論文の概要: Domain Knowledge in Requirements Engineering: A Systematic Mapping Study

• arxiv url: http://arxiv.org/abs/2506.20754v1
• Date: Wed, 25 Jun 2025 18:27:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:09.850117
• Title: Domain Knowledge in Requirements Engineering: A Systematic Mapping Study
• Title（参考訳）: 要求工学におけるドメイン知識:システムマッピング研究
• Authors: Marina Araújo, Júlia Araújo, Romeu Oliveira, Lucas Romao, Marcos Kalinowski,
• Abstract要約: ドメイン知識は要求工学(RE)の成功の鍵となる要素として認識される その関連性にもかかわらず、科学文献は依然として、ドメイン知識をREで効果的に利用し、運用する方法の体系的な統合を欠いている。
• 参考スコア（独自算出の注目度）: 1.0396117988046165
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: [Context] Domain knowledge is recognized as a key component for the success of Requirements Engineering (RE), as it provides the conceptual support needed to understand the system context, ensure alignment with stakeholder needs, and reduce ambiguity in requirements specification. Despite its relevance, the scientific literature still lacks a systematic consolidation of how domain knowledge can be effectively used and operationalized in RE. [Goal] This paper addresses this gap by offering a comprehensive overview of existing contributions, including methods, techniques, and tools to incorporate domain knowledge into RE practices. [Method] We conducted a systematic mapping study using a hybrid search strategy that combines database searches with iterative backward and forward snowballing. [Results] In total, we found 75 papers that met our inclusion criteria. The analysis highlights the main types of requirements addressed, the most frequently considered quality attributes, and recurring challenges in the formalization, acquisition, and long-term maintenance of domain knowledge. The results provide support for researchers and practitioners in identifying established approaches and unresolved issues. The study also outlines promising directions for future research, emphasizing the development of scalable, automated, and sustainable solutions to integrate domain knowledge into RE processes. [Conclusion] The study contributes by providing a comprehensive overview that helps to build a conceptual and methodological foundation for knowledge-driven requirements engineering.
• Abstract（参考訳）: [コンテキスト]要件工学(RE)の成功の鍵となる要素としてドメイン知識が認識され、システムコンテキストを理解するために必要な概念的サポートを提供し、ステークホルダーのニーズと整合性を確保し、要求仕様の曖昧さを低減する。 その関連性にもかかわらず、科学文献は依然として、ドメイン知識をREで効果的に利用し、運用する方法の体系的な統合を欠いている。 [目標]本稿は、REプラクティスにドメイン知識を組み込む方法、テクニック、ツールを含む、既存のコントリビューションの包括的概要を提供することで、このギャップに対処する。 [方法]本研究では,データベース検索と反復的な逆方向と前方方向のスノーボールを併用したハイブリッド検索手法を用いて,システマティックマッピングを行った。 結果]包括的基準を満たした75の論文が得られた。 この分析は、対処される主な要件のタイプ、最も頻繁に考慮される品質特性、そしてドメイン知識の形式化、取得、長期維持における継続的な課題を強調している。 結果は、確立したアプローチと未解決の問題を識別する研究者や実践者を支援する。 この研究はまた、将来の研究のための有望な方向性を概説し、ドメイン知識をREプロセスに統合するスケーラブルで自動化された持続可能なソリューションの開発を強調している。 結論]本研究は,知識駆動型要件工学の概念的,方法論的基盤の構築を支援する包括的概要を提供することで貢献する。

関連論文リスト

• A Comprehensive Survey of Deep Research: Systems, Methodologies, and Applications [3.002468101812191]
  2023年以降に登場した80以上の商用および非商用実装を分析します。 本稿では,4つの基本的技術的側面に基づいてシステムを分類する新しい階層型分類法を提案する。 私たちの分析は、現在の実装の重要な機能と、それらがもたらす技術的、倫理的課題の両方を明らかにします。
  論文  参考訳（メタデータ） (2025-06-14T18:19:05Z)
• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [59.52058740470727]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• AI-Enabled Knowledge Sharing for Enhanced Collaboration and Decision-Making in Non-Profit Healthcare Organizations: A Scoping Review Protocol [0.0]
  このプロトコルは、非営利医療組織におけるAIによる知識共有に関する既存の証拠を体系的にマッピングするために設計されたスコープレビューの概要である。 本研究の目的は、特にUSAID運用中止後の外部支援の削減という文脈において、このような技術が協調と意思決定をいかに促進するかを検討することである。
  論文  参考訳（メタデータ） (2025-03-10T17:09:12Z)
• A Comprehensive Survey on Integrating Large Language Models with Knowledge-Based Methods [4.686190098233778]
  大規模言語モデル(LLM)は構造化知識ベースシステムと統合することができる。 本稿では, LLMと知識基盤の関係を調査し, 実際に適用できる方法について検討し, 技術的, 運用的, 倫理的課題について考察する。 これは、データコンテキスト化、モデル精度、知識リソースの利用に関する構造化知識ベースシステムに生成AIを組み込むことの利点を示す。
  論文  参考訳（メタデータ） (2025-01-19T23:25:21Z)
• Generative AI for Requirements Engineering: A Systematic Literature Review [4.444308664613162]
  生成AI(GenAI)の出現は、要求工学(RE)における新たな機会と課題を提供する この体系的な文献レビューは、REにおけるGenAI応用に関する現在の研究を分析し、合成することを目的としている。
  論文  参考訳（メタデータ） (2024-09-10T02:44:39Z)
• On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
  ゼロショット画像認識(ZSIR)は、限られたデータから一般化された知識を学習することにより、目に見えない領域の認識と推論を目的としている。 本稿では,ZSIRの最近の進歩を徹底的に研究し,今後の発展の基盤となるものについて述べる。
  論文  参考訳（メタデータ） (2024-08-09T05:49:21Z)
• Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
  オンロジはドメインの知識とメタデータを表現するために広く使われている。 直接支援できる論理的推論は、学習、近似、予測において非常に限られています。 1つの簡単な解決策は、統計分析と機械学習を統合することである。
  論文  参考訳（メタデータ） (2024-06-16T14:49:19Z)

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。