論文の概要: Exploring Data Management Challenges and Solutions in Agile Software Development: A Literature Review and Practitioner Survey

• arxiv url: http://arxiv.org/abs/2402.00462v3
• Date: Mon, 09 Dec 2024 07:02:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-10 14:50:33.509333
• Title: Exploring Data Management Challenges and Solutions in Agile Software Development: A Literature Review and Practitioner Survey
• Title（参考訳）: アジャイルソフトウェア開発におけるデータ管理の課題と解決策を探る: 文献レビューと実践者調査
• Authors: Ahmed Fawzy, Amjed Tahir, Matthias Galster, Peng Liang,
• Abstract要約: 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。 これには、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中でデータ品質を保証することが含まれる。 この論文はアジャイルプロジェクトのデータ管理の課題と潜在的な解決策を体系的に検討している。
• 参考スコア（独自算出の注目度）: 4.45543024542181
• License:
• Abstract: Context: Managing data related to a software product and its development poses significant challenges for software projects and agile development teams. These include integrating data from diverse sources and ensuring data quality amidst continuous change and adaptation. Objective: The paper systematically explores data management challenges and potential solutions in agile projects, aiming to provide insights into data management challenges and solutions for both researchers and practitioners. Method: We employed a mixed-methods approach, including a systematic literature review (SLR) to understand the state-of-research followed by a survey with practitioners to reflect on the state-of-practice. The SLR reviewed 45 studies, identifying and categorizing data management aspects along with their associated challenges and solutions. The practitioner survey captured practical experiences and solutions from 32 industry practitioners who were significantly involved in data management to complement the findings from the SLR. Results: Our findings identified major data management challenges in practice, such as managing data integration processes, capturing diverse data, automating data collection, and meeting real-time analysis requirements. To address these challenges, solutions such as automation tools, decentralized data management practices, and ontology-based approaches have been identified. These solutions enhance data integration, improve data quality, and enable real-time decision-making by providing flexible frameworks tailored to agile project needs. Conclusion: The study pinpointed significant challenges and actionable solutions in data management for agile development. Our findings provide practical implications for practitioners and researchers, emphasizing the development of effective data management practices and tools to address those challenges and improve project success.
• Abstract（参考訳）: コンテキスト: 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開発チームにとって大きな課題となる。 これには、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中でデータ品質を保証することが含まれる。 目的: 論文はアジャイルプロジェクトのデータ管理の課題と潜在的な解決策を体系的に探求し、研究者と実践者の両方にデータ管理の課題とソリューションに関する洞察を提供することを目的としています。 方法: 研究の状況を理解するため, 体系的文献レビュー(SLR)を含む混合手法を用いて, 実践者を対象にした調査を行った。 SLRは45の研究をレビューし、関連する課題とソリューションと共にデータ管理の側面を特定し分類した。 実践者調査では,SLRの成果を補完するため,データ管理に深く関わった32人の実践者から,実践経験と解決策を抽出した。 結果:本研究では,データ統合プロセスの管理,多様なデータ取得,データ収集の自動化,リアルタイム分析要求の達成など,実際のデータ管理上の課題を明らかにした。 これらの課題に対処するため、自動化ツール、分散データ管理プラクティス、オントロジーベースのアプローチといったソリューションが特定されている。 これらのソリューションは、データ統合を強化し、データ品質を改善し、アジャイルプロジェクトのニーズに合わせて柔軟なフレームワークを提供することで、リアルタイムな意思決定を可能にする。 結論: この研究は、アジャイル開発のためのデータ管理において、重要な課題と実行可能なソリューションを指摘しました。 本研究は,これらの課題に対処し,プロジェクト成功を改善するための効果的なデータ管理手法とツールの開発を強調し,実践者や研究者に実践的な意味を与えるものである。

関連論文リスト

• Deploying Large Language Models With Retrieval Augmented Generation [0.21485350418225244]
  Retrieval Augmented Generationは、大規模言語モデルのトレーニングセット外のデータソースからの知識を統合するための重要なアプローチとして登場した。 本稿では,LLMとRAGを統合して情報検索を行うパイロットプロジェクトの開発とフィールドテストから得られた知見について述べる。
  論文  参考訳（メタデータ） (2024-11-07T22:11:51Z)
• A Systematic Review of NeurIPS Dataset Management Practices [7.974245534539289]
  我々はNeurIPSトラックで公開されたデータセットの体系的なレビューを行い、証明、配布、倫理的開示、ライセンスの4つの重要な側面に焦点を当てる。 この結果から, データセットの出現は不明瞭なフィルタリングやキュレーションのプロセスのため, しばしば不明瞭であることが明らかとなった。 これらの矛盾は、データセットの公開と管理のための標準化されたデータインフラストラクチャーの緊急の必要性を浮き彫りにする。
  論文  参考訳（メタデータ） (2024-10-31T23:55:41Z)
• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• Data-Centric AI in the Age of Large Language Models [51.20451986068925]
  本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。 本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。 データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
  論文  参考訳（メタデータ） (2024-06-20T16:34:07Z)
• AIOps Solutions for Incident Management: Technical Guidelines and A Comprehensive Literature Review [0.29998889086656577]
  本研究では,AIOpsの用語と分類について提案し,構造化されたインシデント管理手順を確立し,AIOpsフレームワークを構築するためのガイドラインを提供する。 目標は、インシデント管理のためのAIOpsの技術的および研究的な側面の包括的なレビューを提供することであり、知識を構造化し、ギャップを特定し、この分野における将来の発展の基礎を確立することを目的としている。
  論文  参考訳（メタデータ） (2024-04-01T17:32:22Z)
• An Empirical Study of Challenges in Machine Learning Asset Management [15.07444988262748]
  既存の研究にもかかわらず、モデルバージョニングやデータトレーサビリティ、コラボレーションといった運用上の課題には、大きな知識ギャップが残っている。 本研究の目的は,開発者フォーラムやプラットフォームから15,065件の投稿を分析し,このギャップに対処することである。 ソフトウェア依存性、モデルデプロイメント、モデルトレーニングが最も議論されている16のマクロトピックにグループ化された、資産管理の課題に関連する133のトピックを明らかにしました。
  論文  参考訳（メタデータ） (2024-02-25T05:05:52Z)
• Data Management For Training Large Language Models: A Survey [64.18200694790787]
  大規模言語モデル(LLM)のトレーニングにおいて、データは基本的な役割を果たす 本調査は,LLMの事前学習および微調整段階におけるデータ管理の現状を概観するものである。
  論文  参考訳（メタデータ） (2023-12-04T07:42:16Z)
• Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
  まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。 次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。 提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2023-11-22T22:15:17Z)
• Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data Programming [77.38174112525168]
  私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
  論文  参考訳（メタデータ） (2022-03-02T19:57:32Z)
• Scaling up Search Engine Audits: Practical Insights for Algorithm Auditing [68.8204255655161]
  異なる地域に数百の仮想エージェントを配置した8つの検索エンジンの実験を行った。 複数のデータ収集にまたがる研究インフラの性能を実証する。 仮想エージェントは,アルゴリズムの性能を長時間にわたって監視するための,有望な場所である,と結論付けている。
  論文  参考訳（メタデータ） (2021-06-10T15:49:58Z)

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。