論文の概要: User Story Tutor (UST) to Support Agile Software Developers
- arxiv url: http://arxiv.org/abs/2406.16259v1
- Date: Mon, 24 Jun 2024 01:55:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-25 16:22:56.113181
- Title: User Story Tutor (UST) to Support Agile Software Developers
- Title(参考訳): アジャイルソフトウェア開発者を支援するユーザストーリーチューニング(UST)
- Authors: Giseldo da Silva Neo, José Antão Beltrão Moura, Hyggo Oliveira de Almeida, Alana Viana Borges da Silva Neo, Olival de Gusmão Freitas Júnior,
- Abstract要約: User Story Tutor (UST)と呼ばれるWebアプリケーションを設計、実装、適用、評価しました。
USTは、可読性のために与えられたユーザストーリーの記述をチェックし、必要に応じて、改善のための適切なプラクティスを推奨します。
USTは、ユーザストーリーを書いたりレビューしたりする際に、アジャイル開発チームの継続的な教育をサポートするかもしれない。
- 参考スコア(独自算出の注目度): 0.4077787659104315
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: User Stories record what must be built in projects that use agile practices. User Stories serve both to estimate effort, generally measured in Story Points, and to plan what should be done in a Sprint. Therefore, it is essential to train software engineers on how to create simple, easily readable, and comprehensive User Stories. For that reason, we designed, implemented, applied, and evaluated a web application called User Story Tutor (UST). UST checks the description of a given User Story for readability, and if needed, recommends appropriate practices for improvement. UST also estimates a User Story effort in Story Points using Machine Learning techniques. As such UST may support the continuing education of agile development teams when writing and reviewing User Stories. UST's ease of use was evaluated by 40 agile practitioners according to the Technology Acceptance Model (TAM) and AttrakDiff. The TAM evaluation averages were good in almost all considered variables. Application of the AttrakDiff evaluation framework produced similar good results. Apparently, UST can be used with good reliability. Applying UST to assist in the construction of User Stories is a viable technique that, at the very least, can be used by agile developments to complement and enhance current User Story creation.
- Abstract(参考訳): ユーザストーリーは、アジャイルプラクティスを使用するプロジェクトで構築すべきことを記録します。
ユーザストーリーは、一般的にストーリーポイントで測定される労力を見積り、スプリントで何をすべきかを計画するのに役立ちます。
したがって、シンプルで読みやすく、包括的なユーザストーリーを作る方法をソフトウェアエンジニアに教えることが不可欠です。
そのため、我々はUser Story Tutor (UST)と呼ばれるWebアプリケーションを設計、実装、適用、評価しました。
USTは、可読性のために与えられたユーザストーリーの記述をチェックし、必要に応じて、改善のための適切なプラクティスを推奨します。
USTはまた、機械学習技術を使ってストーリーポイントにおけるユーザーストーリーの取り組みを見積もっている。
このようなUSTは、ユーザストーリーを書いたりレビューしたりする際に、アジャイル開発チームの継続的な教育をサポートするかもしれない。
USTの使いやすさは、Technology Acceptance Model (TAM)とAttrakDiffによって40人のアジャイル実践者によって評価された。
TAM評価平均は,ほぼすべての変数において良好であった。
AttrakDiff評価フレームワークの適用は、同様の良い結果をもたらした。
USTは高い信頼性で使用できるようだ。
ユーザストーリの構築を支援するためにUSTを適用することは、少なくともアジャイル開発によって現在のユーザストーリの生成を補完し、拡張するために使用できる、実行可能なテクニックです。
関連論文リスト
- Improving Ontology Requirements Engineering with OntoChat and Participatory Prompting [3.3241053483599563]
OREは主に、ドメインの専門家からユーザ要求を集めるために、インタビューや共同フォーラムのような手動の手法に依存しています。
Current OntoChatは,大規模な言語モデル(LLM)を使用してプロセスを合理化するための,ORE用のフレームワークを提供する。
本研究は,ユーザストーリのペルソナ,目標,シナリオ,サンプルデータ,データリソースの作成と精錬に重点を置いた,ユーザクエリに基づく事前定義されたプロンプトテンプレートを生成する。
論文 参考訳(メタデータ) (2024-08-09T19:21:14Z) - Interlinking User Stories and GUI Prototyping: A Semi-Automatic LLM-based Approach [55.762798168494726]
グラフィカルユーザインタフェース(GUI)のプロトタイプにおいて,機能的NLベースの要求の実装を検証するための新しい言語モデル(LLM)ベースのアプローチを提案する。
提案手法は,GUIプロトタイプに実装されていない機能的ユーザストーリの検出と,要件を直接実装する適切なGUIコンポーネントのレコメンデーションを提供することを目的としている。
論文 参考訳(メタデータ) (2024-06-12T11:59:26Z) - CELA: Cost-Efficient Language Model Alignment for CTR Prediction [71.85120354973073]
CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。
最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。
CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
論文 参考訳(メタデータ) (2024-05-17T07:43:25Z) - How far are AI-powered programming assistants from meeting developers' needs? [17.77734978425295]
GitHub CopilotのようなIDE内AIコーディングアシスタントツール(ACAT)は、開発者のコーディング習慣に大きな影響を与えている。
我々は,実開発シナリオをシミュレートし,27人のコンピュータサイエンス学生を募集し,その振る舞いを3つのACATを用いて調査する。
ACATは一般的にタスク完了率を高め、時間を短縮し、コード品質を改善し、自己認識の生産性を高めます。
論文 参考訳(メタデータ) (2024-04-18T08:51:14Z) - Use of Agile Practices in Start-ups [5.664445343364966]
小規模でモチベーションの高いチームと不確実なプロジェクトスコープは、スタートアップをアジャイルプラクティスを採用するためのよい候補にします。
アジャイルプラクティスの使用は、ソースコードと製品品質全体に影響を及ぼす。
優れたエンジニアリングプラクティスに対するチームの肯定的あるいは否定的な態度は、特定のアジャイルプラクティスの採用または拒絶の指標となる。
論文 参考訳(メタデータ) (2024-02-14T20:12:51Z) - Applying User Experience and User-Centered Design Software Processes in
Undergraduate Mobile Application Development Teaching [0.0]
私たちは、教育ソフトウェアツールの開発に適したアジャイルプロセスに基づいて、Androidアプリケーション開発コースを構築しました。
コースの前半は、アジャイルとモバイルアプリケーション開発に関する理論を提示し、後半は、学生が実際のクライアントのために開発するワークショップとして管理される。
論文 参考訳(メタデータ) (2023-08-14T23:20:07Z) - ChatGPT as a tool for User Story Quality Evaluation: Trustworthy Out of
the Box? [3.6526713965824515]
本研究では,ユーザストーリーの品質評価にChatGPTを用い,その性能を既存のベンチマークと比較する。
本研究は,ChatGPTの評価が人間の評価とよく一致していることを示し,出力安定性を向上させるための3'の戦略を提案する。
論文 参考訳(メタデータ) (2023-06-21T09:26:27Z) - Robust Preference Learning for Storytelling via Contrastive
Reinforcement Learning [53.92465205531759]
制御された自動ストーリ生成は、自然言語批判や嗜好から制約を満たす自然言語ストーリを生成することを目指している。
対照的なバイエンコーダモデルをトレーニングし、ストーリーを人間の批評と整合させ、汎用的な嗜好モデルを構築する。
我々はさらに、ストーリー生成の堅牢性を高めるために、プロンプトラーニング技術を用いて、対照的な報酬モデルを微調整する。
論文 参考訳(メタデータ) (2022-10-14T13:21:33Z) - All You Need Is Logs: Improving Code Completion by Learning from
Anonymous IDE Usage Logs [55.606644084003094]
そこで本研究では,IDEのユーザからコンプリート利用ログを収集する手法を提案する。
機械学習ベースのモデルをトレーニングして、完成候補をランク付けします。
評価の結果,過去のユーザ動作ログに基づいてトレーニングした単純なランキングモデルを用いることで,コード補完エクスペリエンスが大幅に向上した。
論文 参考訳(メタデータ) (2022-05-21T23:21:26Z) - Emerging App Issue Identification via Online Joint Sentiment-Topic
Tracing [66.57888248681303]
本稿では,MERITという新しい問題検出手法を提案する。
AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。
Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
論文 参考訳(メタデータ) (2020-08-23T06:34:05Z) - Empowering Active Learning to Jointly Optimize System and User Demands [70.66168547821019]
我々は,アクティブラーニングシステムとユーザを協調的に(効率的に学習)するための,新しいアクティブラーニング手法を提案する。
本手法は,特定のユーザに対して,エクササイズの適切性を予測するために,学習を迅速かつ迅速に行う必要があるため,特に,この手法のメリットを生かした教育アプリケーションで研究する。
複数の学習戦略とユーザタイプを実際のユーザからのデータで評価し,代替手法がエンドユーザに適さない多くのエクササイズをもたらす場合,共同アプローチが両方の目標を満足できることを確認した。
論文 参考訳(メタデータ) (2020-05-09T16:02:52Z)
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。