論文の概要: Does Documentation Matter? An Empirical Study of Practitioners'
Perspective on Open-Source Software Adoption
- arxiv url: http://arxiv.org/abs/2403.03819v1
- Date: Wed, 6 Mar 2024 16:06:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-07 14:19:33.679224
- Title: Does Documentation Matter? An Empirical Study of Practitioners'
Perspective on Open-Source Software Adoption
- Title（参考訳）: ドキュメントは重要か?
オープンソースソフトウェア導入に関する実践者の視点に関する実証的研究
- Authors: Aaron Imani, Shiva Radmanesh, Iftekhar Ahmed, Mohammad Moshirpour
- Abstract要約: オープンソースソフトウェア(OSS)は、ソフトウェア製品の開発においてますます普及している。
半構造化インタビューとオンライン調査を行い,この領域について考察した。
OSSドキュメントから関連情報を自動収集するトピックモデルを開発した。
本稿では,OSSドキュメントコーパスIDFスコアとChatGPTを組み合わせた新しい情報拡張手法DocMentorを提案する。
- 参考スコア（独自算出の注目度）: 4.400274233826898
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, open-source software (OSS) has become increasingly prevalent
in developing software products. While OSS documentation is the primary source
of information provided by the developers' community about a product, its role
in the industry's adoption process has yet to be examined. We conducted
semi-structured interviews and an online survey to provide insight into this
area. Based on interviews and survey insights, we developed a topic model to
collect relevant information from OSS documentation automatically.
Additionally, according to our survey responses regarding challenges associated
with OSS documentation, we propose a novel information augmentation approach,
DocMentor, by combining OSS documentation corpus TF-IDF scores and ChatGPT.
Through explaining technical terms and providing examples and references, our
approach enhances the documentation context and improves practitioners'
understanding. Our tool's effectiveness is assessed by surveying practitioners.
- Abstract（参考訳）: 近年,オープンソースソフトウェア(OSS)は,ソフトウェア製品開発においてますます普及している。
OSSドキュメントは、製品に関する開発者コミュニティが提供する主要な情報ソースであるが、業界の採用プロセスにおけるその役割はまだ検討されていない。
半構造化インタビューとオンライン調査を行い,この領域について考察した。
インタビューや調査結果に基づいて,OSSドキュメントから関連情報を自動収集するトピックモデルを開発した。
さらに,OSSドキュメントに関連する課題に対する調査回答から,OSSドキュメントコーパスTF-IDFスコアとChatGPTを組み合わせることで,新たな情報拡張アプローチであるDocMentorを提案する。
技術的用語の説明と例と参照の提供を通じて、このアプローチはドキュメントのコンテキストを強化し、実践者の理解を深めます。
ツールの有効性は,実践者の調査によって評価される。
関連論文リスト
- Deep Learning based Key Information Extraction from Business Documents: Systematic Literature Review [51.61531917413708]
鍵情報抽出のための深層学習に基づくアプローチは、文書理解(Document Understanding)という用語で提案されている。
この体系的な文献レビューの目的は、この領域における既存のアプローチの詳細な分析とさらなる研究の機会の同定である。
論文 参考訳（メタデータ） (2024-07-23T08:15:55Z) - SyROCCo: Enhancing Systematic Reviews using Machine Learning [6.805429133535976]
本稿では,システムレビュープロセスのナビゲートを支援する機械学習技術について検討する。
データ抽出やエビデンスマッピングといったレビューのその後の段階へのML技術の適用は、その初期段階にある。
論文 参考訳（メタデータ） (2024-06-24T11:04:43Z) - Systematic Mapping Protocol -- UX Design role in software development
process [55.2480439325792]
ソフトウェア開発プロセスにおけるUXデザイナの役割を調べるための体系的なマッピングプロトコルを提案する。
本研究は,地図作成に使用する研究課題,スコープ,ソース,検索戦略,選択基準,データ抽出,分析方法を定義する。
論文 参考訳（メタデータ） (2024-02-20T16:56:46Z) - Understanding Documentation Use Through Log Analysis: An Exploratory
Case Study of Four Cloud Services [14.104545948572836]
クラウドベースの4つの産業サービスから,ドキュメントのページビューログを分析した。
10万人以上のユーザのページビューログを分析することで、さまざまなドキュメントページ訪問パターンが見つかる。
本論文では,文書の監査を行うための有効な手法として,文書のページビューログ分析を提案する。
論文 参考訳（メタデータ） (2023-10-16T20:37:29Z) - Enhancing API Documentation through BERTopic Modeling and Summarization [0.0]
本稿では、アプリケーションプログラミングインタフェース(API)ドキュメントの解釈の複雑さに焦点を当てる。
公式APIドキュメンテーションは、開発者にとって最も重要な情報ソースであるが、広くなり、ユーザフレンドリ性に欠けることが多い。
我々の新しいアプローチは、トピックモデリングと自然言語処理(NLP)にBERTopicの長所を利用して、APIドキュメントの要約を自動的に生成する。
論文 参考訳（メタデータ） (2023-08-17T15:57:12Z) - Layout-Aware Information Extraction for Document-Grounded Dialogue:
Dataset, Method and Demonstration [75.47708732473586]
視覚的にリッチな文書から構造的知識と意味的知識の両方を抽出するためのレイアウト対応文書レベル情報抽出データセット(LIE)を提案する。
LIEには製品および公式文書の4,061ページから3つの抽出タスクの62kアノテーションが含まれている。
実験の結果、レイアウトはVRDベースの抽出に不可欠であることが示され、システムデモでは、抽出された知識が、ユーザが関心を持っている答えを見つけるのに役立つことも確認されている。
論文 参考訳（メタデータ） (2022-07-14T07:59:45Z) - Embedding Knowledge for Document Summarization: A Survey [66.76415502727802]
従来の研究は、知識を組み込んだ文書要約器が優れた消化器を生成するのに優れていたことを証明した。
本稿では,文書要約ビューに基づいて,知識と知識の埋め込みを再カプセル化する手法を提案する。
論文 参考訳（メタデータ） (2022-04-24T04:36:07Z) - Unified Pretraining Framework for Document Understanding [52.224359498792836]
文書理解のための統合事前学習フレームワークであるUDocを紹介する。
UDocは、ほとんどのドキュメント理解タスクをサポートするように設計されており、Transformerを拡張してマルチモーダル埋め込みを入力とする。
UDocの重要な特徴は、3つの自己管理的損失を利用して汎用的な表現を学ぶことである。
論文 参考訳（メタデータ） (2022-04-22T21:47:04Z) - Document AI: Benchmarks, Models and Applications [35.46858492311289]
ドキュメントAI(Document AI)とは、ビジネス文書を自動的に読み、理解し、分析する技術である。
近年、ディープラーニング技術の人気は、Document AIの開発を大きく進めている。
本稿では,代表モデル,タスク,ベンチマークデータセットについて概説する。
論文 参考訳（メタデータ） (2021-11-16T16:43:07Z) - A Survey of Deep Learning Approaches for OCR and Document Understanding [68.65995739708525]
我々は、英語で書かれた文書の文書理解のための様々な手法をレビューする。
文献に現れる方法論を集約し,この領域を探索する研究者の跳躍点として機能させる。
論文 参考訳（メタデータ） (2020-11-27T03:05:59Z)
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。