論文の概要: Charting a Path to Efficient Onboarding: The Role of Software Visualization

• arxiv url: http://arxiv.org/abs/2401.09605v1
• Date: Wed, 17 Jan 2024 21:30:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-19 18:36:01.524076
• Title: Charting a Path to Efficient Onboarding: The Role of Software Visualization
• Title（参考訳）: 効果的なオンボーディングへの道を図示する:ソフトウェアビジュアライゼーションの役割
• Authors: Fernando Padoan, Ronnie de Souza Santos, Rodrigo Pessoa Medeiros
• Abstract要約: 本研究は,ソフトウェアビジュアライゼーションツールを用いたマネージャ,リーダ,開発者の親しみやすさを探求することを目的としている。 本手法は, 質問紙調査と半構造化面接を用いて, 実践者から収集したデータの量的, 質的分析を取り入れた。
• 参考スコア（独自算出の注目度）: 49.1574468325115
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background. Within the software industry, it is commonly estimated that software professionals invest a substantial portion of their work hours in the process of understanding existing systems. In this context, an ineffective technical onboarding process, which introduces newcomers to software under development, can result in a prolonged period for them to absorb the necessary knowledge required to become productive in their roles. Goal. The present study aims to explore the familiarity of managers, leaders, and developers with software visualization tools and how these tools are employed to facilitate the technical onboarding of new team members. Method. To address the research problem, we built upon the insights gained through the literature and embraced a sequential exploratory approach. This approach incorporated quantitative and qualitative analyses of data collected from practitioners using questionnaires and semi-structured interviews. Findings. Our findings demonstrate a gap between the concept of software visualization and the practical use of onboarding tools and techniques. Overall, practitioners do not systematically incorporate software visualization tools into their technical onboarding processes due to a lack of conceptual understanding and awareness of their potential benefits. Conclusion. The software industry could benefit from standardized and evolving onboarding models, improved by incorporating software visualization techniques and tools to support program comprehension of newcomers in the software projects.
• Abstract（参考訳）: 背景。 ソフトウェア業界では、ソフトウェア専門家が既存のシステムを理解するプロセスに時間の大半を費やすと一般的に見積もられている。 この文脈では、開発中のソフトウェアに新規参入者を導入する非効率な技術導入プロセスは、彼らの役割において生産的になるために必要な知識を吸収するための長い期間をもたらす可能性がある。 ゴール。 本研究は,ソフトウェアビジュアライゼーションツールを用いたマネージャ,リーダ,開発者の親しみと,これらのツールが新たなチームメンバの技術導入を促進する上でどのように利用されているかを検討することを目的としている。 方法。 研究課題に取り組むため,文献から得られた知見を整理し,逐次探索的アプローチを取り入れた。 本手法は, 質問紙調査と半構造化面接を用いて, 実践者から収集したデータの量的, 質的分析を取り入れた。 発見。 本研究は,ソフトウェアビジュアライゼーションの概念と,搭載ツールやテクニックの実践的利用のギャップを示すものである。 全体として、実践者は、概念的理解の欠如と潜在的な利益に対する認識の欠如のために、ソフトウェア視覚化ツールを自身の技術導入プロセスに体系的に組み入れない。 結論だ ソフトウェア産業は、ソフトウェアプロジェクトの新参者のプログラム理解を支援するために、ソフトウェア視覚化技術とツールを取り入れることで、標準化され、進化するオンボードモデルの恩恵を受けることができる。

関連論文リスト

• A Systematic Literature Review on the Use of Machine Learning in Software Engineering [0.0]
  本研究は,ソフトウェア工学プロセスに機械学習技術を適用する際の技術の現状を探るため,その目的と研究課題に従って実施された。 レビューでは、ソフトウェア品質保証、ソフトウェア保守、ソフトウェア理解、ソフトウェアドキュメントなど、MLが適用されたソフトウェアエンジニアリングにおける重要な領域を特定している。
  論文  参考訳（メタデータ） (2024-06-19T23:04:27Z)
• Embedding in Recommender Systems: A Survey [67.67966158305603]
  重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。 埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。 この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
  論文  参考訳（メタデータ） (2023-10-28T06:31:06Z)
• 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)
• PerfDetectiveAI -- Performance Gap Analysis and Recommendation in Software Applications [0.0]
  本稿では,ソフトウェアアプリケーションにおける性能ギャップ分析と提案のための概念的フレームワークPerfDetectiveAIを紹介する。 現代の機械学習(ML)と人工知能(AI)技術は、PerfDetectiveAIでパフォーマンス測定を監視し、ソフトウェアアプリケーションにおけるパフォーマンス不足の領域を特定するために使用されている。
  論文  参考訳（メタデータ） (2023-06-11T02:53:04Z)
• Lessons from Formally Verified Deployed Software Systems (Extended version) [65.69802414600832]
  本稿は、正式に認証されたシステムを作成し、実際に使用するためにデプロイした各種のアプリケーション分野のプロジェクトについて検討する。 使用する技術、適用の形式、得られた結果、そしてソフトウェア産業が形式的な検証技術やツールの恩恵を受ける能力について示すべき教訓を考察する。
  論文  参考訳（メタデータ） (2023-01-05T18:18:46Z)
• Towards a Reference Software Architecture for Human-AI Teaming in Smart Manufacturing [0.0]
  我々は、知識グラフ、トラッキングとシーン分析、およびリレーショナル機械学習のためのコンポーネントに基づくリファレンスソフトウェアアーキテクチャを開発した。 本ソフトウェアアーキテクチャの実証検証は,自動車,エネルギーシステム,精密加工領域の大規模企業3社と連携して実施する。
  論文  参考訳（メタデータ） (2022-01-13T10:43:49Z)
• 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)
• A Cognitive Approach based on the Actionable Knowledge Graph for supporting Maintenance Operations [3.3198770589233284]
  本研究では,過去の介入から学び,保守実践を改善するためのコンテキストレコメンデーションを生成する認知システムを提案する。 このシステムは、これらの目的を達成するために、形式的な概念モデル、漸進学習、ランキングアルゴリズムを使用する。
  論文  参考訳（メタデータ） (2020-11-18T21:53:00Z)
• 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。