論文の概要: Technical Reports Compilation: Detecting the Fire Drill anti-pattern using Source Code

• arxiv url: http://arxiv.org/abs/2104.15090v2
• Date: Mon, 3 May 2021 14:52:43 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-04 10:47:20.827574
• Title: Technical Reports Compilation: Detecting the Fire Drill anti-pattern using Source Code
• Title（参考訳）: テクニカルレポートコンパイル:ソースコードによるファイアドリルアンチパターンの検出
• Authors: Sebastian H\"onel
• Abstract要約: 記述を検出可能なAPに変換する新しい方法を紹介します。 実世界のプロジェクトの偏差をデータベースのAP記述に定量化し,評価する新しい手法を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Detecting the presence of project management anti-patterns (AP) currently requires experts on the matter and is an expensive endeavor. Worse, experts may introduce their individual subjectivity or bias. Using the Fire Drill AP, we first introduce a novel way to translate descriptions into detectable AP that are comprised of arbitrary metrics and events such as maintenance activities, which are mined from the underlying source code, thus making the description objective as it becomes data-based. Secondly, we demonstrate a novel method to quantify and score the deviations of real-world projects to data-based AP descriptions. Using nine real-world projects that exhibit a Fire Drill to some degree, we show how to further enhance the translated AP. The ground truth in these projects was extracted from two individual experts and consensus was found between them. Our evaluation spans three kinds of pattern, where the first is purely derived from description, the second type is enhanced by data, and the third kind is derived from data only. The Fire Drill AP as translated from description only shows weak potential of confidently detecting the presence of the anti-pattern in a project. Enriching the AP with data from real-world projects significantly improves the detection. Using patterns derived from data only leads to almost perfect correlations of the scores with the ground truth. Some APs share symptoms with the Fire Drill AP, and we conclude that the presence of similar patterns is most certainly detectable. Furthermore, any pattern that can be characteristically modelled using the proposed approach is potentially well detectable.
• Abstract（参考訳）: プロジェクト管理アンチパターン(AP)の存在を検出するには、現在、この問題の専門家が必要です。 さらに悪いことに、専門家は個々の主観性や偏見を導入することがある。 まず、Fire Drill APを用いて、基礎となるソースコードから抽出された任意のメトリクスやメンテナンスアクティビティなどのイベントで構成された、記述を検出可能なAPに変換する新しい方法を紹介します。 次に,実世界のプロジェクトからデータに基づくap記述への逸脱を定量化しスコア付けする新しい手法を示す。 ファイアドリルをある程度展示する9つの現実世界プロジェクトを用いて、翻訳されたAPをさらに強化する方法を示す。 これらのプロジェクトの基本的真実は2人の専門家から抽出され、両者の間で合意が得られた。 評価は3種類のパターンにまたがり,第1の型は記述から,第2の型はデータによって拡張され,第3の型はデータのみから導出される。 説明から翻訳されたファイアドリルAPは、プロジェクトにおけるアンチパターンの存在を確実に検出する弱い可能性を示すのみである。 APを現実世界のプロジェクトのデータで強化することは、検出を大幅に改善する。 データから派生したパターンを使用することで、スコアと基礎的な真実のほぼ完全に相関する。 一部のapはfire drill apと症状を共有しており、類似したパターンの存在が検出可能であると結論づけている。 さらに,提案手法を用いて特徴的にモデル化できるパターンは検出可能である。

関連論文リスト

• Resultant: Incremental Effectiveness on Likelihood for Unsupervised Out-of-Distribution Detection [63.93728560200819]
  unsupervised out-of-distribution (U-OOD) は、未表示のin-distriion(ID)データのみに基づいて訓練された検出器でデータサンプルを識別することである。 近年の研究は、DGMに基づく様々な検出器を開発し、可能性を超えて移動している。 本研究では,各方向,特にポストホック前とデータセットエントロピー・ミューチュアルキャリブレーションの2つの手法を適用した。 実験の結果、結果が新しい最先端のU-OOD検出器になる可能性が示された。
  論文  参考訳（メタデータ） (2024-09-05T02:58:13Z)
• DF40: Toward Next-Generation Deepfake Detection [62.073997142001424]
  既存の研究は、ある特定のデータセットで検出器をトレーニングし、他の一般的なディープフェイクデータセットでテストすることで、トップノーチ検出アルゴリズムとモデルを識別する。 しかし、これらの「勝者」は現実の世界に潜む無数の現実的で多様なディープフェイクに取り組むために真に応用できるのだろうか? 我々は,40の異なるディープフェイク技術からなるDF40という,高度に多様なディープフェイク検出データセットを構築した。
  論文  参考訳（メタデータ） (2024-06-19T12:35:02Z)
• Map-aided annotation for pole base detection [0.0]
  本稿では2次元HDマップを用いて,画像中の極状特徴を自動的にアノテートする。 高さ情報がない場合、地図の特徴は地上のポールベースとして表現される。 ポールベースを検出するためにオブジェクト検出器をどのように訓練するかを示す。
  論文  参考訳（メタデータ） (2024-03-04T09:23:11Z)
• Anchoring Path for Inductive Relation Prediction in Knowledge Graphs [69.81600732388182]
  APSTはAPとCPを統一されたSentence Transformerアーキテクチャの入力として扱う。 我々は3つの公開データセット上でAPSTを評価し、36のトランスダクティブ、インダクティブ、および数ショットの実験的設定のうち30の最先端(SOTA)性能を達成する。
  論文  参考訳（メタデータ） (2023-12-21T06:02:25Z)
• The Devil is in the Details: On the Pitfalls of Event Extraction Evaluation [46.09190731105998]
  イベント抽出(EE)は、テキストからイベントを抽出することを目的とした重要なタスクである。 本稿では,脳波評価の信頼性を確認し,大きな落とし穴を3つ同定する。
  論文  参考訳（メタデータ） (2023-06-12T07:38:31Z)
• A Unified Evaluation of Textual Backdoor Learning: Frameworks and Benchmarks [72.7373468905418]
  我々は,テキストバックドア学習の実装と評価を促進するオープンソースツールキットOpenBackdoorを開発した。 また,単純なクラスタリングに基づく防御ベースラインであるCUBEを提案する。
  論文  参考訳（メタデータ） (2022-06-17T02:29:23Z)
• Triggering Failures: Out-Of-Distribution detection by learning from local adversarial attacks in Semantic Segmentation [76.2621758731288]
  セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。 私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。 3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-08-03T17:09:56Z)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)
• G2MF-WA: Geometric Multi-Model Fitting with Weakly Annotated Data [15.499276649167975]
  弱いアノテーションでは、ほとんどの手動アノテーションは正しくなければならないが、必然的に間違ったアノテーションと混同されている。 本稿では,WAデータを完全に活用してマルチモデル適合性能を向上させる手法を提案する。
  論文  参考訳（メタデータ） (2020-01-20T04:22:01Z)

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。