Fugu-MT 論文翻訳(概要): Agile Requirement Change Management Model for Global Software Development

論文の概要: Agile Requirement Change Management Model for Global Software Development

arxiv url: http://arxiv.org/abs/2402.14595v1
Date: Thu, 22 Feb 2024 14:46:37 GMT
ステータス: 処理完了
システム内更新日: 2024-02-23 14:54:10.074070
Title: Agile Requirement Change Management Model for Global Software Development
Title（参考訳）: グローバルソフトウェア開発のためのアジャイル要件変更管理モデル
Authors: Neha Koulecar and Bachan Ghimire
Abstract要約: 我々は、既存のモデルの限界に対処する、高貴で包括的で堅牢なアジャイル要件変更管理(ARCM)モデルを提案する。本研究は,実環境下でのRCMモデルの有効性を評価し,改善すべき限界や領域を特定した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a noble, comprehensive and robust agile requirements change management (ARCM) model that addresses the limitations of existing models and is tailored for agile software development in the global software development paradigm. To achieve this goal, we conducted an exhaustive literature review and an empirical study with RCM industry experts. Our study evaluated the effectiveness of the proposed RCM model in a real-world setting and identifies any limitations or areas for improvement. The results of our study provide valuable insights into how the proposed RCM model can be applied in agile global software development environments to improve software development practices and optimize project success rates.
Abstract（参考訳）: 我々は、既存のモデルの限界に対処し、グローバルなソフトウェア開発パラダイムにおけるアジャイルソフトウェア開発に適した、高貴で包括的で堅牢なアジャイル要件変更管理(ARCM)モデルを提案します。この目的を達成するため、我々は総合的な文献レビューとRCM業界の専門家との実証的研究を行った。本研究は,実環境下でのRCMモデルの有効性を評価し,改善すべき限界や領域を特定した。本研究の結果は,RCMモデルがアジャイルの世界的ソフトウェア開発環境に適用され,ソフトウェア開発の実践を改善し,プロジェクトの成功率を最適化する方法について,貴重な知見を提供するものである。

関連論文リスト

The Role of DevOps in Enhancing Enterprise Software Delivery Success through R&D Efficiency and Source Code Management [0.4532517021515834]
本研究は、ソフトウェアデリバリの成功のための研究開発効率の向上とソースコード管理(SCM)に焦点を当てる。定性的な方法論を使用して、データをDevOpsを実装する大企業のケーススタディから収集した。
論文参考訳（メタデータ） (2024-11-04T16:01:43Z)
On the Utility of Domain Modeling Assistance with Large Language Models [2.874893537471256]
本稿では,大規模言語モデル(LLM)とドメインモデリング支援のための数発のプロンプト学習を利用した新しいアプローチの有用性を評価する。このアプローチの目的は、不足するドメイン固有のデータセット上で、AIベースの補完モデルの広範なトレーニングの必要性を克服することである。
論文参考訳（メタデータ） (2024-10-16T13:55:34Z)
Agent-Driven Automatic Software Improvement [55.2480439325792]
本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
論文参考訳（メタデータ） (2024-06-24T15:45:22Z)
Let's reward step by step: Step-Level reward model as the Navigators for Reasoning [64.27898739929734]
Process-Supervised Reward Model (PRM)は、トレーニングフェーズ中にステップバイステップのフィードバックをLLMに提供する。 LLMの探索経路を最適化するために,PRMからのステップレベルのフィードバックを応用した欲求探索アルゴリズムを提案する。提案手法の汎用性を探るため,コーディングタスクのステップレベル報酬データセットを自動生成する手法を開発し,コード生成タスクにおける同様の性能向上を観察する。
論文参考訳（メタデータ） (2023-10-16T05:21:50Z)
Xcrum: A Synergistic Approach Integrating Extreme Programming with Scrum [0.0]
この記事では,スクラムとエクストリームプログラミング(XP)という,2つの著名なアジャイル方法論の概要を紹介する。 XPプラクティスをスクラムに統合することで、"Xcrum"と呼ばれる新しいハイブリッド方法論が生まれました。この新しいアプローチが両方のメソッドの強みを取り入れていることを考えると、オリジナルのフレームワークを上回る可能性を秘めている点に注意が必要だ。
論文参考訳（メタデータ） (2023-10-05T01:39:10Z)
Streamlined Framework for Agile Forecasting Model Development towards Efficient Inventory Management [2.0625936401496237]
本稿では,開発プロセスのコアコンポーネント間の接続を合理化して予測モデルを構築するためのフレームワークを提案する。提案したフレームワークは、新しいデータセットの迅速かつ堅牢な統合、異なるアルゴリズムの実験、最良のモデルの選択を可能にする。
論文参考訳（メタデータ） (2023-04-13T08:52:32Z)
When Demonstrations Meet Generative World Models: A Maximum Likelihood Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
論文参考訳（メタデータ） (2023-02-15T04:14:20Z)
Model Reprogramming: Resource-Efficient Cross-Domain Machine Learning [65.268245109828]
視覚、言語、音声などのデータに富む領域では、ディープラーニングが高性能なタスク固有モデルを提供するのが一般的である。リソース制限されたドメインでのディープラーニングは、(i)限られたデータ、(ii)制約付きモデル開発コスト、(iii)効果的な微調整のための適切な事前学習モデルの欠如など、多くの課題に直面している。モデル再プログラミングは、ソースドメインから十分に訓練されたモデルを再利用して、モデル微調整なしでターゲットドメインのタスクを解くことで、リソース効率のよいクロスドメイン機械学習を可能にする。
論文参考訳（メタデータ） (2022-02-22T02:33:54Z)
Optimization-Inspired Learning with Architecture Augmentations and Control Mechanisms for Low-Level Vision [74.9260745577362]
本稿では,GDC(Generative, Discriminative, and Corrective)の原則を集約する,最適化に着想を得た統合学習フレームワークを提案する。フレキシブルな組み合わせで最適化モデルを効果的に解くために,3つのプロパゲーティブモジュールを構築した。低レベル視覚タスクにおける実験は、GDCの有効性と適応性を検証する。
論文参考訳（メタデータ） (2020-12-10T03:24:53Z)
Ensemble Regression Models for Software Development Effort Estimation: A Comparative Study [0.0]
本研究は,どの手法がより優れた作業予測精度を持つかを判定し,より優れた見積もりを提供するための組み合わせ手法を提案する。その結果,提案したアンサンブルモデルでは,ソフトウェアプロジェクトの取り組み推定に最適な応答が得られた。
論文参考訳（メタデータ） (2020-07-03T14:40:41Z)
Quantitatively Assessing the Benefits of Model-driven Development in Agent-based Modeling and Simulation [80.49040344355431]
本稿では,MDD とABMS プラットフォームの利用状況と開発ミスについて比較する。その結果、MDD4ABMSはNetLogoと類似した設計品質のシミュレーションを開発するのに、より少ない労力を必要とすることがわかった。
論文参考訳（メタデータ） (2020-06-15T23:29:04Z)

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。