論文の概要: Domain-Driven Design in Software Development: A Systematic Literature Review on Implementation, Challenges, and Effectiveness
- arxiv url: http://arxiv.org/abs/2310.01905v4
- Date: Fri, 27 Jun 2025 15:02:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-30 21:12:22.840399
- Title: Domain-Driven Design in Software Development: A Systematic Literature Review on Implementation, Challenges, and Effectiveness
- Title（参考訳）: ソフトウェア開発におけるドメイン駆動設計: 実装、課題、有効性に関する体系的な文献レビュー
- Authors: Ozan Özkan, Önder Babur, Mark van den Brand,
- Abstract要約: ドメイン駆動設計(DDD)はソフトウェア開発において大きな注目を集めています。
この研究は、ソフトウェア開発におけるDDDに関する既存の研究を分析します。
- 参考スコア（独自算出の注目度）: 0.9963916732353794
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Context: Domain-Driven Design (DDD) has gained significant attention in software development for its potential to address complex software challenges, particularly in the areas of system refactoring, reimplementation, and adoption. Using domain knowledge, DDD aims to solve complex business problems effectively. Objective: This SLR aims to provide an analysis of existing research on DDD in software development, paint a picture of DDD in solving software problems, identify the challenges encountered during its application and explore the results of these studies. Method: We systematically selected 36 peer reviewed studies and conducted quantitative and qualitative analyzes to synthesize the findings. Results: DDD has effectively improved software systems, with its key concepts. The application of DDD in microservices has gained prominence for its ability to facilitate system decomposition. Some studies lacked empirical evaluations, highlighting challenges in onboarding and the need for expertise. Conclusion: Adopting DDD benefits software development, involving stakeholders such as engineers, architects, managers, and domain experts. More empirical evaluations and open discussions on challenges are needed. Collaboration between academia and industry advances the adoption and transfer of knowledge of DDD in projects.
- Abstract（参考訳）: コンテキスト: ドメイン駆動設計(DDD)は、特にシステムリファクタリング、再実装、導入といった領域において、複雑なソフトウェア課題に対処する可能性から、ソフトウェア開発において大きな注目を集めています。
ドメイン知識を利用することで、DDDは複雑なビジネス問題を効果的に解決することを目指している。
目的: このSLRは、ソフトウェア開発におけるDDDに関する既存の研究を分析し、ソフトウェア問題を解決するためのDDDの絵を描き、アプリケーションで遭遇した課題を特定し、これらの研究の結果を調べることを目的としています。
方法:36個のピアレビュー研究を体系的に選択し,定量的および定性的な分析を行い,分析結果を合成した。
結果: DDDはソフトウェアシステムを効果的に改善しました。
マイクロサービスにおけるDDDの応用は、システムの分解を容易にする能力で有名になった。
いくつかの研究は経験的評価を欠き、搭乗時の課題と専門知識の必要性を強調した。
結論:DDDの採用は、エンジニア、アーキテクト、マネージャ、ドメインエキスパートといったステークホルダーを含むソフトウェア開発に恩恵をもたらす。
より経験的な評価と課題に関するオープンな議論が必要です。
学術と産業の連携は、プロジェクトにおけるDDDの知識の採用と移転を促進する。
関連論文リスト
- Who is to Blame: A Comprehensive Review of Challenges and Opportunities in Designer-Developer Collaboration [20.90113991224472]
ソフトウェア開発は、高品質でユーザビリティの高いソフトウェア製品を作成するために、ソフトウェア開発エンジニア(SDE)とユーザeXperience Designers(UXD)の効果的なコラボレーションに依存します。
我々は2004年から発行された45の論文の体系的な文献レビューを行い、3つの主要なコラボレーション課題と2つの潜在的なベストプラクティスのカテゴリを明らかにした。
私たちの発見は、SDEとUXDのパートナーシップを超えて、ソフトウェア開発におけるコラボレーションに幅広い適用性を持っています。
論文 参考訳（メタデータ） (2025-01-20T21:11:06Z) - SoK: On Closing the Applicability Gap in Automated Vulnerability Detection [0.18846515534317265]
自動脆弱性検出(AVD)は、脆弱性を特定するためにソースコードを自律的に解析することを目的としている。
現在のAVD研究はコアコンポーネントにまたがってどのように分散されているのか、将来の研究対象はソフトウェア開発全体を通してのAVDの実践的適用性のギャップを埋めるための重要な領域であるべきなのか、という2つの主要な研究課題に対処する。
タスクの定式化と粒度,入力プログラム言語と表現,検出アプローチとキーソリューション,評価指標とデータセット,報告パフォーマンスの5つのコアコンポーネントを対象に,79以上のAVD記事と17の実証的研究を体系化する。
論文 参考訳（メタデータ） (2024-12-15T14:01:41Z) - An Empirical Investigation on the Challenges in Scientific Workflow Systems Development [2.704899832646869]
この記事では、Stack Overflow(SO)とGitHubにおける開発者と研究者のインタラクションについて検討する。
問題を分析することで、13のトピック(例えば、エラーとバグ修正、ドキュメント、依存性)を特定し、データ構造と操作が最も難しいことを発見した。
また、データ構造や操作、タスク管理、ワークフロースケジューリングといった、SOとGitHubの共通するトピックも見つけました。
論文 参考訳（メタデータ） (2024-11-16T21:14:11Z) - A Comparative Study on the Impact of Test-Driven Development (TDD) and Behavior-Driven Development (BDD) on Enterprise Software Delivery Effectiveness [0.4532517021515834]
この記事では、テスト駆動開発(TDD)と振る舞い駆動開発(BDD)が、エンタープライズ環境におけるソフトウェアデリバリの有効性に与える影響を比較します。
この結果から、各モデルがデリバリ速度、ソフトウェア品質、チームコラボレーションに与える影響が明らかになりました。
論文 参考訳（メタデータ） (2024-11-05T06:47:11Z) - Evaluation of OpenAI o1: Opportunities and Challenges of AGI [112.0812059747033]
o1-previewは目覚ましい能力を示し、しばしば人間レベルまたは優れたパフォーマンスを実現した。
このモデルは、様々な分野にわたる複雑な推論と知識の統合を必要とするタスクに優れていた。
総合的な結果は、人工知能への大きな進歩を示している。
論文 参考訳（メタデータ） (2024-09-27T06:57:00Z) - Diagnostic Reasoning in Natural Language: Computational Model and Application [68.47402386668846]
言語基底タスク(NL-DAR)の文脈における診断誘導推論(DAR)について検討する。
パール構造因果モデルに基づくNL-DARの新しいモデリングフレームワークを提案する。
得られたデータセットを用いて,NL-DARにおける人間の意思決定過程を解析する。
論文 参考訳（メタデータ） (2024-09-09T06:55:37Z) - A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。
多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
論文 参考訳（メタデータ） (2024-05-30T04:46:40Z) - Making Software Development More Diverse and Inclusive: Key Themes, Challenges, and Future Directions [50.545824691484796]
ソフトウェア開発者の多様性と包摂性(SDDI)を改善するための課題と機会に関する6つのテーマを特定します。
4つのテーマの利点、害、今後の研究の方向性を特定します。
残りの2つのテーマ、人工知能とSDDIとAIとコンピュータサイエンスの教育について論じる。
論文 参考訳（メタデータ） (2024-04-10T16:18:11Z) - Exploring Data Management Challenges and Solutions in Agile Software Development: A Literature Review and Practitioner Survey [4.45543024542181]
ソフトウェア製品とその開発に関連するデータを管理することは、ソフトウェアプロジェクトやアジャイルチームにとって大きな課題となる。
課題には、さまざまなソースからのデータを統合し、継続的な変更と適応の観点からデータ品質を保証することが含まれる。
論文 参考訳（メタデータ） (2024-02-01T10:07:12Z) - Overview of Robust and Multilingual Automatic Evaluation Metrics for
Open-Domain Dialogue Systems at DSTC 11 Track 4 [51.142614461563184]
第11回対話システム技術チャレンジ(DSTC11)のこのトラックは、堅牢で多言語による自動評価のメトリクスを促進するために進行中の取り組みの一部である。
本稿では、参加者に提供するデータセットとベースラインについて述べ、提案した2つのサブタスクの提出と結果の詳細について論じる。
論文 参考訳（メタデータ） (2023-06-22T10:50:23Z) - AI for Agile development: a Meta-Analysis [0.0]
本研究では,人工知能とアジャイルソフトウェア開発方法論を統合することのメリットと課題について検討する。
このレビューは、特別な社会技術専門知識の必要性など、重要な課題を特定するのに役立った。
プロセスや実践者への影響をよりよく理解し、その実装に関連する間接的な課題に対処するためには、さらなる研究が必要である。
論文 参考訳（メタデータ） (2023-05-14T08:10:40Z) - 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) - Software engineering for artificial intelligence and machine learning
software: A systematic literature review [6.681725960709127]
本研究は,AI/MLシステムの開発において,ソフトウェア工学がどのように応用されてきたかを検討することを目的とする。
プロフェッショナルが直面する主な課題は、テスト、AIソフトウェアの品質、データ管理といった分野だ。
論文 参考訳（メタデータ） (2020-11-07T11:06:28Z) - Deep Learning for Sensor-based Human Activity Recognition: Overview,
Challenges and Opportunities [52.59080024266596]
本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。
まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。
次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
論文 参考訳（メタデータ） (2020-01-21T09:55:59Z)
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。