論文の概要: A Brief Survey of Current Software Engineering Practices in Continuous
Integration and Automated Accessibility Testing
- arxiv url: http://arxiv.org/abs/2103.00097v1
- Date: Sat, 27 Feb 2021 01:13:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-09 18:36:08.534873
- Title: A Brief Survey of Current Software Engineering Practices in Continuous
Integration and Automated Accessibility Testing
- Title(参考訳): 継続的インテグレーションと自動アクセシビリティテストにおけるソフトウェアエンジニアリングの実践状況に関する調査
- Authors: Parth Sane
- Abstract要約: 本稿では,継続的統合によるアクセシビリティ向上に費やされたソフトウェアエンジニアリングの現在の状況について考察する。
また、アクセシビリティテストの実装方法について、アジャイルチームがメンバを訓練するために必要なステップについても検討しています。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: It's long been accepted that continuous integration (CI) in software
engineering increases the code quality of enterprise projects when adhered to
by it's practitioners. But is any of that effort to increase code quality and
velocity directed towards improving software accessibility accommodations? What
are the potential benefits quoted in literature? Does it fit with the modern
agile way that teams operate in most enterprises? This paper attempts to map
the current scene of the software engineering effort spent on improving
accessibility via continuous integration and it's hurdles to adoption as quoted
by researchers. We also try to explore steps that agile teams may take to train
members on how to implement accessibility testing and introduce key diagrams to
visualize processes to implement CI based accessibility testing procedures in
the software development lifecycle.
- Abstract(参考訳): ソフトウェアエンジニアリングにおける継続的インテグレーション(CI)が、実践者が遵守するエンタープライズプロジェクトのコード品質を高めることは、長い間受け入れられてきました。
しかし、ソフトウェアアクセシビリティの調節を改善するためのコード品質とベロシティを向上させるための取り組みはありますか?
文献に引用される潜在的なメリットは何でしょう?
チームがほとんどの企業で運用する,現代的なアジャイル手法に適合するのでしょうか?
本稿では,継続的インテグレーションによるアクセシビリティ向上に費やされたソフトウェア工学の取り組みの現状と,研究者の引用した採用ハードルをマッピングする。
私たちはまた、アジャイルチームがメンバーにアクセシビリティテストの実装方法を教えるためのステップを探り、CIベースのアクセシビリティテスト手順をソフトウェア開発ライフサイクルで実装するためのプロセスを視覚化するための重要な図を紹介します。
関連論文リスト
- Charting a Path to Efficient Onboarding: The Role of Software
Visualization [49.1574468325115]
本研究は,ソフトウェアビジュアライゼーションツールを用いたマネージャ,リーダ,開発者の親しみやすさを探求することを目的としている。
本手法は, 質問紙調査と半構造化面接を用いて, 実践者から収集したデータの量的, 質的分析を取り入れた。
論文 参考訳(メタデータ) (2024-01-17T21:30:45Z) - Using Machine Learning To Identify Software Weaknesses From Software
Requirement Specifications [49.1574468325115]
本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。
ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
論文 参考訳(メタデータ) (2023-08-10T13:19:10Z) - Communicative Agents for Software Development [79.86905471184195]
ChatDevはチャットを利用した仮想ソフトウェア開発会社で、確立したウォーターフォールモデルを反映している。
各ステージは、プログラマ、コードレビュアー、テストエンジニアといった"ソフトウェアエージェント"のチームが参加し、協調的な対話を促進する。
ChatDevは潜在的な脆弱性を特定し、信頼できる効率とコスト効率を維持しながら幻覚を正す。
論文 参考訳(メタデータ) (2023-07-16T02:11:34Z) - Understanding the Challenges of Deploying Live-Traceability Solutions [45.235173351109374]
SAFA.aiは、ほぼリアルタイムな環境で自動トレーサビリティを提供する、プロジェクト固有モデルを微調整するスタートアップである。
本稿では,ソフトウェアトレーサビリティを商業化する上での課題について述べる。
論文 参考訳(メタデータ) (2023-06-19T14:34:16Z) - The GitHub Development Workflow Automation Ecosystems [47.818229204130596]
大規模なソフトウェア開発は、非常に協力的な取り組みになっています。
この章では、開発ボットとGitHub Actionsのエコシステムについて解説する。
この領域における最先端技術に関する広範な調査を提供する。
論文 参考訳(メタデータ) (2023-05-08T15:24:23Z) - Genetic Micro-Programs for Automated Software Testing with Large Path
Coverage [0.0]
既存のソフトウェアテスト技術は、検索アルゴリズムを利用して、高い実行パスカバレッジを実現する入力値を見つけることに重点を置いている。
本稿では、進化したソリューションが入力値ではなく、繰り返し入力値を生成するマイクロプログラムである新しい遺伝的プログラミングフレームワークの概要を述べる。
我々のアプローチは多くの異なるソフトウェアシステムに適用できるような一般化が可能であり、そのため、トレーニングされた特定のソフトウェアコンポーネントのみに特化していない、と我々は主張する。
論文 参考訳(メタデータ) (2023-02-14T18:47:21Z) - Quality Engineering for Agile and DevOps on the Cloud and Edge [0.8521132000449767]
ソフトウェアデリバリはこれまで以上にアジャイルでなければなりません。
この本は、アジャイル開発サイクル全体を通して、品質工学を効果的に組み込む必要性について論じている。
論文 参考訳(メタデータ) (2023-02-07T18:03:38Z) - Empowered and Embedded: Ethics and Agile Processes [60.63670249088117]
私たちは倫理的考慮事項を(アジャイル)ソフトウェア開発プロセスに組み込む必要があると論じています。
私たちは、すでに存在しており、確立されたアジャイルソフトウェア開発プロセスで倫理的な議論を実施する可能性を強調しました。
論文 参考訳(メタデータ) (2021-07-15T11:14:03Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳(メタデータ) (2020-05-27T11:56:56Z)
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。