論文の概要: Artificial Intelligence for Technical Debt Management in Software
Development
- arxiv url: http://arxiv.org/abs/2306.10194v1
- Date: Fri, 16 Jun 2023 21:59:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 23:45:43.514265
- Title: Artificial Intelligence for Technical Debt Management in Software
Development
- Title（参考訳）: ソフトウェア開発における技術的負債管理のための人工知能
- Authors: Srinivas Babu Pandi, Samia A. Binta, Savita Kaushal
- Abstract要約: ソフトウェア開発における技術的負債回避のためのAI駆動ツールの使用に関する既存の研究のレビュー。
AIはソフトウェア開発における技術的負債管理を大幅に改善する可能性がある、と提案する。
AIを開発プロセスに活用しようとするソフトウェア開発チームに対して,実践的なガイダンスを提供する。
- 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: Technical debt is a well-known challenge in software development, and its
negative impact on software quality, maintainability, and performance is widely
recognized. In recent years, artificial intelligence (AI) has proven to be a
promising approach to assist in managing technical debt. This paper presents a
comprehensive literature review of existing research on the use of AI powered
tools for technical debt avoidance in software development. In this literature
review we analyzed 15 related research papers which covers various AI-powered
techniques, such as code analysis and review, automated testing, code
refactoring, predictive maintenance, code generation, and code documentation,
and explores their effectiveness in addressing technical debt. The review also
discusses the benefits and challenges of using AI for technical debt
management, provides insights into the current state of research, and
highlights gaps and opportunities for future research. The findings of this
review suggest that AI has the potential to significantly improve technical
debt management in software development, and that existing research provides
valuable insights into how AI can be leveraged to address technical debt
effectively and efficiently. However, the review also highlights several
challenges and limitations of current approaches, such as the need for
high-quality data and ethical considerations and underscores the importance of
further research to address these issues. The paper provides a comprehensive
overview of the current state of research on AI for technical debt avoidance
and offers practical guidance for software development teams seeking to
leverage AI in their development processes to mitigate technical debt
effectively
- Abstract（参考訳）: 技術的負債はソフトウェア開発においてよく知られた課題であり、そのソフトウェア品質、保守性、パフォーマンスに対する負の影響は広く認識されている。
近年、人工知能(AI)は技術的負債の管理を支援するための有望なアプローチであることが証明されている。
本稿では,ソフトウェア開発における技術的負債回避のためのAIを活用したツールの利用に関する既存研究の総合的な文献レビューを行う。
この文献レビューでは、コード分析やレビュー、自動テスト、コードリファクタリング、予測メンテナンス、コード生成、コードドキュメントなど、さまざまなai技術をカバーする15の関連研究論文を分析し、技術的負債に対処する上での有効性について検討した。
このレビューでは、技術的負債管理にAIを使用することのメリットと課題についても論じ、現在の研究状況に関する洞察を提供し、将来の研究のギャップと機会を強調している。
このレビューの結果は、AIがソフトウェア開発における技術的負債管理を大幅に改善する可能性があることを示唆し、既存の研究は、AIが技術的負債に効果的かつ効率的に対処する方法に関する貴重な洞察を提供する。
しかし、このレビューでは、高品質なデータや倫理的考察の必要性など、現在のアプローチのいくつかの課題と限界を強調し、これらの問題に対処するためのさらなる研究の重要性を強調している。
この論文は、技術的負債回避のためのAI研究の現状を概観し、技術的負債を効果的に軽減するために開発プロセスにAIを活用しようとするソフトウェア開発チームに実践的なガイダンスを提供する。
関連論文リスト
- Exploring the Advances in Using Machine Learning to Identify Technical Debt and Self-Admitted Technical Debt [0.0]
本研究は,ソフトウェアプロジェクトにおける技術的負債と自己決定的技術的負債を検出する機械学習手法を用いた現在の研究状況について考察することを目的としている。
我々は2024年までの論文の文献レビューを行い、機械学習を用いた技術的負債と自己承認的技術的負債の識別について議論した。
以上の結果から,BERTモデルは他よりもはるかに効果的であることが示唆された。
論文 参考訳（メタデータ） (2024-09-06T23:58:10Z) - The Role of Artificial Intelligence and Machine Learning in Software Testing [0.14896196009851972]
人工知能(AI)と機械学習(ML)は様々な産業に大きな影響を与えている。
ソフトウェア開発ライフサイクル(SDLC)の重要な部分であるソフトウェアテストは、ソフトウェア製品の品質と信頼性を保証する。
本稿では、既存の文献をレビューし、現在のツールや技術を分析し、ケーススタディを提示することで、ソフトウェアテストにおけるAIとMLの役割について考察する。
論文 参考訳（メタデータ） (2024-09-04T13:25:13Z) - Open Problems in Technical AI Governance [93.89102632003996]
テクニカルAIガバナンス(Technical AI Governance)は、AIの効果的なガバナンスを支援するための技術分析とツールである。
本論文は、AIガバナンスへの貢献を目指す技術研究者や研究資金提供者のためのリソースとして意図されている。
論文 参考訳（メタデータ） (2024-07-20T21:13:56Z) - Artificial Intelligence in Industry 4.0: A Review of Integration Challenges for Industrial Systems [45.31340537171788]
サイバー物理システム(CPS)は、予測保守や生産計画を含むアプリケーションに人工知能(AI)が活用できる膨大なデータセットを生成する。
AIの可能性を実証しているにもかかわらず、製造業のような分野に広く採用されていることは依然として限られている。
論文 参考訳（メタデータ） (2024-05-28T20:54:41Z) - Empowering Business Transformation: The Positive Impact and Ethical
Considerations of Generative AI in Software Product Management -- A
Systematic Literature Review [0.0]
この体系的な文献評価は、この領域における生成AIの潜在的な応用、利益、制約を明らかにする。
この研究は、テクノロジーがアイデア生成、市場調査、顧客インサイト、製品要求エンジニアリング、製品開発を支援することを示している。
最終的に、生成AIの実践的応用は、ソフトウェア製品管理活動を大幅に改善することができる。
論文 参考訳（メタデータ） (2023-06-05T19:49:50Z) - AI for Agile development: a Meta-Analysis [0.0]
本研究では,人工知能とアジャイルソフトウェア開発方法論を統合することのメリットと課題について検討する。
このレビューは、特別な社会技術専門知識の必要性など、重要な課題を特定するのに役立った。
プロセスや実践者への影響をよりよく理解し、その実装に関連する間接的な課題に対処するためには、さらなる研究が必要である。
論文 参考訳（メタデータ） (2023-05-14T08:10:40Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳（メタデータ） (2023-04-10T15:38:12Z) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳（メタデータ） (2022-12-08T23:23:39Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z) - Qlib: An AI-oriented Quantitative Investment Platform [86.8580406876954]
AI技術は、量的投資システムに新たな課題を提起した。
Qlibは、その可能性の実現、研究の強化、定量的投資におけるAIテクノロジの価値の創造を目的とする。
論文 参考訳（メタデータ） (2020-09-22T12:57:10Z)
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。