論文の概要: User Driven Functionality Deletion for Mobile Apps

• arxiv url: http://arxiv.org/abs/2305.19384v1
• Date: Tue, 30 May 2023 19:56:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 05:05:45.803029
• Title: User Driven Functionality Deletion for Mobile Apps
• Title（参考訳）: モバイルアプリのユーザ駆動機能削除
• Authors: Maleknaz Nayebi, Konstantin Kuznetsov, Andreas Zeller, Guenther Ruhe
• Abstract要約: 機能を増やしてソフトウェアを進化させるのは理解が難しく、使うのが難しくなります。 機能が多すぎると、使いやすさ、保守性、リソース消費に簡単に影響を与えます。 以前の研究によると、機能の削除は一般的であり、時にはユーザレビューによって引き起こされる。
• 参考スコア（独自算出の注目度）: 10.81190733388406
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Evolving software with an increasing number of features is harder to understand and thus harder to use. Software release planning has been concerned with planning these additions. Moreover, software of increasing size takes more effort to be maintained. In the domain of mobile apps, too much functionality can easily impact usability, maintainability, and resource consumption. Hence, it is important to understand the extent to which the law of continuous growth applies to mobile apps. Previous work showed that the deletion of functionality is common and sometimes driven by user reviews. However, it is not known if these deletions are visible or important to the app users. In this study, we performed a survey study with 297 mobile app users to understand the significance of functionality deletion for them. Our results showed that for the majority of users, the deletion of features corresponds with negative sentiments and change in usage and even churn. Motivated by these preliminary results, we propose RADIATION to input user reviews and recommend if any functionality should be deleted from an app's User Interface (UI). We evaluate RADIATION using historical data and surveying developers' opinions. From the analysis of 190,062 reviews from 115 randomly selected apps, we show that RADIATION can recommend functionality deletion with an average F-Score of 74% and if sufficiently many negative user reviews suggest so.
• Abstract（参考訳）: 機能を増やしてソフトウェアを進化させるのは理解が難しく、使うのが難しくなります。 ソフトウェアリリース計画は、これらの追加を計画することに関心がある。 さらに、サイズが大きくなるソフトウェアはメンテナンスにより多くの労力を要する。 モバイルアプリの分野では、過剰な機能が使いやすさ、保守性、リソース消費に簡単に影響を与えます。 したがって,モバイルアプリに継続的成長の法則が適用される範囲を理解することは重要である。 以前の研究では、機能の削除は一般的であり、ユーザーレビューによって引き起こされることがある。 しかし、これらの削除がアプリユーザーに見えているか、重要かどうかは不明だ。 本研究では,297人のモバイルアプリユーザを対象に,機能削除の意義について調査を行った。 その結果、大部分のユーザーにとって、機能の削除はネガティブな感情や使用状況の変化に対応していることがわかった。 これらの予備的な結果により、ユーザレビューを入力し、アプリのユーザインタフェース(UI)から何らかの機能を削除すべきかどうかを推奨するRADIATIONを提案する。 歴史的データを用いて放射線評価を行い,開発者の意見を調査する。 ランダムに選択された115のアプリから190,062件のレビューを分析した結果,radiationでは,平均f-scoreが74%で機能削除を推奨できることが分かった。

関連論文リスト

• Recommending and Release Planning of User-Driven Functionality Deletion for Mobile Apps [9.897133491172786]
  ソフトウェアを多くの機能で進化させることは、理解性とユーザビリティという面での課題を引き起こします。 以前の研究によると、機能の削除は一般的であり、時にはユーザレビューによって引き起こされる。 ほとんどのユーザにとって、機能の削除はネガティブな感情と結びつき、使用パターンの変更を促し、ユーザを混乱させる可能性がある。
  論文  参考訳（メタデータ） (2024-10-09T18:34:20Z)
• Measuring Strategization in Recommendation: Users Adapt Their Behavior to Shape Future Content [66.71102704873185]
  実験と調査を行うことで,ユーザストラテジゼーションの試行を行う。 参加者の居住時間や「いいね!」の使用など,結果指標間での戦略化の強い証拠を見出す。 この結果から,プラットフォームはアルゴリズムがユーザの行動に与える影響を無視できないことが示唆された。
  論文  参考訳（メタデータ） (2024-05-09T07:36:08Z)
• User Strategization and Trustworthy Algorithms [81.82279667028423]
  ユーザストラテジゼーションがプラットフォームを短期間で支援できることが示されています。 そして、それがプラットフォームのデータを破壊し、最終的に反実的な決定を下す能力を損なうことを示します。
  論文  参考訳（メタデータ） (2023-12-29T16:09:42Z)
• Understanding Mobile App Reviews to Guide Misuse Audits [17.71313286969027]
  アプリレビューを活用して、悪用可能なアプリとその誤用を可能にする機能を特定します。 虐待者や被害者の物語は、主に過去の誤用に焦点を当てているのに対し、第三者の物語は、主に誤用の可能性を示す物語を識別している。 合計156個の悪用可能なアプリが誤用を助長していることを確認した。
  論文  参考訳（メタデータ） (2023-03-19T23:43:36Z)
• To remove or not remove Mobile Apps? A data-driven predictive model approach [4.853751680856816]
  本稿では,各アプリが削除されるか,受理されるかを決定するデータ駆動型予測手法を提案する。 当社のアプローチは,削除される可能性の低いアプリをダウンロードする際の,アプリやユーザの改善を支援するものです。
  論文  参考訳（メタデータ） (2022-06-08T14:00:53Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)
• General-Purpose User Embeddings based on Mobile App Usage [46.343844014289246]
  保留、インストール、アンインストールを含むモバイルアプリの利用行動は、ユーザの長期的な利益と短期的な利益の両方に良い指標となる。 伝統的に、モバイルアプリの使用によるユーザーモデリングは、手作りの機能工学に大きく依存している。 本稿では,これらの課題を克服し,手作業の削減と性能向上を目標とする,AutoEncoder-Coupled Transformer Network(AETN)を提案する。
  論文  参考訳（メタデータ） (2020-05-27T12:01:50Z)
• Choppy: Cut Transformer For Ranked List Truncation [92.58177016973421]
  Choppyは、広く成功したTransformerアーキテクチャに基づいた仮説のないモデルである。 Choppyは最近の最先端の手法で改善されている。
  論文  参考訳（メタデータ） (2020-04-26T00:52:49Z)
• Automating App Review Response Generation [67.58267006314415]
  本稿では,レビューと回答の知識関係を学習することで,レビュー応答を自動的に生成する新しいアプローチRRGenを提案する。 58のアプリと309,246のレビュー-レスポンスペアの実験では、RRGenはBLEU-4の点で少なくとも67.4%のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-02-10T05:23:38Z)

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。