論文の概要: Challenges and Practices in Aligning Requirements with Verification and
Validation: A Case Study of Six Companies
- arxiv url: http://arxiv.org/abs/2307.12489v1
- Date: Mon, 24 Jul 2023 02:39:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 16:31:52.097043
- Title: Challenges and Practices in Aligning Requirements with Verification and
Validation: A Case Study of Six Companies
- Title(参考訳): 要件と検証と検証の連携に関する課題と実践--6社を事例として
- Authors: Elizabeth Bjarnason, Per Runeson, Markus Borg, Michael
Unterkalmsteiner, Emelie Engstr\"om, Bj\"orn Regnell, Giedre Sabaliauskaite,
Annabella Loconsole, Tony Gorschek, Robert Feldt
- Abstract要約: 要件エンジニアリングと検証と検証(VV)との微妙な整合性は、適切な品質の製品を提供する際に問題を引き起こす可能性がある。
我々は6つのソフトウェア開発企業から30人の実践者を対象にインタビューを行い,REとVVの整合性に関する問題点を把握すべく,マルチユニットケーススタディを実施してきた。
結果として、個々のREやVVアクティビティの品質から、トレースやツールを通じて、戦略や目標、設計レベルで共通の理解を共有することに至るまで、REとVVの整合性に関する現在の業界の課題とプラクティスが説明されます。
- 参考スコア(独自算出の注目度): 10.508558932045032
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Weak alignment of requirements engineering (RE) with verification and
validation (VV) may lead to problems in delivering the required products in
time with the right quality. For example, weak communication of requirements
changes to testers may result in lack of verification of new requirements and
incorrect verification of old invalid requirements, leading to software quality
problems, wasted effort and delays. However, despite the serious implications
of weak alignment research and practice both tend to focus on one or the other
of RE or VV rather than on the alignment of the two. We have performed a
multi-unit case study to gain insight into issues around aligning RE and VV by
interviewing 30 practitioners from 6 software developing companies, involving
10 researchers in a flexible research process for case studies. The results
describe current industry challenges and practices in aligning RE with VV,
ranging from quality of the individual RE and VV activities, through tracing
and tools, to change control and sharing a common understanding at strategy,
goal and design level. The study identified that human aspects are central,
i.e. cooperation and communication, and that requirements engineering practices
are a critical basis for alignment. Further, the size of an organisation and
its motivation for applying alignment practices, e.g. external enforcement of
traceability, are variation factors that play a key role in achieving
alignment. Our results provide a strategic roadmap for practitioners
improvement work to address alignment challenges. Furthermore, the study
provides a foundation for continued research to improve the alignment of RE
with VV.
- Abstract(参考訳): 要件エンジニアリング(RE)と検証と検証(VV)との微妙な整合性は、適切な品質の製品を提供する際に問題を引き起こす可能性がある。
例えば、テスターに対する要件変更の弱いコミュニケーションは、新しい要件の検証の欠如と古い無効な要件の不正な検証を招き、ソフトウェア品質の問題、無駄な労力と遅延につながる可能性がある。
しかし、弱いアライメントの研究と実践が深刻な意味合いを持っているにもかかわらず、両者は両者のアライメントよりもREまたはVVのどちらかに焦点を当てる傾向にある。
ケーススタディのフレキシブルな研究プロセスに10人の研究者が参加し、6つのソフトウェア開発企業から30人の実践者を対象にインタビューを行い、REとVVの整合に関する問題について考察した。
結果として、個々のREやVVアクティビティの品質から、トレースやツールを通じて、戦略や目標、設計レベルで共通の理解を共有することに至るまで、REとVVの整合性に関する現在の業界の課題とプラクティスが説明されます。
この研究は、人間の側面、すなわち協力とコミュニケーションの中心であり、要求工学の実践がアライメントの重要な基盤であることを示した。
さらに、組織のサイズと、トレーサビリティの外部的実施のようなアライメントプラクティスを適用する動機は、アライメントを達成する上で重要な役割を果たしている変化要因である。
私たちの結果は、アライメントの課題に対処するための実践者の改善作業のための戦略的ロードマップを提供します。
さらに、この研究は、REとVVのアライメントを改善するための継続的な研究の基礎を提供する。
関連論文リスト
- Designing NLP-based solutions for requirements variability management:
experiences from a design science study at Visma [4.063380369801306]
本経験報告は,産業における要求工学研究における設計科学の適用から得られた知見を概説する。
要件変数の問題に対処するための様々な戦略を提示し、評価する。
論文 参考訳(メタデータ) (2024-02-11T10:12:01Z) - Responsible AI Considerations in Text Summarization Research: A Review
of Current Practices [89.85174013619883]
私たちは、責任あるAIコミュニティがほとんど見落としている共通のNLPタスクである、テキスト要約に重点を置いています。
我々は,2020-2022年に出版されたACLアンソロジーから333の要約論文の多段階的質的分析を行った。
私たちは、どの、どの、どの責任あるAI問題がカバーされているか、どの関係するステークホルダーが考慮されているか、そして、述べられた研究目標と実現された研究目標のミスマッチに焦点を合わせます。
論文 参考訳(メタデータ) (2023-11-18T15:35:36Z) - Advancing Requirements Engineering through Generative AI: Assessing the
Role of LLMs [10.241642683713467]
大規模言語モデル(LLM)は、自然言語処理、コード生成、プログラム理解など、さまざまな領域において大きな可能性を示している。
本章では、要件関連タスクの効率性と正確性の向上を目的とした、要件エンジニアリングプロセスの駆動におけるLLMの可能性について論じる。
論文 参考訳(メタデータ) (2023-10-21T11:29:31Z) - Status Quo and Problems of Requirements Engineering for Machine
Learning: Results from an International Survey [7.164324501049983]
要求工学(RE)は、機械学習対応システムにおいて多くの問題を解決するのに役立つ。
我々は,ML対応システムにおけるREの現状と問題点について,実践者の知見を収集する調査を行った。
MLプロジェクトでは,REプラクティスに有意な違いが認められた。
論文 参考訳(メタデータ) (2023-10-10T15:53:50Z) - Assessing requirements engineering and software test alignment -- Five
case studies [8.960336770209476]
REST-benchは、ソフトウェア開発プロジェクトのコーディネーションを示し、具体的な改善の機会を特定するアセスメントツールである。
私たちは、アジャイルと計画駆動の環境で、数週間から数年にわたるプロジェクトに適用し、最大1000人の従業員を雇用しました。
論文 参考訳(メタデータ) (2023-08-15T08:43:20Z) - Challenges in aligning requirements engineering and verification in a
large-scale industrial context [7.92131557859946]
本稿では,要件と検証プロセスの整合性に関する重要な課題を特定するインタビューの予備的結果を示す。
本研究の成果は,組織内のアライメントを調査するための基盤として,実践者が利用することができる。
論文 参考訳(メタデータ) (2023-07-23T20:08:49Z) - Towards a multi-stakeholder value-based assessment framework for
algorithmic systems [76.79703106646967]
我々は、価値間の近さと緊張を可視化する価値に基づくアセスメントフレームワークを開発する。
我々は、幅広い利害関係者に評価と検討のプロセスを開放しつつ、それらの運用方法に関するガイドラインを提示する。
論文 参考訳(メタデータ) (2022-05-09T19:28:32Z) - Better Retrieval May Not Lead to Better Question Answering [59.1892787017522]
システムの性能を改善するための一般的なアプローチは、取得したコンテキストの品質をIRステージから改善することである。
マルチホップ推論を必要とするオープンドメインのQAデータセットであるStrategyQAでは、この一般的なアプローチは驚くほど非効率である。
論文 参考訳(メタデータ) (2022-05-07T16:59:38Z) - An Uncommon Task: Participatory Design in Legal AI [64.54460979588075]
われわれは10年以上前に行われた法律分野における、注目に値する、未調査のAI設計プロセスについて検討する。
インタラクティブなシミュレーション手法によって,コンピュータ科学者と弁護士が共同設計者になれることを示す。
論文 参考訳(メタデータ) (2022-03-08T15:46:52Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳(メタデータ) (2021-01-15T10:43:10Z) - Curriculum Learning for Reinforcement Learning Domains: A Framework and
Survey [53.73359052511171]
強化学習(Reinforcement Learning, RL)は、エージェントが限られた環境フィードバックしか持たないシーケンシャルな意思決定タスクに対処するための一般的なパラダイムである。
本稿では、RLにおけるカリキュラム学習(CL)の枠組みを提案し、既存のCLメソッドを仮定、能力、目標の観点から調査・分類する。
論文 参考訳(メタデータ) (2020-03-10T20:41:24Z)
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。