論文の概要: Requirements' Characteristics: How do they Impact on Project Budget in a Systems Engineering Context?

• arxiv url: http://arxiv.org/abs/2310.01395v1
• Date: Mon, 2 Oct 2023 17:53:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 05:17:52.194862
• Title: Requirements' Characteristics: How do they Impact on Project Budget in a Systems Engineering Context?
• Title（参考訳）: 要件の特徴:システム工学の文脈におけるプロジェクト予算にどのように影響するのか?
• Authors: Panagiota Chatzipetrou, Michael Unterkalmsteiner, Tony Gorschek
• Abstract要約: 自然言語要求(NLR)の品質の制御と保証は困難である。 スウェーデン交通庁 (STA) と共同で, 要件の特性が変更要求や予算変更に与える影響について検討した。
• 参考スコア（独自算出の注目度）: 3.2872885101161318
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Background: Requirements engineering is of a principal importance when starting a new project. However, the number of the requirements involved in a single project can reach up to thousands. Controlling and assuring the quality of natural language requirements (NLRs), in these quantities, is challenging. Aims: In a field study, we investigated with the Swedish Transportation Agency (STA) to what extent the characteristics of requirements had an influence on change requests and budget changes in the project. Method: We choose the following models to characterize system requirements formulated in natural language: Concern-based Model of Requirements (CMR), Requirements Abstractions Model (RAM) and Software-Hardware model (SHM). The classification of the NLRs was conducted by the three authors. The robust statistical measure Fleiss' Kappa was used to verify the reliability of the results. We used descriptive statistics, contingency tables, results from the Chi-Square test of association along with post hoc tests. Finally, a multivariate statistical technique, Correspondence analysis was used in order to provide a means of displaying a set of requirements in two-dimensional graphical form. Results: The results showed that software requirements are associated with less budget cost than hardware requirements. Moreover, software requirements tend to stay open for a longer period indicating that they are "harder" to handle. Finally, the more discussion or interaction on a change request can lower the actual estimated change request cost. Conclusions: The results lead us to a need to further investigate the reasons why the software requirements are treated differently from the hardware requirements, interview the project managers, understand better the way those requirements are formulated and propose effective ways of Software management.
• Abstract（参考訳）: 背景: 新しいプロジェクトを始める際には,要件エンジニアリングが重要なのです。 しかしながら、単一のプロジェクトに関わる要件の数は、数千にも達する可能性がある。 これらの量において、自然言語要件(nlrs)の質の制御と保証は困難である。 Aims: フィールドスタディでは, 要件の特性がプロジェクトの変化要求や予算変更に与える影響について, スウェーデン運輸庁(STA)と調査を行った。 方法: 自然言語で定式化されたシステム要件を特徴付けるモデルとして, 懸念ベース要求モデル(CMR), 要求抽象化モデル(RAM), ソフトウェアハードウェアモデル(SHM)を選択する。 NLRの分類は3人の著者によって行われた。 Fleiss' Kappa という頑健な統計指標を用いて結果の信頼性を検証した。 著者らは,Ci-Square テストとポストホックテストの結果,記述統計,コンテンジェンシーテーブルを用いて検討した。 最後に,多変量統計手法である対応分析を用いて,要求のセットを2次元のグラフィカルな形式で表示する手法を開発した。 結果: 結果から,ソフトウェア要件はハードウェア要件よりも予算コストが低いことが判明した。 さらに、ソフトウェア要件は、処理が"より難しい"ことを示すために、より長い期間オープンである傾向があります。 最後に、変更要求に関する議論や対話が多ければ多いほど、実際の変更要求コストを下げることができます。 結論: 結果として、ソフトウェア要件がハードウェア要件と異なる扱いを受けている理由をさらに調査し、プロジェクトマネージャにインタビューし、それらの要件の定式化方法を理解し、ソフトウェア管理の効果的な方法を提案する必要がある。

関連論文リスト

• AI based Multiagent Approach for Requirements Elicitation and Analysis [3.9422957660677476]
  本研究では,大規模言語モデル(LLM)を用いた要求分析タスクの自動化の有効性を実証的に検討する。 我々は,GPT-3.5,GPT-4 Omni,LLaMA3-70,Mixtral-8Bの4つのモデルをデプロイし,実世界の4つのプロジェクトにおける要件を分析する実験を行った。 予備的な結果は,各モデルにおけるタスク完了の顕著な変化を示している。
  論文  参考訳（メタデータ） (2024-08-18T07:23:12Z)
• The Art of Saying No: Contextual Noncompliance in Language Models [123.383993700586]
  本稿では,ユーザの要求に従わないモデルについて,コンテキスト非準拠の包括的分類を導入する。 我々の分類は、不完全、不完全、不完全、不決定、人為的要求を含む幅広いカテゴリーにまたがる。 言語モデルの非準拠性をテストするために,1000個の非準拠プロンプトの新たな評価スイートを開発するために,この分類法を用いる。
  論文  参考訳（メタデータ） (2024-07-02T07:12:51Z)
• Can Long-Context Language Models Subsume Retrieval, RAG, SQL, and More? [54.667202878390526]
  長文言語モデル(LCLM)は、従来、検索システムやデータベースといった外部ツールに依存していたタスクへのアプローチに革命をもたらす可能性がある。 実世界のタスクのベンチマークであるLOFTを導入し、文脈内検索と推論においてLCLMの性能を評価するために設計された数百万のトークンを出力する。 以上の結果からLCLMは,これらのタスクを明示的に訓練したことがないにも関わらず,最先端の検索システムやRAGシステムと競合する驚くべき能力を示した。
  論文  参考訳（メタデータ） (2024-06-19T00:28:58Z)
• PiShield: A PyTorch Package for Learning with Requirements [49.03568411956408]
  ディープラーニングモデルは、アウトプットの安全性要件を満たすのに苦労することが多い。 本稿では,ニューラルネットワークのトポロジへの要求の統合を可能にする最初のパッケージであるPiShieldを紹介する。
  論文  参考訳（メタデータ） (2024-02-28T12:24:27Z)
• Stability prediction of the software requirements specification [0.0]
  本研究は,要求仕様書を改訂する必要があるかどうかを予測するベイズネットワーク要件を提示する。 大規模な複雑なソフトウェアプロジェクトから得られたメトリクスを用いて、Requisitesの検証方法を示す。
  論文  参考訳（メタデータ） (2024-01-23T10:40:29Z)
• 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)
• Simultaneous Machine Translation with Large Language Models [51.470478122113356]
  我々は,SimulMTタスクに大規模言語モデルを適用する可能性を検討する。 MUST-Cデータセットと異なる9言語でtextttLlama2-7b-chatモデルを用いて実験を行った。 その結果,LLM は BLEU と LAAL の指標で専用MT モデルよりも優れていた。
  論文  参考訳（メタデータ） (2023-09-13T04:06:47Z)
• Technical Report on Neural Language Models and Few-Shot Learning for Systematic Requirements Processing in MDSE [1.6286277560322266]
  本論文は,自動車要件のオープンソースセットの分析に基づくものである。 ドメイン固有の言語構造を導き、要求の不明瞭さを回避し、形式性のレベルを上げるのに役立ちます。
  論文  参考訳（メタデータ） (2022-11-16T18:06:25Z)
• ROAD-R: The Autonomous Driving Dataset with Logical Requirements [54.608762221119406]
  論理要求付きROADイベント認識データセット(ROAD-R)を紹介する。 ROAD-Rは、論理的制約として表現された要件を持つ、自動運転のための最初の公開データセットである。 我々は、(i)パフォーマンスが良く、(ii)要求自体に準拠することが保証されているモデルを作成するためにそれらを活用できることを示します。
  論文  参考訳（メタデータ） (2022-10-04T13:22:19Z)
• Wizard of Search Engine: Access to Information Through Conversations with Search Engines [58.53420685514819]
  我々は3つの側面からCISの研究を促進するために努力している。 目的検出(ID)、キーフレーズ抽出(KE)、行動予測(AP)、クエリ選択(QS)、通過選択(PS)、応答生成(RG)の6つのサブタスクでCIS用のパイプラインを定式化する。 検索エンジンのウィザード(WISE)と呼ばれるベンチマークデータセットをリリースし、CISのすべての側面について包括的かつ詳細な調査を可能にします。
  論文  参考訳（メタデータ） (2021-05-18T06:35:36Z)
• Deep Learning Models in Software Requirements Engineering [0.0]
  我々は,バニラ文自動エンコーダを文生成タスクに適用し,その性能を評価した。 生成された文は、英語でしか使われず、有意義な単語しか含まない。 より大きなデータセットにモデルを適用することで、結果が大幅に向上すると信じています。
  論文  参考訳（メタデータ） (2021-05-17T12:27:30Z)

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。