論文の概要: Recommending and Release Planning of User-Driven Functionality Deletion for Mobile Apps
- arxiv url: http://arxiv.org/abs/2410.07370v1
- Date: Wed, 9 Oct 2024 18:34:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-31 20:47:00.252703
- Title: Recommending and Release Planning of User-Driven Functionality Deletion for Mobile Apps
- Title（参考訳）: モバイルアプリにおけるユーザ駆動機能削除の推奨とリリース計画
- Authors: Maleknaz Nayebi, Konstantin Kuznetsov, Andreas Zeller, Guenther Ruhe,
- Abstract要約: ソフトウェアを多くの機能で進化させることは、理解性とユーザビリティという面での課題を引き起こします。
以前の研究によると、機能の削除は一般的であり、時にはユーザレビューによって引き起こされる。
ほとんどのユーザにとって、機能の削除はネガティブな感情と結びつき、使用パターンの変更を促し、ユーザを混乱させる可能性がある。
- 参考スコア（独自算出の注目度）: 9.897133491172786
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Evolving software with an increasing number of features poses challenges in terms of comprehensibility and usability. Traditional software release planning has predominantly focused on orchestrating the addition of features, contributing to the growing complexity and maintenance demands of larger software systems. In mobile apps, an excess of functionality can significantly impact usability, maintainability, and resource consumption, necessitating a nuanced understanding of the applicability of the law of continuous growth to mobile apps. Previous work showed that the deletion of functionality is common and sometimes driven by user reviews. For most users, the removal of features is associated with negative sentiments, prompts changes in usage patterns, and may even result in user churn. Motivated by these preliminary results, we propose Radiation to input user reviews and recommend if any functionality should be deleted from an app's User Interface (UI). We evaluate radiation using historical data and survey developers' opinions. From the analysis of 190,062 reviews from 115 randomly selected apps, we show that Radiation can recommend functionality deletion with an average F-Score of 74% and if sufficiently many negative user reviews suggest so. We conducted a survey involving 141 software developers to gain insights into the decision-making process and the level of planning for feature deletions. Our findings indicate that 77.3% of the participants often or always plan for such deletions. This underscores the importance of incorporating feature deletion planning into the overall release decision-making process.
- Abstract（参考訳）: ソフトウェアを多くの機能で進化させることは、理解性とユーザビリティという面での課題を引き起こします。
従来のソフトウェアリリース計画では、機能追加のオーケストレーションに主に重点を置いており、より大きなソフトウェアシステムの複雑さとメンテナンス要件の増大に寄与している。
モバイルアプリでは、過剰な機能性がユーザビリティ、保守性、リソース消費に大きく影響し、モバイルアプリへの継続的成長の法則の適用性に関する微妙な理解を必要とする。
以前の研究によると、機能の削除は一般的であり、時にはユーザレビューによって引き起こされる。
ほとんどのユーザにとって、機能の削除はネガティブな感情と結びつき、使用パターンの変更を促し、ユーザを混乱させる可能性がある。
これらの予備的な結果に触発され、ユーザレビューを入力し、アプリのユーザインターフェース(UI)から何らかの機能を削除すべきかどうかを推奨する。
歴史的データを用いて放射線を評価し,開発者の意見を調査する。
ランダムに選択された115のアプリから190,062のレビューを分析したところ、平均的なFスコアの74%で機能削除を推奨でき、十分な数のネガティブなユーザレビューがそう示唆されている。
141人のソフトウェア開発者を対象に,意思決定プロセスと機能削除計画のレベルについて調査を行った。
以上の結果から,77.3%の参加者が頻繁に,あるいは常にこのような削除を計画していることが示唆された。
このことは、機能削除計画を全体のリリース決定プロセスに組み込むことの重要性を浮き彫りにする。
関連論文リスト
- Exploring Requirements Elicitation from App Store User Reviews Using Large Language Models [0.0]
本研究は,大規模言語モデルのパワーを活用して,ユーザレビューの分析を行い,自動要求の導出を行うアプローチを提案する。
有用性を示すようにラベル付けされたアプリレビューのデータセット上に,確立された3つのLMM BERT, DistilBERT, GEMMAを微調整した。
評価の結果、BERTの精度は92.40%、F1スコアは92.39%であり、有用レビューを正確に分類する効果が示された。
論文 参考訳（メタデータ） (2024-09-23T18:57:31Z) - Beyond Trial-and-Error: Predicting User Abandonment After a Moderation Intervention [0.6918368994425961]
本稿では,Redditにおけるモデレーション介入の効果を予測する新しいタスクを提案する。
ユーザの活動、毒性、関係性、書き込みスタイルに関する情報を伝達する142の機能のセットを計算するために、138万の投稿のデータセットを使用します。
本研究は,モデレーション介入の効果を予測できる可能性を示し,予測コンテンツのモデレーションにおける新たな研究方向の道を開くものである。
論文 参考訳（メタデータ） (2024-04-23T08:52:41Z) - User Strategization and Trustworthy Algorithms [81.82279667028423]
ユーザストラテジゼーションがプラットフォームを短期間で支援できることが示されています。
そして、それがプラットフォームのデータを破壊し、最終的に反実的な決定を下す能力を損なうことを示します。
論文 参考訳（メタデータ） (2023-12-29T16:09:42Z) - User Driven Functionality Deletion for Mobile Apps [10.81190733388406]
機能を増やしてソフトウェアを進化させるのは理解が難しく、使うのが難しくなります。
機能が多すぎると、使いやすさ、保守性、リソース消費に簡単に影響を与えます。
以前の研究によると、機能の削除は一般的であり、時にはユーザレビューによって引き起こされる。
論文 参考訳（メタデータ） (2023-05-30T19:56:54Z) - Assisting Human Decisions in Document Matching [52.79491990823573]
我々は,意思決定者のパフォーマンスを向上する支援情報の種類を評価するためのプロキシマッチングタスクを考案した。
ブラックボックスモデルによる説明を提供することで,マッチング作業におけるユーザの精度が低下することが判明した。
一方,タスク固有のデシラタに密接に対応するように設計されたカスタムメソッドは,ユーザのパフォーマンス向上に有効であることが判明した。
論文 参考訳（メタデータ） (2023-02-16T17:45:20Z) - Personalizing Intervened Network for Long-tailed Sequential User
Behavior Modeling [66.02953670238647]
タイルユーザーは、共同トレーニング後のヘッドユーザーよりも大幅に品質の低いレコメンデーションに悩まされる。
テールユーザーで個別に訓練されたモデルは、限られたデータのために依然として劣った結果が得られる。
本稿では,テールユーザの推薦性能を大幅に向上させる新しい手法を提案する。
論文 参考訳（メタデータ） (2022-08-19T02:50:19Z) - To remove or not remove Mobile Apps? A data-driven predictive model
approach [4.853751680856816]
本稿では,各アプリが削除されるか,受理されるかを決定するデータ駆動型予測手法を提案する。
当社のアプローチは,削除される可能性の低いアプリをダウンロードする際の,アプリやユーザの改善を支援するものです。
論文 参考訳（メタデータ） (2022-06-08T14:00:53Z) - TOUR: Dynamic Topic and Sentiment Analysis of User Reviews for Assisting
App Release [34.529117157417176]
TOURは、(i)アプリバージョンよりも新しいアプリの問題を検知し、要約し、(ii)アプリ機能に対するユーザー感情を特定し、(iii)開発者の検査を容易にするために重要なユーザーレビューを優先順位付けすることができる。
論文 参考訳（メタデータ） (2021-03-26T08:44:55Z) - 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) - General-Purpose User Embeddings based on Mobile App Usage [46.343844014289246]
保留、インストール、アンインストールを含むモバイルアプリの利用行動は、ユーザの長期的な利益と短期的な利益の両方に良い指標となる。
伝統的に、モバイルアプリの使用によるユーザーモデリングは、手作りの機能工学に大きく依存している。
本稿では,これらの課題を克服し,手作業の削減と性能向上を目標とする,AutoEncoder-Coupled Transformer Network(AETN)を提案する。
論文 参考訳（メタデータ） (2020-05-27T12:01:50Z) - Automating App Review Response Generation [67.58267006314415]
本稿では,レビューと回答の知識関係を学習することで,レビュー応答を自動的に生成する新しいアプローチRRGenを提案する。
58のアプリと309,246のレビュー-レスポンスペアの実験では、RRGenはBLEU-4の点で少なくとも67.4%のベースラインを上回っている。
論文 参考訳（メタデータ） (2020-02-10T05:23:38Z)
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。