つ。
論文 参考訳（メタデータ） (2021-04-29T00:37:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。