論文の概要: RSMM: A Framework to Assess Maturity of Research Software Project
- arxiv url: http://arxiv.org/abs/2406.01788v1
- Date: Mon, 3 Jun 2024 21:10:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-05 20:52:25.150906
- Title: RSMM: A Framework to Assess Maturity of Research Software Project
- Title(参考訳): RSMM:研究ソフトウェアプロジェクトの成熟度を評価するフレームワーク
- Authors: Deekshitha, Rena Bakhshi, Jason Maassen, Carlos Martinez Ortiz, Rob van Nieuwpoort, Slinger Jansen,
- Abstract要約: 本稿では,研究ソフトウェア管理の評価と改善のためのフレームワークであるRSMMを紹介する。
RSMMは79のベストプラクティスを分類することで、研究ソフトウェア管理の評価と精錬のための構造化された経路を提供する。
リサーチソフトウェア開発に関わる個人や組織は、さまざまなリサーチソフトウェアエンジニアリング課題に取り組むための体系的なアプローチを得る。
- 参考スコア(独自算出の注目度): 1.285353663787249
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The organizations and researchers producing research software face a common problem of making their software sustainable beyond funding provided by a single research project. This is addressed by research software engineers through building communities around their software, providing appropriate licensing, creating reliable and reproducible research software, making it sustainable and impactful, promoting, and ensuring that the research software is easy to adopt in research workflows, etc. As a result, numerous practices and guidelines exist to enhance research software quality, reusability, and sustainability. However, there is a lack of a unified framework to systematically integrate these practices and help organizations and research software developers refine their development and management processes. Our paper aims at bridging this gap by introducing a novel framework: RSMM. It is designed through systematic literature review and insights from interviews with research software project experts. In short, RSMM offers a structured pathway for evaluating and refining research software project management by categorizing 79 best practices into 17 capabilities across 4 focus areas. From assessing code quality and security to measuring impact, sustainability, and reproducibility, the model provides a complete evaluation of a research software project maturity. With RSMM, individuals as well as organizations involved in research software development gain a systematic approach to tackling various research software engineering challenges. By utilizing RSMM as a comprehensive checklist, organizations can systematically evaluate and refine their project management practices and organizational structure.
- Abstract(参考訳): 研究ソフトウェアを開発する組織や研究者は、単一の研究プロジェクトが提供する資金を超えるソフトウェアを持続可能なものにするという共通の問題に直面している。
これは、ソフトウェアを中心としたコミュニティを構築し、適切なライセンスを提供し、信頼性があり再現可能な研究ソフトウェアを作成し、持続的で影響があり、研究ソフトウェアが研究ワークフローで簡単に採用できるようにすることを通じて、研究ソフトウェアエンジニアによって対処される。
その結果、研究ソフトウェアの品質、再利用可能性、持続可能性を高めるための多くのプラクティスとガイドラインが存在する。
しかしながら、これらのプラクティスを体系的に統合し、組織や研究ソフトウェア開発者が開発や管理プロセスを改善するのに役立つ統一されたフレームワークが欠如しています。
本稿では,新しいフレームワークであるRSMMを導入することで,このギャップを埋めることを目的とする。
組織的な文献レビューと、研究ソフトウェアプロジェクトの専門家とのインタビューからの洞察によって設計されている。
簡単に言うと、RSMMは、79のベストプラクティスを4つの焦点領域にまたがる17の能力に分類することで、研究ソフトウェアプロジェクト管理を評価し、改善するための構造化された経路を提供します。
コード品質とセキュリティの評価から影響、持続可能性、再現性の測定に至るまで、このモデルは研究ソフトウェアプロジェクトの成熟度を完全に評価します。
RSMMでは、研究ソフトウェア開発に関わる個人や組織が、さまざまな研究ソフトウェアエンジニアリング課題に取り組むための体系的なアプローチを得る。
包括的なチェックリストとしてRSMMを活用することで、組織はプロジェクト管理のプラクティスや組織構造を体系的に評価し、洗練することができる。
関連論文リスト
- The Enhancement of Software Delivery Performance through Enterprise DevSecOps and Generative Artificial Intelligence in Chinese Technology Firms [0.4532517021515834]
本研究では、DevSecOpsとGenerative Artificial Intelligenceの統合が、IT企業におけるソフトウェアデリバリのパフォーマンスに与える影響について検討する。
その結果、研究開発の効率が大幅に向上し、ソースコード管理が改善され、ソフトウェアの品質とセキュリティが向上した。
論文 参考訳(メタデータ) (2024-11-04T16:44:01Z) - 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) - FAIRSECO: An Extensible Framework for Impact Measurement of Research Software [1.549241498953151]
研究ソフトウェアと研究ソフトウェア技術者を信用する既存の手法は不十分であることが証明されている。
FAIRSECOは,研究ソフトウェアが研究に与える影響を評価するためのオープンソースフレームワークである。
論文 参考訳(メタデータ) (2024-06-04T15:22:48Z) - Charting a Path to Efficient Onboarding: The Role of Software
Visualization [49.1574468325115]
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。
論文 参考訳(メタデータ) (2024-01-17T21:30:45Z) - A Case Study on Test Case Construction with Large Language Models:
Unveiling Practical Insights and Challenges [2.7029792239733914]
本稿では,ソフトウェア工学の文脈におけるテストケース構築における大規模言語モデルの適用について検討する。
定性分析と定量分析の混合により, LLMが試験ケースの包括性, 精度, 効率に与える影響を評価する。
論文 参考訳(メタデータ) (2023-12-19T20:59:02Z) - An Open Community-Driven Model For Sustainable Research Software:
Sustainable Research Software Institute [0.586336038845426]
Sustainable Research Software Institute (SRSI) モデルは、研究ソフトウェアコミュニティにおける持続可能なプラクティスを促進する。
このホワイトペーパーはSRSIモデルの詳細な概要を提供し、その目的、サービス、資金調達メカニズム、コラボレーション、そしてそれが研究ソフトウェアコミュニティに与える影響について概説する。
論文 参考訳(メタデータ) (2023-08-29T01:00:32Z) - A Metadata-Based Ecosystem to Improve the FAIRness of Research Software [0.3185506103768896]
研究ソフトの再利用は、研究効率と学術交流の中心である。
DataDescエコシステムは、詳細でマシン操作可能なメタデータを備えたソフトウェアインターフェースのデータモデルを記述するためのアプローチである。
論文 参考訳(メタデータ) (2023-06-18T19:01:08Z) - Towards Automated Process Planning and Mining [77.34726150561087]
我々は、AIとBPM分野の研究者が共同で働く研究プロジェクトについて紹介する。
プロセスモデルを自動的に導出するための総合的な研究課題、研究の関連分野、および総合的な研究枠組みについて論じる。
論文 参考訳(メタデータ) (2022-08-18T16:41:22Z) - 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) - Learnings from Frontier Development Lab and SpaceML -- AI Accelerators
for NASA and ESA [57.06643156253045]
AIとML技術による研究は、しばしば非同期の目標とタイムラインを備えたさまざまな設定で動作します。
我々は、NASAとESAの民間パートナーシップの下で、AIアクセラレータであるFrontier Development Lab(FDL)のケーススタディを実行する。
FDL研究は、AI研究の責任ある開発、実行、普及に基礎を置く原則的な実践に従う。
論文 参考訳(メタデータ) (2020-11-09T21:23:03Z) - 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。