論文の概要: User Feedback in Continuous Software Engineering: Revealing the State-of-Practice
- arxiv url: http://arxiv.org/abs/2410.07459v1
- Date: Wed, 9 Oct 2024 21:59:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-31 16:56:23.299686
- Title: User Feedback in Continuous Software Engineering: Revealing the State-of-Practice
- Title（参考訳）: 継続的ソフトウェアエンジニアリングにおけるユーザフィードバック - 実践の状況を明らかにする
- Authors: Anastasiia Tkalich, Eriks Klotins, Tor Sporsem, Viktoria Stray, Nils Brede Moe, Astri Barbala,
- Abstract要約: 継続的エンジニアリングのプラクティスには、顧客とエンドユーザからのインプットを伴う継続的フィードバックループが必要です。
実践者がCSEでユーザフィードバックをどのように扱うかを説明する文献は限られている。
製品開発企業13社の21社のインタビューから質的な調査と報告を行った。
- 参考スコア（独自算出の注目度）: 3.151810331262745
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Context: Organizations opt for continuous delivery of incremental updates to deal with uncertainty and minimize waste. However, applying continuous engineering (CSE) practices requires a continuous feedback loop with input from customers and end-users. Challenges: It becomes increasingly challenging to apply traditional requirements elicitation and validation techniques with ever-shrinking software delivery cycles. At the same time, frequent deliveries generate an abundance of usage data and telemetry informing engineering teams of end-user behavior. The literature describing how practitioners work with user feedback in CSE, is limited. Objectives: We aim to explore the state of practice related to utilization of user feedback in CSE. Specifically, what practices are used, how, and the shortcomings of these practices. Method: We conduct a qualitative survey and report analysis from 21 interviews in 13 product development companies. We apply thematic and cross-case analysis to interpret the data. Results: Based on our earlier work we suggest a conceptual model of how user feedback is utilized in CSE. We further report the identified challenges with the continuous collection and analysis of user feedback and identify implications for practice. Conclusions: Companies use a combination of qualitative and quantitative methods to infer end-user preferences. At the same time, continuous collection, analysis, interpretation, and use of data in decisions are problematic. The challenges pertain to selecting the right metrics and analysis techniques, resource allocation, and difficulties in accessing vaguely defined user groups. Our advice to practitioners in CSE is to ensure sufficient resources and effort for interpretation of the feedback, which can be facilitated by telemetry dashboards.
- Abstract（参考訳）: コンテキスト: インクリメンタルアップデートの継続的デリバリを選択して,不確実性に対処し,ムダを最小限にする。
しかし、継続的エンジニアリング(CSE)のプラクティスを適用するには、顧客とエンドユーザからのインプットを伴う継続的フィードバックループが必要です。
課題: ソフトウェアデリバリサイクルを縮小する上で,従来の要件適用とバリデーションのテクニックを適用することがますます難しくなっています。
同時に、頻繁な配送は大量の使用データを生成し、テレメトリはエンジニアリングチームにエンドユーザの振る舞いを知らせる。
実践者がCSEでユーザフィードバックをどのように扱うかを説明する文献は限られている。
目的: CSEにおけるユーザフィードバックの利用に関する実践状況を検討することを目的とする。
具体的には、どのようなプラクティスが使用されるのか、どのように、そしてこれらのプラクティスの欠点は何か。
方法: 製品開発企業13社の21社のインタビューから質的な調査と報告を行った。
我々は、データ解釈にテーマ解析とクロスケース解析を適用した。
結果: これまでの研究に基づいて, ユーザフィードバックをCSEでどのように活用するかという概念モデルを提案する。
さらに、ユーザフィードバックの継続的な収集と分析に関する課題を報告し、実践における意味を明らかにする。
結論: 企業は質的な方法と定量的手法を組み合わせてエンドユーザの好みを推測します。
同時に、連続的な収集、分析、解釈、決定におけるデータの活用が問題となる。
課題は、適切なメトリクスと分析テクニックの選択、リソースの割り当て、曖昧に定義されたユーザーグループへのアクセスの難しさである。
CSEの実践者に対する私たちのアドバイスは、フィードバックの解釈に十分なリソースと労力を確保することです。
関連論文リスト
- Preliminary Insights on Industry Practices for Addressing Fairness Debt [4.546982900370235]
本研究は,ソフトウェア業界のAIシステムにおいて,ソフトウェアプロフェッショナルがバイアスを特定し,対処する方法について検討する。
本稿では,公正性負債に関する最初の証拠を提示し,AIシステムにおける公平性に関連する問題を管理するための構造化ガイドラインの開発基盤を提供する。
論文 参考訳（メタデータ） (2024-09-04T04:18:42Z) - Modeling User Retention through Generative Flow Networks [34.74982897470852]
フローベースのモデリング技術は、ユーザセッションで推奨される各項目に対する保持報酬をバックプロパガントすることができる。
従来の学習目標と組み合わされたフローは、最終的には、即時フィードバックとユーザ保持の両方に対して、非カウントの累積報酬を最適化した。
論文 参考訳（メタデータ） (2024-06-10T06:22:18Z) - Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。
アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。
本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
論文 参考訳（メタデータ） (2024-04-19T16:45:50Z) - Online Decision Mediation [72.80902932543474]
意思決定支援アシスタントを学習し、(好奇心)専門家の行動と(不完全)人間の行動の仲介役として機能することを検討する。
臨床診断では、完全に自律的な機械行動は倫理的余裕を超えることが多い。
論文 参考訳（メタデータ） (2023-10-28T05:59:43Z) - Continually Improving Extractive QA via Human Feedback [59.49549491725224]
本研究では,人間のフィードバックによる抽出質問応答(QA)システムの改善を継続的に進める。
多様な設定の下で何千ものユーザインタラクションを含む実験を行い、時間とともにフィードバックからの学習の理解を広げます。
論文 参考訳（メタデータ） (2023-05-21T14:35:32Z) - Efficient Real-world Testing of Causal Decision Making via Bayesian
Experimental Design for Contextual Optimisation [12.37745209793872]
文脈的意思決定の評価と改善のためのデータ収集のためのモデルに依存しないフレームワークを提案する。
過去の治療課題の後悔をデータ効率で評価するために,本手法を用いた。
論文 参考訳（メタデータ） (2022-07-12T01:20:11Z) - Explainable Predictive Process Monitoring: A User Evaluation [62.41400549499849]
説明責任は、ブラックボックス機械学習アプローチの透明性の欠如によって動機付けられている。
予測プロセスモニタリングのための説明手法のユーザ評価を行う。
論文 参考訳（メタデータ） (2022-02-15T22:24:21Z) - Using Voice and Biofeedback to Predict User Engagement during
Requirements Interviews [11.277063517143565]
本稿では,生理的特徴および音声的特徴の観点から生体データを用いて,ユーザエンゲージメントに関する情報とインタビューを補完することを提案する。
本アプローチは,empatica e4リストバンドを用いて,身体データを収集しながらユーザへインタビューすることで評価する。
その結果,生体データを用いた教師付き機械学習アルゴリズムの学習により,ユーザのエンゲージメントを予測することができた。
論文 参考訳（メタデータ） (2021-04-06T10:34:36Z) - Advances and Challenges in Conversational Recommender Systems: A Survey [133.93908165922804]
現在の会話レコメンダーシステム(CRS)で使用されるテクニックの体系的なレビューを提供します。
CRS開発の主な課題を5つの方向にまとめます。
これらの研究の方向性は、情報検索(IR)、自然言語処理(NLP)、人間とコンピュータの相互作用(HCI)などの複数の研究分野を含みます。
論文 参考訳（メタデータ） (2021-01-23T08:53:15Z) - Online Learning Demands in Max-min Fairness [91.37280766977923]
本稿では,複数のユーザ間の希少リソースの割り当て機構について,効率的で公平で戦略に準拠した方法で記述する。
このメカニズムは複数のラウンドで繰り返され、各ラウンドでユーザの要求が変更される可能性がある。
各ラウンドの最後には、ユーザは受け取ったアロケーションに関するフィードバックを提供し、そのメカニズムが時間の経過とともにユーザの好みを学習することを可能にする。
論文 参考訳（メタデータ） (2020-12-15T22:15:20Z)
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。