論文の概要: Software Engineering Knowledge Areas in Startup Companies: A Mapping
Study
- arxiv url: http://arxiv.org/abs/2308.07628v1
- Date: Tue, 15 Aug 2023 08:26:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 14:22:23.400094
- Title: Software Engineering Knowledge Areas in Startup Companies: A Mapping
Study
- Title（参考訳）: スタートアップ企業におけるソフトウェア工学知識領域--マッピング研究
- Authors: Eriks Klotins, Michael Unterkalmsteiner, Tony Gorschek
- Abstract要約: この研究は、スタートアップが最先端の技術をマップアウトするために利用するソフトウェア工学の知識領域を特定し、分類する。
これまでの研究では、スタートアップライフサイクルのどのフェーズにおいても、ソフトウェアエンジニアリングに対する信頼できるサポートを提供していません。
- 参考スコア（独自算出の注目度）: 3.944126365759018
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Background - Startup companies are becoming important suppliers of innovative
and software intensive products. The failure rate among startups is high due to
lack of resources, immaturity, multiple influences and dynamic technologies.
However, software product engineering is the core activity in startups,
therefore inadequacies in applied engineering practices might be a significant
contributing factor for high failure rates. Aim - This study identifies and
categorizes software engineering knowledge areas utilized in startups to map
out the state-of-art, identifying gaps for further research. Method - We
perform a systematic literature mapping study, applying snowball sampling to
identify relevant primary studies. Results - We have identified 54 practices
from 14 studies. Although 11 of 15 main knowledge areas from SWEBOK are
covered, a large part of categories is not. Conclusions - Existing research
does not provide reliable support for software engineering in any phase of a
startup life cycle. Transfer of results to other startups is difficult due to
low rigor in current studies.
- Abstract（参考訳）: 背景 - スタートアップ企業は革新的でソフトウェア集約的な製品の重要なサプライヤーになりつつある。
スタートアップの失敗率は、リソース不足、未成熟性、複数の影響、動的技術のために高い。
しかし、ソフトウェアプロダクトエンジニアリングはスタートアップの中核的な活動であり、応用エンジニアリングプラクティスの不整合は、高い失敗率の要因となるかもしれない。
Aim - この研究は、スタートアップで使われているソフトウェア工学の知識領域を特定して分類し、さらなる研究のためのギャップを特定します。
方法 - 関連研究の特定に雪玉サンプリングを適用し, 系統的な文献マッピング研究を行う。
結果 - 14の研究から54のプラクティスが特定できた。
SWEBOKの15の主要知識領域のうち11がカバーされているが、カテゴリの大部分はカバーされていない。
結論 - 既存の研究は、スタートアップライフサイクルのどの段階でも、ソフトウェアエンジニアリングの信頼できるサポートを提供していない。
最近の研究では厳格さが低いため、他のスタートアップへの成果の移転は難しい。
関連論文リスト
- Estimating the Energy Footprint of Software Systems: a Primer [56.200335252600354]
ソフトウェアシステムのエネルギーフットプリントの定量化は、最も基本的な活動の1つです。
この文書は、この分野で研究を始めたい研究者の出発点となることを目的としている。
論文 参考訳（メタデータ） (2024-07-16T11:21:30Z) - Software engineering in start-up companies: An analysis of 88 experience
reports [3.944126365759018]
本研究は,ソフトウェア工学がスタートアップ・コンテキストにどのように応用されるかを検討する。
私たちは、最も頻繁に報告されているソフトウェアエンジニアリング(要求エンジニアリング、ソフトウェア設計、品質)とビジネスの側面(ビジョンと戦略開発)の知識領域を特定します。
スタートアップにおけるほとんどのエンジニアリング上の課題は、要件エンジニアリングの不整合に起因している、と結論付けます。
論文 参考訳（メタデータ） (2023-11-20T19:42:37Z) - Software-Intensive Product Engineering in Start-Ups: A Taxonomy [3.944126365759018]
ソフトウェアスタートアップは、最小限のリソースで急速に大衆市場に向けて革新的なプロダクトをローンチする新しい企業だ。
しかし、ほとんどのスタートアップはポテンシャルに気づく前に失敗する。
本稿は、この分野のさらなる研究を支援し、スタートアップのためのエンジニアリング意思決定支援ツールとして機能することを目的としている。
論文 参考訳（メタデータ） (2023-09-28T18:42:56Z) - Embedded Software Development with Digital Twins: Specific Requirements
for Small and Medium-Sized Enterprises [55.57032418885258]
デジタル双生児は、コスト効率の良いソフトウェア開発とメンテナンス戦略の可能性を秘めている。
私たちは中小企業に現在の開発プロセスについてインタビューした。
最初の結果は、リアルタイムの要求が、これまでは、Software-in-the-Loop開発アプローチを妨げていることを示している。
論文 参考訳（メタデータ） (2023-09-17T08:56:36Z) - Software Startups -- A Research Agenda [14.364137253888037]
本研究の課題は,スタートアップにおけるソフトウェア工学に焦点をあてる。
スタートアップのエンジニアリング活動を支援する分野では、特に70以上の研究課題が特定されている。
このリサーチアジェンダでは、ソフトウェアスタートアップの現在のニーズの幅広い範囲をカバーできると考えています。
論文 参考訳（メタデータ） (2023-08-24T14:20:21Z) - Software Development in Startup Companies: The Greenfield Startup Model [4.881718571745022]
本研究の目的は,スタートアップが採用するソフトウェア開発戦略の理解を深めることである。
私たちはその結果をGreenfield Startup Model(GSM)にまとめました。
GSMがもたらす影響は課題とギャップを概説し、将来の研究がスタートアップのコンテキストにおけるエンジニアリングプラクティスを開発し、検証する機会を指摘した。
論文 参考訳（メタデータ） (2023-08-18T10:08:10Z) - Using Machine Learning To Identify Software Weaknesses From Software
Requirement Specifications [49.1574468325115]
本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。
ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
論文 参考訳（メタデータ） (2023-08-10T13:19:10Z) - Software development in startup companies: A systematic mapping study [4.881718571745022]
本研究の目的は,スタートアップ企業におけるソフトウェア開発の文献の構造と分析である。
43の初等的な研究が同定され、スタートアップにおけるソフトウェア開発に関する証拠を合成した。
レビューされた初等研究から,213のソフトウェアエンジニアリング作業プラクティスを抽出し,分類し,分析した。
論文 参考訳（メタデータ） (2023-07-24T19:49:57Z) - 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) - Constraint Programming Algorithms for Route Planning Exploiting
Geometrical Information [91.3755431537592]
本稿では,経路計画問題に対する新しいアルゴリズムの開発に関する現在の研究動向について概説する。
これまでの研究は、特にユークリッド旅行セールスパーソン問題(ユークリッドTSP)に焦点を当ててきた。
目的は、将来ユークリッド自動車問題(ユークリッドVRP)など、同じカテゴリーの他の問題にも得られる結果を活用することである。
論文 参考訳（メタデータ） (2020-09-22T00:51:45Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
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。