論文の概要: How Do Communities of ML-Enabled Systems Smell? A Cross-Sectional Study on the Prevalence of Community Smells
- arxiv url: http://arxiv.org/abs/2504.17419v1
- Date: Thu, 24 Apr 2025 10:23:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:53.323881
- Title: How Do Communities of ML-Enabled Systems Smell? A Cross-Sectional Study on the Prevalence of Community Smells
- Title（参考訳）: ML-Enabled Systems Smell のコミュニティはどのように機能するか? : コミュニティ Smells の出現状況に関する横断的研究
- Authors: Giusy Annunziata, Stefano Lambiase, Fabio Palomba, Gemma Catolino, Filomena Ferrucci,
- Abstract要約: NICHEデータセットからの188個のレポジトリについて,CADOCSツールを用いて実験を行った。
プリマ・ドナ・エフェクトやシェア・ヴィラニーのような特定の匂いは、ラジオ・サイレンスやオーガナイゼーション・スキルミッシュなどと比べて、時間とともに広まり、変動することがわかった。
- 参考スコア（独自算出の注目度）: 13.840177755312665
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Effective software development relies on managing both collaboration and technology, but sociotechnical challenges can harm team dynamics and increase technical debt. Although teams working on ML enabled systems are interdisciplinary, research has largely focused on technical issues, leaving their socio-technical dynamics underexplored. This study aims to address this gap by examining the prevalence, evolution, and interrelations of community smells, in open-source ML projects. We conducted an empirical study on 188 repositories from the NICHE dataset using the CADOCS tool to identify and analyze community smells. Our analysis focused on their prevalence, interrelations, and temporal variations. We found that certain smells, such as Prima Donna Effects and Sharing Villainy, are more prevalent and fluctuate over time compared to others like Radio Silence or Organizational Skirmish. These insights might provide valuable support for ML project managers in addressing socio-technical issues and improving team coordination.
- Abstract（参考訳）: 効果的なソフトウェア開発はコラボレーションと技術の両方を管理することに依存しますが、社会技術的課題はチームのダイナミクスを傷つけ、技術的負債を増大させます。
MLを有効にするシステムに取り組んでいるチームは学際的だが、研究は主に技術的な問題に焦点を合わせており、その社会技術的ダイナミクスは未調査のままである。
本研究は,オープンソースMLプロジェクトにおいて,コミュニティの匂いの頻度,進化,相互関係を調べることによって,このギャップに対処することを目的とする。
NICHEデータセットからの188個のレポジトリについて,CADOCSツールを用いて実験を行った。
分析は,その有病率,相互関係,時間変動に着目した。
プリマ・ドナ・エフェクトやシェア・ヴィラニーのような特定の匂いは、ラジオ・サイレンスやオーガナイゼーション・スキルミッシュなどと比べて、時間とともに広まり、変動することがわかった。
これらの洞察は、社会技術的問題に対処し、チームのコーディネーションを改善する上で、MLプロジェクトマネージャに貴重なサポートを提供するかもしれない。
関連論文リスト
- I Felt Pressured to Give 100% All the Time: How Are Neurodivergent Professionals Being Included in Software Development Teams? [0.46873264197900916]
本研究は,異なるソフトウェア開発におけるニューロディバージェント・プロフェッショナルの作業経験を理解することを目的とする。
我々は,社会技術理論(STS)を応用し,組織の社会構造とそれぞれの作業技術がこれらの専門家の関与にどのように影響するかを考察した。
論文 参考訳（メタデータ） (2025-03-12T02:28:59Z) - Towards Human-Guided, Data-Centric LLM Co-Pilots [53.35493881390917]
CliMB-DCは、機械学習コパイロットのための、ヒューマンガイド付き、データ中心のフレームワークである。
高度なデータ中心ツールとLLM駆動推論を組み合わせることで、堅牢でコンテキスト対応のデータ処理を可能にする。
CliMB-DCが未処理のデータセットをML対応フォーマットに変換する方法を示す。
論文 参考訳（メタデータ） (2025-01-17T17:51:22Z) - Private Knowledge Sharing in Distributed Learning: A Survey [50.51431815732716]
人工知能の台頭は多くの産業に革命をもたらし、社会の働き方を変えた。
異なるエンティティが分散または所有する学習プロセスにおいて、情報を活用することが不可欠である。
現代のデータ駆動サービスは、分散知識エンティティを結果に統合するために開発されています。
論文 参考訳（メタデータ） (2024-02-08T07:18:23Z) - On the Interaction between Software Engineers and Data Scientists when
building Machine Learning-Enabled Systems [1.2184324428571227]
機械学習(ML)コンポーネントは、組織のコアシステムにますます統合されています。
重要な課題の1つは、緊密に連携する必要がある異なるバックグラウンドを持つアクター間の効果的な相互作用である。
本稿では,MLプロジェクトにおけるこれらの役割間の相互作用と協調のダイナミクスを理解するための探索ケーススタディを提案する。
論文 参考訳（メタデータ） (2024-02-08T00:27:56Z) - Locating Community Smells in Software Development Processes Using
Higher-Order Network Centralities [38.72139150402261]
コミュニティの臭いは、ソフトウェア開発チームのインタラクションにおいて、ソフトウェアを作る能力を阻害する負のパターンである。
現在のアプローチは、ソフトウェアチームの相互作用構造の静的ネットワーク表現を分析して、コミュニティの臭いを検出することを目的としている。
我々は、高階ネットワークモデルが、そのような隠れパターンと複雑な関係を明らかにする堅牢な手段を提供することを示した。
論文 参考訳（メタデータ） (2023-09-14T06:48:15Z) - Building Cooperative Embodied Agents Modularly with Large Language
Models [104.57849816689559]
本研究では, 分散制御, 生の知覚観察, コストのかかるコミュニケーション, 様々な実施環境下でインスタンス化された多目的タスクといった課題に対処する。
我々は,LLMの常識知識,推論能力,言語理解,テキスト生成能力を活用し,認知に触発されたモジュラーフレームワークにシームレスに組み込む。
C-WAH と TDW-MAT を用いた実験により, GPT-4 で駆動される CoELA が, 強い計画に基づく手法を超越し, 創発的な効果的なコミュニケーションを示すことを示した。
論文 参考訳（メタデータ） (2023-07-05T17:59:27Z) - Machine Learning Practices Outside Big Tech: How Resource Constraints
Challenge Responsible Development [1.8275108630751844]
さまざまな職業やバックグラウンドを持つ機械学習実践者は、機械学習(ML)メソッドをますます活用している。
過去の研究では、より広く、よりリソースの少ないMLコミュニティを除外することが多い。
これらの実践者は、Big Techと同じようなML開発上の困難と倫理的な混乱の多くを共有しています。
論文 参考訳（メタデータ） (2021-10-06T17:25:21Z) - Understanding the Usability Challenges of Machine Learning In
High-Stakes Decision Making [67.72855777115772]
機械学習(ML)は、多種多様な成長を続ける一連のドメインに適用されている。
多くの場合、MLやデータサイエンスの専門知識を持たないドメインの専門家は、ML予測を使用してハイステークな意思決定を行うように求められます。
児童福祉スクリーニングにおけるMLユーザビリティの課題について,児童福祉スクリーニング者との一連のコラボレーションを通じて検討する。
論文 参考訳（メタデータ） (2021-03-02T22:50:45Z) - On managing vulnerabilities in AI/ML systems [1.6058099298620423]
本稿では,現在の脆弱性管理パラダイムが機械学習システムにどのように適応するかを検討する。
仮説上のシナリオは、発見、報告、分析、調整、開示、応答という6つの脆弱性管理領域の変更を検討することを中心に構成されている。
論文 参考訳（メタデータ） (2021-01-22T21:59:44Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳（メタデータ） (2021-01-15T10:43:10Z) - 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) - A game-theoretic analysis of networked system control for common-pool
resource management using multi-agent reinforcement learning [54.55119659523629]
マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。
共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
論文 参考訳（メタデータ） (2020-10-15T14:12:26Z)
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。