論文の概要: Visibility of Domain Elements in the Elicitation Process: A Family of Empirical Studies

• arxiv url: http://arxiv.org/abs/2412.13691v1
• Date: Wed, 18 Dec 2024 10:28:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-19 16:48:47.238000
• Title: Visibility of Domain Elements in the Elicitation Process: A Family of Empirical Studies
• Title（参考訳）: 励磁過程におけるドメイン要素の可視性:実証研究の一家系
• Authors: Alejandrina Aranda, Oscar Dieste, Natalia Juristo,
• Abstract要約: 問題領域の特定の要素を識別するアナリストの能力に影響を及ぼす可能性のある側面を決定する。 14種類の準実験を行い、134名の被験者に2つの問題領域について質問した。
• 参考スコア（独自算出の注目度）: 42.58275534105651
• License:
• Abstract: Background: Various factors determine analyst effectiveness during elicitation. While the literature suggests that elicitation technique and time are influential factors, other attributes could also play a role. Aim: Determine aspects that may have an influence on analysts' ability to identify certain elements of the problem domain. Methodology: We conducted 14 quasi-experiments, inquiring 134 subjects about two problem domains. For each problem domain, we calculated whether the experimental subjects identified the problem domain elements (concepts, processes, and requirements), i.e., the degree to which these domain elements were visible. Results: Domain element visibility does not appear to be related to either analyst experience or analyst-client interaction. Domain element visibility depends on how analysts provide the elicited information: when asked about the knowledge acquired during elicitation, domain element visibility dramatically increases compared to the information they provide using a written report. Conclusions: Further research is required to replicate our results. However, the finding that analysts have difficulty reporting the information they have acquired is useful for identifying alternatives for improving the documentation of elicitation results. We found evidence that other issues, like domain complexity, the relative importance of different elements within the domain, and the interview script, also seem influential.
• Abstract（参考訳）: 背景: 様々な要因が, 浸出時のアナリストの有効性を決定する。 これらの文献は、加水分解技術と時間に影響を及ぼす要因が示唆されているが、他の属性もその役割を果たす可能性がある。 Aim: 問題領域の特定の要素を識別するアナリストの能力に影響を与える可能性のある側面を決定すること。 方法: 準実験を14回実施し, 2つの問題領域について134名の被験者に質問した。 各問題領域について、被験者が問題領域要素(概念、プロセス、要求)、すなわちこれらの領域要素が目に見える程度を識別したかどうかを計算した。 結果: ドメイン・エレメントの可視性はアナリストの経験やアナリストとクライアントの相互作用と関係がないように見える。 ドメイン要素の可視性は、アナリストが引き起こした情報を提供する方法に依存します。 結論:結果の再現にはさらなる研究が必要である。 しかし、アナリストが取得した情報を報告するのが難しいという発見は、引用結果のドキュメントを改善する代替案を特定するのに有用である。 ドメインの複雑さ、ドメイン内の異なる要素の相対的な重要性、そしてインタビュースクリプトといった他の問題も影響していると思われることがわかりました。

関連論文リスト

• Practical Guide for Causal Pathways and Sub-group Disparity Analysis [1.8974791957167259]
  我々は因果不均質分析を用いて、感度特性と結果の間の因果関係を定量化し、検証する。 当社の2段階の調査は、レースがセンシティブな属性として機能するデータセットに焦点を当てています。 本研究は,ML分類誤差が最も大きい部分群が,最も影響を受けやすい部分群であることが実証された。
  論文  参考訳（メタデータ） (2024-07-02T22:51:01Z)
• DIGIC: Domain Generalizable Imitation Learning by Causal Discovery [69.13526582209165]
  因果性は機械学習と組み合わせて、ドメインの一般化のための堅牢な表現を生成する。 我々は、実証データ分布を活用して、ドメインの一般化可能なポリシーの因果的特徴を発見するために、異なる試みを行っている。 DIGICと呼ばれる新しいフレームワークを設計し、実演データ分布から専門家行動の直接的な原因を見出すことにより因果的特徴を識別する。
  論文  参考訳（メタデータ） (2024-02-29T07:09:01Z)
• Domain Generalization via Causal Adjustment for Cross-Domain Sentiment Analysis [59.73582306457387]
  クロスドメイン感情分析における領域一般化の問題に焦点をあてる。 本稿では,ドメイン固有表現とドメイン不変表現をアンタングル化するバックドア調整に基づく因果モデルを提案する。 一連の実験は、我々のモデルの優れたパフォーマンスと堅牢性を示しています。
  論文  参考訳（メタデータ） (2024-02-22T13:26:56Z)
• Diversity of Expertise is Key to Scientific Impact: a Large-Scale Analysis in the Field of Computer Science [1.8794304012790348]
  我々は,研究チーム内の研究分野の多様性が,今後5年間で得られた論文の引用数とどのように関連しているかを分析した。 これは、少なくともコンピュータサイエンスにおいて、様々な専門知識が科学的影響の鍵となることを示唆している。
  論文  参考訳（メタデータ） (2023-06-27T09:56:44Z)
• Understanding metric-related pitfalls in image analysis validation [59.15220116166561]
  この研究は、画像解析におけるバリデーションメトリクスに関連する落とし穴に関する情報にアクセスするための、初めての包括的な共通点を提供する。 バイオメディカル画像解析に焦点をあてるが、他の分野へ移行する可能性があるため、対処された落とし穴はアプリケーションドメイン全体にわたって一般化され、新しく作成されたドメインに依存しない分類に分類される。
  論文  参考訳（メタデータ） (2023-02-03T14:57:40Z)
• Generalizing Fairness: Discovery and Mitigation of Unknown Sensitive Attributes [5.665283675533071]
  本稿では,特定のデータセットから個々のセマンティックセンシティブな要因を分離し,その特徴付けを行う手法について検討する。 また、通常、社会的に関係のある要素にのみ対応し、AIの脱感作に対処するフェアネスの是正も行います。 道路標識 (GTSRB) と顔画像 (CelebA) のデータセットを用いた実験では, この方式を用いることの約束を示す。
  論文  参考訳（メタデータ） (2021-07-28T20:18:08Z)
• Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units and a Unified Framework [83.21732533130846]
  Aff-Wild と Aff-Wild2 の2つである。 これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。 インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
  論文  参考訳（メタデータ） (2021-03-29T17:36:20Z)
• A Knowledge-Driven Approach to Classifying Object and Attribute Coreferences in Opinion Mining [20.49474483102625]
  本稿では,オブジェクトや属性のコア参照を分類するドメイン固有の知識を自動的にマイニングし,活用する手法を提案する。 このアプローチは、ラベルのないレビューデータからドメイン固有の知識を抽出し、知識認識型ニューラルネットワーク分類モデルを訓練する。 5つのドメイン(製品タイプ)を含む実世界のデータセットに関する実験的評価は、このアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-10-11T22:08:43Z)
• Survey on Visual Sentiment Analysis [87.20223213370004]
  本稿では、関連する出版物をレビューし、視覚知覚分析の分野の概要を概観する。 また,3つの視点から一般的な視覚知覚分析システムの設計原理について述べる。 様々なレベルの粒度と、異なる方法でイメージに対する感情に影響を与えるコンポーネントを考慮し、問題の定式化について論じる。
  論文  参考訳（メタデータ） (2020-04-24T10:15:22Z)
• Natural language technology and query expansion: issues, state-of-the-art and perspectives [0.0]
  クエリのあいまいさや誤解釈を引き起こす言語特性と、追加の要因は、ユーザの情報ニーズを正確に表現する能力に影響を与える。 汎用言語に基づく問合せ拡張フレームワークの解剖学を概説し,モジュールに基づく分解を提案する。 それぞれのモジュールについて、文献における最先端のソリューションをレビューし、使用するテクニックの光の下で分類する。
  論文  参考訳（メタデータ） (2020-04-23T11:39:07Z)

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。