論文の概要: Requirements Quality Assurance in Industry: Why, What and How?

• arxiv url: http://arxiv.org/abs/2308.12825v1
• Date: Thu, 24 Aug 2023 14:31:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 12:48:58.569648
• Title: Requirements Quality Assurance in Industry: Why, What and How?
• Title（参考訳）: 業界における要件の品質保証:なぜ、なぜ、どのように?
• Authors: Michael Unterkalmsteiner, Tony Gorschek
• Abstract要約: 本稿では,人間の視点から品質面を検証する認知負荷を特徴付ける要求品質保証複雑性の分類法を提案する。 この分類が実現し、検証されると、自動要求品質保証の意思決定フレームワークの基盤として機能する。
• 参考スコア（独自算出の注目度）: 3.6142643912711794
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Context and Motivation: Natural language is the most common form to specify requirements in industry. The quality of the specification depends on the capability of the writer to formulate requirements aimed at different stakeholders: they are an expression of the customer's needs that are used by analysts, designers and testers. Given this central role of requirements as a mean to communicate intention, assuring their quality is essential to reduce misunderstandings that lead to potential waste. Problem: Quality assurance of requirement specifications is largely a manual effort that requires expertise and domain knowledge. However, this demanding cognitive process is also congested by trivial quality issues that should not occur in the first place. Principal ideas: We propose a taxonomy of requirements quality assurance complexity that characterizes cognitive load of verifying a quality aspect from the human perspective, and automation complexity and accuracy from the machine perspective. Contribution: Once this taxonomy is realized and validated, it can serve as the basis for a decision framework of automated requirements quality assurance support.
• Abstract（参考訳）: コンテキストとモチベーション: 自然言語は業界における要件を特定する上で最も一般的な形式です。 仕様の品質は、さまざまな利害関係者を対象とした要件を定式化するライターの能力に依存する。 意図を伝える手段としての要求の中心的な役割を考えると、その品質を保証することは、潜在的な無駄につながる誤解を減らすために不可欠である。 問題:要件仕様の品質保証は、主に専門知識とドメイン知識を必要とする手作業です。 しかし、この要求される認知プロセスは、そもそも発生すべきでない、自明な品質の問題にも悩まされる。 主な考え方: 人間の視点から品質の側面を検証する認知的負荷を特徴付ける要求品質保証複雑性の分類法を提案し,機械の観点からの複雑性と精度の自動化を提案する。 貢献: この分類が実現され、検証されると、自動要求品質保証サポートの意思決定フレームワークの基礎となることができます。

関連論文リスト

• AI-Generated Image Quality Assessment Based on Task-Specific Prompt and Multi-Granularity Similarity [62.00987205438436]
  本稿では,TSP-MGSというAIGIの品質評価手法を提案する。 タスク固有のプロンプトを設計し、AIGIとプロンプトの多粒度類似度を測定する。 一般的に使用されるAGIQA-1KとAGIQA-3Kベンチマークの実験は、提案されたTSP-MGSの優位性を示している。
  論文  参考訳（メタデータ） (2024-11-25T04:47:53Z)
• Q-Ground: Image Quality Grounding with Large Multi-modality Models [61.72022069880346]
  Q-Groundは、大規模な視覚的品質グラウンドに取り組むための最初のフレームワークである。 Q-Groundは、大規模なマルチモダリティモデルと詳細な視覚的品質分析を組み合わせる。 コントリビューションの中心は、QGround-100Kデータセットの導入です。
  論文  参考訳（メタデータ） (2024-07-24T06:42:46Z)
• Hybrid LLM: Cost-Efficient and Quality-Aware Query Routing [53.748685766139715]
  大規模言語モデル(LLM)は、ほとんどのNLPタスクで優れていますが、そのサイズのため、デプロイに高価なクラウドサーバも必要です。 コスト削減と品質維持のために,それぞれの強みを組み合わせたハイブリッド推論手法を提案する。 実験では、反応の品質が低下することなく、最大40%大きなモデルへの呼び出しを削減できます。
  論文  参考訳（メタデータ） (2024-04-22T23:06:42Z)
• Identifying relevant Factors of Requirements Quality: an industrial Case Study [0.5603839226601395]
  本研究は,要求品質の関連要因を特定するために,面接書と報告の双方からのデータを考慮したケーススタディを行う。 その結果,(1)既存の要求工学理論を強化し,(2)産業関連要求品質研究を進展させるという実証的証拠が得られた。
  論文  参考訳（メタデータ） (2024-02-01T13:45:06Z)
• Quality Requirements for Code: On the Untapped Potential in Maintainability Specifications [5.342931064962865]
  本稿では,コード指向研究と要求工学の専門知識を組み合わせることで,有意義な産業的インパクトを生み出すための相乗的アプローチを提案する。 その結果,品質目標の設定を目的としたQUPERモデルは,保守性というユニークな側面に適切に対応していないことが示唆された。
  論文  参考訳（メタデータ） (2024-01-19T17:29:12Z)
• Towards Verifiable Generation: A Benchmark for Knowledge-aware Language Model Attribution [48.86322922826514]
  本稿では,知識認識型言語モデル属性(KaLMA)の新たな課題について述べる。 まず、属性のソースを構造化されていないテキストから知識グラフ(KG)に拡張し、そのリッチな構造は属性のパフォーマンスと作業シナリオの両方に役立ちます。 第2に,不完全な知識リポジトリを考慮した「意識的非能力」の設定を提案する。 第3に,テキスト品質,引用品質,引用アライメントを含む総合的な自動評価指標を提案する。
  論文  参考訳（メタデータ） (2023-10-09T11:45:59Z)
• Requirements Quality Research: a harmonized Theory, Evaluation, and Roadmap [4.147594239309427]
  高品質な要件は、欠陥をソフトウェア開発ライフサイクルの後期に伝播するリスクを最小限にします。 これは、要求品質を明確に定義し、理解する必要があります。
  論文  参考訳（メタデータ） (2023-09-19T06:27:23Z)
• A New Perspective on Evaluation Methods for Explainable Artificial Intelligence (XAI) [0.0]
  我々は、リソースの可用性、ドメインの特徴、リスクの考慮を組み込んだ、曖昧な方法でアプローチするのが最善である、と論じる。 この研究は、AIのための要求工学の分野を前進させることを目的としている。
  論文  参考訳（メタデータ） (2023-07-26T15:15:44Z)
• Revisiting the Performance-Explainability Trade-Off in Explainable Artificial Intelligence (XAI) [0.0]
  我々は、リソースの可用性、ドメインの特徴、リスクの考慮を組み込んだ、曖昧な方法でアプローチするのが最善である、と論じる。 この研究は、AIのための要求工学の分野を前進させることを目的としている。
  論文  参考訳（メタデータ） (2023-07-26T15:07:40Z)
• Measuring Uncertainty in Translation Quality Evaluation (TQE) [62.997667081978825]
  本研究は,翻訳テキストのサンプルサイズに応じて,信頼区間を精度良く推定する動機づけた研究を行う。 我々はベルヌーイ統計分布モデリング (BSDM) とモンテカルロサンプリング分析 (MCSA) の手法を適用した。
  論文  参考訳（メタデータ） (2021-11-15T12:09:08Z)
• AI Techniques for Software Requirements Prioritization [91.3755431537592]
  本稿では,要求優先プロセスの全体的な品質向上に役立つ人工知能(AI)技術に基づく優先順位付け手法を提案する。
  論文  参考訳（メタデータ） (2021-08-02T12:43:00Z)

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。