論文の概要: Quality Requirements for Code: On the Untapped Potential in Maintainability Specifications

• arxiv url: http://arxiv.org/abs/2401.10833v1
• Date: Fri, 19 Jan 2024 17:29:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-22 15:10:29.736969
• Title: Quality Requirements for Code: On the Untapped Potential in Maintainability Specifications
• Title（参考訳）: コードの品質要件:保守性仕様の未解決可能性について
• Authors: Markus Borg
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.342931064962865
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Quality requirements are critical for successful software engineering, with maintainability being a key internal quality. Despite significant attention in software metrics research, maintainability has attracted surprisingly little focus in the Requirements Engineering (RE) community. This position paper proposes a synergistic approach, combining code-oriented research with RE expertise, to create meaningful industrial impact. We introduce six illustrative use cases and propose three future research directions. Preliminary findings indicate that the established QUPER model, designed for setting quality targets, does not adequately address the unique aspects of maintainability.
• Abstract（参考訳）: ソフトウェアエンジニアリングの成功には品質要件が不可欠で、メンテナンス性は重要な内部品質になります。 ソフトウェアメトリクスの研究において大きな注目を集めているにもかかわらず、メンテナンス性は、Requirements Engineering (RE)コミュニティにおいて驚くほどほとんど注目されていない。 本稿では、コード指向研究とREの専門知識を組み合わせて、有意義な産業的影響を生み出すための相乗的アプローチを提案する。 6つの実例を紹介し,今後の3つの研究方向を提案する。 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わかった。

関連論文リスト

• Teaching Requirements Engineering for AI: A Goal-Oriented Approach in Software Engineering Courses [4.273966905160028]
  AIベースのシステムに高品質な要件を規定する能力を持つソフトウェアエンジニアを準備することが重要です。 本研究の目的は,Goal-Oriented Requirements Engineering(GORE)の有効性と適用性を評価することである。
  論文  参考訳（メタデータ） (2024-10-26T23:44:01Z)
• Engineering Trustworthy AI: A Developer Guide for Empirical Risk Minimization [53.80919781981027]
  信頼できるAIのための重要な要件は、経験的リスク最小化のコンポーネントの設計選択に変換できる。 私たちは、AIの信頼性の新たな標準を満たすAIシステムを構築するための実用的なガイダンスを提供したいと思っています。
  論文  参考訳（メタデータ） (2024-10-25T07:53:32Z)
• Trustworthiness in Retrieval-Augmented Generation Systems: A Survey [59.26328612791924]
  Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)の開発において、急速に重要なパラダイムへと成長してきた。 本稿では,RAGシステムの信頼性を,事実性,堅牢性,公正性,透明性,説明責任,プライバシの6つの面で評価する統一的な枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-16T09:06:44Z)
• 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)
• Requirements Quality Assurance in Industry: Why, What and How? [3.6142643912711794]
  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。
  論文  参考訳（メタデータ） (2023-08-24T14:31:52Z)
• 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)
• 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)
• Mitigating Risks in Software Development through Effective Requirements Engineering [0.0]
  本稿では,セキュアなソフトウェア開発における要件収集の重要性について概説する。 要求エンジニアが顧客のニーズと欲求を定義し、理解する上で重要な役割について説明している。 この記事は、曖昧さと曖昧さのリスクを早期に緩和する必要性を強調し、要求を評価し、交渉し、優先順位付けするための技術を提供する。
  論文  参考訳（メタデータ） (2023-05-09T23:12:28Z)
• Design Space Exploration and Explanation via Conditional Variational Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
  本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。 CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
  論文  参考訳（メタデータ） (2022-11-29T17:28:31Z)
• 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)
• Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology [53.063411515511056]
  本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。 第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。 第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
  論文  参考訳（メタデータ） (2020-03-11T08:25:49Z)

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。