論文の概要: Software-Intensive Product Engineering in Start-Ups: A Taxonomy
- arxiv url: http://arxiv.org/abs/2309.16793v1
- Date: Thu, 28 Sep 2023 18:42:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 05:37:23.506650
- Title: Software-Intensive Product Engineering in Start-Ups: A Taxonomy
- Title（参考訳）: スタートアップにおけるソフトウェア集約型プロダクトエンジニアリング:分類法
- Authors: Eriks Klotins, Michael Unterkalmsteiner, Tony Gorschek
- Abstract要約: 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。
- 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: Software start-ups are new companies aiming to launch an innovative product
to mass markets fast with minimal resources. However, most start-ups fail
before realizing their potential. Poor software engineering, among other
factors, could be a significant contributor to the challenges that start-ups
experience. Little is known about the engineering context in start-up
companies. On the surface, start-ups are characterized by uncertainty, high
risk, and minimal resources. However, such a characterization isn't granular
enough to support identification of specific engineering challenges and to
devise start-up-specific engineering practices. The first step toward an
understanding of software engineering in start-ups is the definition of a
Start-Up Context Map - a taxonomy of engineering practices, environment
factors, and goals influencing the engineering process. This map aims to
support further research on the field and serve as an engineering decision
support tool for start-ups. This article is part of a theme issue on Process
Improvement.
- Abstract（参考訳）: ソフトウェアスタートアップは、最小限のリソースで迅速に大衆市場に革新的なプロダクトをローンチしようとする新しい企業だ。
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。
ソフトウェアエンジニアリングの貧弱さは、スタートアップが経験する課題に大きな貢献をする可能性がある。
スタートアップ企業のエンジニアリング状況についてはほとんど分かっていない。
表面的には、スタートアップは不確実性、高いリスク、そして最小限のリソースによって特徴づけられる。
しかし、そのような特徴は特定のエンジニアリング課題の特定を支援し、スタートアップ固有のエンジニアリングプラクティスを考案するのに十分な粒度ではない。
スタートアップにおけるソフトウェアエンジニアリングを理解するための最初のステップは、エンジニアリングプラクティス、環境要因、そしてエンジニアリングプロセスに影響を与える目標の分類である、スタートアップコンテキストマップの定義である。
このマップは、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決定支援ツールとして機能することを目的としている。
この記事はプロセス改善に関するテーマ問題の一部です。
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) - A Progression Model of Software Engineering Goals, Challenges, and
Practices in Start-Ups [5.664445343364966]
スタートアップ企業におけるエンジニアリングの目標、課題、プラクティスに関連するデータ収集を目指しています。
84のスタートアップケースを分析し、スタートアップに共通する16の目標、9の課題、16のエンジニアリングプラクティスを特定します。
論文 参考訳（メタデータ） (2023-12-12T09:36:43Z) - 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) - 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) - Software Engineering Knowledge Areas in Startup Companies: A Mapping
Study [3.944126365759018]
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。
論文 参考訳（メタデータ） (2023-08-15T08:26:02Z) - Towards Machine Learning for Placement and Routing in Chip Design: a
Methodological Overview [72.79089075263985]
配置とルーティングは、現代のチップ設計フローにおいて必須かつ困難な2つのタスクである。
機械学習は、そのデータ駆動性によって有望な見通しを示しており、知識や事前への依存度は低い。
論文 参考訳（メタデータ） (2022-02-28T06:28:44Z) - Empowered and Embedded: Ethics and Agile Processes [60.63670249088117]
私たちは倫理的考慮事項を(アジャイル)ソフトウェア開発プロセスに組み込む必要があると論じています。
私たちは、すでに存在しており、確立されたアジャイルソフトウェア開発プロセスで倫理的な議論を実施する可能性を強調しました。
論文 参考訳（メタデータ） (2021-07-15T11:14:03Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z) - 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。