論文の概要: Understanding Everything as Code: A Taxonomy and Conceptual Model

• arxiv url: http://arxiv.org/abs/2507.05100v1
• Date: Mon, 07 Jul 2025 15:21:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:35.473683
• Title: Understanding Everything as Code: A Taxonomy and Conceptual Model
• Title（参考訳）: すべてをコードとして理解する:分類学と概念モデル
• Authors: Haoran Wei, Nazim Madhavji, John Steinbacher,
• Abstract要約: コード・アズ・コード(EaC)は、現代のソフトウェアシステムのあらゆる側面を体系化することを目的とした新しいパラダイムです。 人気が高まっているにもかかわらず、包括的産業標準と査読された研究の範囲を明確にし、採用を導くことは少ないままである。 本研究は、EaCの既存の知識と知覚を体系的に分析し、その範囲と境界を明らかにし、研究者や実践者に対して構造化されたガイダンスを提供する。
• 参考スコア（独自算出の注目度）: 8.82214863392834
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background: Everything as Code (EaC) is an emerging paradigm aiming to codify all aspects of modern software systems. Despite its growing popularity, comprehensive industry standards and peer-reviewed research clarifying its scope and guiding its adoption remain scarce. Aims: This study systematically analyzes existing knowledge and perceptions of EaC, clarifies its scope and boundaries, and provides structured guidance for researchers and practitioners. Method: We conducted a large-scale multivocal literature review (MLR), synthesizing academic and grey literature sources. Findings were analyzed quantitatively and thematically. Based on this analysis, we developed a taxonomy and conceptual model of EaC, validated through collaboration with industry experts. Results: The resulting taxonomy comprises 25 distinct EaC practices organized into six layers based on industry awareness and functional roles. The conceptual model illustrates focus areas, overlaps, and interactions among these EaC practices within the software delivery lifecycle. Additionally, practical code examples demonstrating the implementation of these practices were developed in collaboration with industry experts. Conclusions: This work addresses the current scarcity of academic discourse on EaC by providing the first comprehensive taxonomy and conceptual model. These contributions enhance conceptual clarity, offer actionable guidance to practitioners, and lay the groundwork for future research in this emerging domain.
• Abstract（参考訳）: 背景: Everything as Code (EaC)は、現代のソフトウェアシステムのすべての側面を体系化することを目的とした、新興パラダイムです。 人気が高まっているにもかかわらず、包括的産業標準と査読された研究の範囲を明確にし、採用を導くことは少ないままである。 Aims: 本研究は、EaCの既存の知識と認識を体系的に分析し、その範囲と境界を明確にし、研究者や実践者に対して構造化されたガイダンスを提供する。 方法: 大規模多言語文献レビュー(MLR)を行い, 学術文献および灰色文献資料の合成を行った。 発見は定量的および数学的に分析された。 この分析に基づいて,産業専門家との協力によって検証されたEaCの分類モデルと概念モデルを開発した。 結果: 結果として得られた分類は,産業意識と機能的役割に基づいて,25の異なるEaCプラクティスを6層に分けて構成する。 概念モデルは、ソフトウェアデリバリライフサイクルにおけるこれらのEaCプラクティスの焦点領域、重複、相互作用を示しています。 さらに、これらのプラクティスの実装を示す実践的なコード例は、業界の専門家と共同で開発されました。 結論:本研究は、最初の包括的分類学と概念モデルを提供することにより、EaCに関する学術的談話の不足に対処する。 これらの貢献は、概念的明確性を高め、実践者に実用的なガイダンスを提供し、この新興領域における将来の研究の基盤となる。

関連論文リスト

• A Comprehensive Study on the Use of Word Embedding Models in Software Engineering Domain [16.40945129377773]
  本研究は,ソフトウェア工学(SE)領域における単語埋め込み(WE)モデルの利用に焦点を当てる。 メインストリームのソフトウェアエンジニアリングの会場で発表された181の初等的な研究が分析のために集められている。 一連のSEタスクで使用されるSEアーティファクトの実践的意味表現アプローチの採用や開発における課題と行動を明らかにする。
  論文  参考訳（メタデータ） (2025-05-23T08:52:29Z)
• KERAIA: An Adaptive and Explainable Framework for Dynamic Knowledge Representation and Reasoning [46.85451489222176]
  KERAIAはシンボリックナレッジエンジニアリングのための新しいフレームワークとソフトウェアプラットフォームである。 動的で複雑でコンテキストに敏感な環境で知識を表現、推論、実行するという永続的な課題に対処する。
  論文  参考訳（メタデータ） (2025-05-07T10:56:05Z)
• Synergizing RAG and Reasoning: A Systematic Review [8.842022673771147]
  大規模言語モデル(LLM)の最近のブレークスルーは、レトリーバル強化世代(RAG)を前例のないレベルまで押し上げている。 本稿では,RAGと推論の協調的相互作用を体系的に検討する。
  論文  参考訳（メタデータ） (2025-04-22T13:55:13Z)
• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• Développement automatique de lexiques pour les concepts émergents : une exploration méthodologique [0.0]
  本稿では,非技術革新を中心に,新しい概念を中心としたレキシコンの開発について述べる。 人間の専門知識、統計分析、機械学習技術を組み合わせた4段階の方法論を導入し、複数のドメインにまたがって一般化可能なモデルを確立する。
  論文  参考訳（メタデータ） (2024-06-10T12:58:56Z)
• LEARN: Knowledge Adaptation from Large Language Model to Recommendation for Practical Industrial Application [54.984348122105516]
  Llm-driven knowlEdge Adaptive RecommeNdation (LEARN)フレームワークは、オープンワールドの知識と協調的な知識をシナジする。 オープンワールドの知識と協調的な知識を相乗化するLlm-driven knowlEdge Adaptive RecommeNdation (LEARN) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-07T04:00:30Z)
• Towards a General Framework for Continual Learning with Pre-training [55.88910947643436]
  本稿では,事前学習を用いた逐次到着タスクの連続学習のための一般的な枠組みを提案する。 我々はその目的を,タスク内予測,タスク同一性推論,タスク適応予測という3つの階層的構成要素に分解する。 本稿では,パラメータ効率細調整(PEFT)技術と表現統計量を用いて,これらのコンポーネントを明示的に最適化する革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-10-21T02:03:38Z)
• Approaching Unanticipated Consequences [3.253495920474109]
  要件を満たすソフトウェアが、重大な影響で、未想定のアフターエフェクトに与える影響について検討した。 実世界のケーススタディを3つ検討し、いくつかの分野の文献と関わり、概念的枠組みを構築した。 参加者グループは、収束または分岐した意図でモデルをナビゲートした。 この研究は、研究や実践に影響を及ぼすツールとして、概念的枠組みが使われる可能性を示した。
  論文  参考訳（メタデータ） (2023-06-16T16:43:52Z)

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。