論文の概要: Mining Reddit Data to Elicit Students' Requirements During COVID-19
Pandemic
- arxiv url: http://arxiv.org/abs/2307.14212v1
- Date: Wed, 26 Jul 2023 14:26:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 16:09:19.337822
- Title: Mining Reddit Data to Elicit Students' Requirements During COVID-19
Pandemic
- Title(参考訳): redditのデータマイニングが新型コロナパンデミックの学生の要求に応える
- Authors: Shadikur Rahman, Faiz Ahmed, Maleknaz Nayebi
- Abstract要約: 本稿では,問題自体に関するフィードバックの収集に焦点をあてて,要件適用のシフトを提案する。
高等教育機関における新型コロナウイルスパンデミック時の学生要件に関するケーススタディを行った。
要求文を識別するために,複数の機械学習と自然言語処理技術を用いた。
- 参考スコア(独自算出の注目度): 2.5475486924467075
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Data-driven requirements engineering leverages the abundance of openly
accessible and crowdsourced information on the web. By incorporating user
feedback provided about a software product, such as reviews in mobile app
stores, these approaches facilitate the identification of issues, bug fixes,
and implementation of change requests. However, relying solely on user feedback
about a software product limits the possibility of eliciting all requirements,
as users may not always have a clear understanding of their exact needs from
the software, despite their wealth of experience with the problem, event, or
challenges they encounter and use the software to assist them. In this study,
we propose a shift in requirements elicitation, focusing on gathering feedback
related to the problem itself rather than relying solely on feedback about the
software product. We conducted a case study on student requirements during the
COVID-19 pandemic in a higher education institution. We gathered their
communications from Reddit during the pandemic and employed multiple
machine-learning and natural language processing techniques to identify
requirement sentences. We achieved the F-score of 0.79 using Naive Bayes with
TF-IDF when benchmarking multiple techniques. The results lead us to believe
that mining requirements from communication about a problem are feasible. While
we present the preliminary results, we envision a future where these
requirements complement conventionally elicited requirements and help to close
the requirements gap.
- Abstract(参考訳): データ駆動要件エンジニアリングは、web上のオープンアクセスとクラウドソースの情報を豊富に活用する。
モバイルアプリストアのレビューのようなソフトウェア製品に関するユーザフィードバックを取り入れることで、これらのアプローチは問題の特定、バグ修正、変更要求の実装を容易にする。
しかしながら、ソフトウェア製品に関するユーザからのフィードバックにのみ依存することは、ソフトウェアが遭遇し、それを支援するために使用する問題、イベント、課題に関する豊富な経験にもかかわらず、ユーザがソフトウェアから正確なニーズを常に明確に理解しているとは限らないため、すべての要件を引き出す可能性を制限する。
本研究では,ソフトウェア製品に対するフィードバックにのみ依存するのではなく,問題自体に関するフィードバックを集めることに着目し,要件適用のシフトを提案する。
高等教育機関における新型コロナウイルスパンデミック時の学生要件に関するケーススタディを行った。
パンデミックの間、Redditからコミュニケーションを集め、複数の機械学習と自然言語処理技術を使って要求文を特定しました。
TF-IDFを用いて複数の手法のベンチマークを行った結果,0.79のFスコアが得られた。
その結果,問題に関するコミュニケーションからのマイニングの要件が実現可能であると考えることができた。
予備的な結果を示す一方で、これらの要件が従来の要求を補完し、要求ギャップを埋める未来を想定する。
関連論文リスト
- From Bugs to Benefits: Improving User Stories by Leveraging Crowd Knowledge with CrUISE-AC [0.0]
我々は,CrUISE-ACを,問題を調査し,与えられたユーザストーリーに対する非自明な追加受け入れ基準を生成する完全自動化手法として提示する。
評価の結果,生成した受け入れ基準の80~82%がユーザストーリーに関連性のある要件を付加していることがわかった。
論文 参考訳(メタデータ) (2025-01-25T11:44:24Z) - Unimib Assistant: designing a student-friendly RAG-based chatbot for all their needs [1.0805849839756092]
このパイロットスタディは,OpenAIカスタムGPT機能を用いた検索・拡張生成(RAG)システムによるChatGPT動作の専門化に重点を置いている。
我々はミラノ・ビコッカ大学(Unimib)の学生の特定のニーズに対する情報と解決策を提供するUnimib Assistantを開発した。
ユーザの満足度と全体的な経験は、システムが常に正確な情報を提供することができないことで損なわれた。
論文 参考訳(メタデータ) (2024-11-29T09:07:21Z) - On the Automated Processing of User Feedback [7.229732269884235]
ユーザフィードバックは、要件エンジニアリング、ユーザインターフェース設計、ソフトウェアエンジニアリングにとって、ますます重要な情報ソースとなります。
フィードバックの可能性を最大限に活用するためには、解決すべき主な課題が2つあります。
ベンダーは大量のフィードバックデータに対処しなければならない。
第二に、ベンダーはさまざまなフィードバックの質に対処しなければならない。
論文 参考訳(メタデータ) (2024-07-22T10:13:13Z) - Towards Extracting Ethical Concerns-related Software Requirements from App Reviews [0.0]
本研究は、Uberモバイルアプリ(人気のタクシー/ライドアプリ)のアプリレビューを分析した。
アプリレビューからソフトウェア要件を抽出するために知識グラフ(KG)モデルを活用する新しいアプローチを提案する。
私たちのフレームワークは,関連するエンティティと関係を持ったオントロジーを開発すること,アプリレビューから重要なエンティティを抽出すること,それら間のコネクションを作成すること,という3つの主要コンポーネントで構成されています。
論文 参考訳(メタデータ) (2024-07-19T04:50:32Z) - 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) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳(メタデータ) (2023-06-06T10:18:36Z) - Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。
標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。
Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
論文 参考訳(メタデータ) (2022-11-16T10:00:23Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳(メタデータ) (2021-07-23T22:41:28Z) - Mobile App Tasks with Iterative Feedback (MoTIF): Addressing Task
Feasibility in Interactive Visual Environments [54.405920619915655]
これまで最大数のインタラクティブ環境向けに自然言語コマンドを用いたデータセットであるMoTIF(Iterative Feedback)を用いたモバイルアプリタスクを紹介します。
MoTIFは、満足できないインタラクティブ環境のための自然言語リクエストを最初に含んでいる。
初期実現可能性分類実験を行い、より豊かな視覚言語表現の必要性を検証し、f1スコア37.3まで到達した。
論文 参考訳(メタデータ) (2021-04-17T14:48:02Z) - Online Learning Demands in Max-min Fairness [91.37280766977923]
本稿では,複数のユーザ間の希少リソースの割り当て機構について,効率的で公平で戦略に準拠した方法で記述する。
このメカニズムは複数のラウンドで繰り返され、各ラウンドでユーザの要求が変更される可能性がある。
各ラウンドの最後には、ユーザは受け取ったアロケーションに関するフィードバックを提供し、そのメカニズムが時間の経過とともにユーザの好みを学習することを可能にする。
論文 参考訳(メタデータ) (2020-12-15T22:15:20Z) - Mining Implicit Relevance Feedback from User Behavior for Web Question
Answering [92.45607094299181]
本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。
提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。
実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
論文 参考訳(メタデータ) (2020-06-13T07:02:08Z)
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。