論文の概要: Issue Tracking Ecosystems: Context and Best Practices

• arxiv url: http://arxiv.org/abs/2507.06704v1
• Date: Wed, 09 Jul 2025 09:57:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-10 17:37:43.543495
• Title: Issue Tracking Ecosystems: Context and Best Practices
• Title（参考訳）: 問題追跡エコシステム: コンテキストとベストプラクティス
• Authors: Lloyd Montgomery,
• Abstract要約: GitHubとJiraは、問題管理を通じてソフトウェアエンジニアリング(SE)組織をサポートする一般的なツールです。 課題追跡生態系 (ITE) は、中央ITSと関連するSEアーティファクト、利害関係者、プロセスの集合である。 私は、複雑さと多様性に関するこれらの疑問に対処しながら、より広いレベルでITTを理解するという挑戦を受けています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Issue Tracking Systems (ITSs), such as GitHub and Jira, are popular tools that support Software Engineering (SE) organisations through the management of ``issues'', which represent different SE artefacts such as requirements, development tasks, and maintenance items. ITSs also support internal linking between issues, and external linking to other tools and information sources. This provides SE organisations key forms of documentation, including forwards and backwards traceability (e.g., Feature Requests linked to sprint releases and code commits linked to Bug Reports). An Issue Tracking Ecosystem (ITE) is the aggregate of the central ITS and the related SE artefacts, stakeholders, and processes -- with an emphasis on how these contextual factors interact with the ITS. The quality of ITEs is central to the success of these organisations and their software products. There are challenges, however, within ITEs, including complex networks of interlinked artefacts and diverse workflows. While ITSs have been the subject of study in SE research for decades, ITEs as a whole need further exploration. In this thesis, I undertake the challenge of understanding ITEs at a broader level, addressing these questions regarding complexity and diversity. I interviewed practitioners and performed archival analysis on a diverse set of ITSs. These analyses revealed the context-dependent nature of ITE problems, highlighting the need for context-specific ITE research. While previous work has produced many solutions to specific ITS problems, these solutions are not consistently framed in a context-rich and comparable way, leading to a desire for more aligned solutions across research and practice. To address this emergent information and lack of alignment, I created the Best Practice Ontology for ITEs. <... truncated due to arXiv abstract character limit ...>
• Abstract（参考訳）: GitHubやJiraのようなイシュートラッキングシステム(ITS)は,要件や開発タスク,メンテナンス項目など,さまざまなSE成果物を表す‘イシュー’の管理を通じて,ソフトウェアエンジニアリング(SE)組織をサポートする一般的なツールです。 ITSは、イシュー間の内部リンクや、他のツールや情報ソースへの外部リンクもサポートする。 例えば、スプリントリリースに関連する機能要求や、バグレポートに関連するコードコミットなどです。 課題追跡エコシステム(ITE)は、中央ITSと関連するSE成果物、利害関係者、プロセスの集合であり、これらの要因がITSとどのように相互作用するかを強調している。 ITEの品質は、これらの組織とそのソフトウェア製品の成功の中心である。 しかし、インターリンクされたアーティファクトの複雑なネットワークや多様なワークフローなど、ITTには課題がある。 ITSは何十年にもわたってSE研究の対象であったが、ITTは全体としてさらなる探索を必要としている。 この論文では、ITEをより広いレベルで理解し、複雑さと多様性に関するこれらの疑問に対処する。 私は開業医にインタビューし,多種多様なITSのアーカイブ分析を行った。 これらの分析により、ITE問題における文脈依存性を明らかにし、文脈依存型ITE研究の必要性を浮き彫りにした。 これまでの研究は、特定のITS問題に対する多くのソリューションを生み出してきたが、これらのソリューションは、常にコンテキストに富み、同等の方法でフレーム化されているわけではない。 この創発的な情報とアライメントの欠如に対処するために、ITEのためのベストプラクティスオントロジーを作成しました。 <... arXiv 抽象的な文字制限により停止する。

関連論文リスト

• An Empirical Investigation on the Challenges in Scientific Workflow Systems Development [6.920993703034064]
  この記事では、Stack Overflow(SO)とGitHubにおける開発者と研究者のインタラクションについて検討する。 問題を分析することで、13のトピック(例えば、エラーとバグ修正、ドキュメント、依存性)を特定し、データ構造と操作が最も難しいことを発見した。 また、データ構造や操作、タスク管理、ワークフロースケジューリングといった、SOとGitHubの共通するトピックも見つけました。
  論文  参考訳（メタデータ） (2024-11-16T21:14:11Z)
• A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
  水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。 多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
  論文  参考訳（メタデータ） (2024-05-30T04:46:40Z)
• Mining Issue Trackers: Concepts and Techniques [6.99674326582747]
  内外の利害関係者は「問題」を報告し、管理し、議論する 課題追跡ツールは、組織がユーザと対話し、ソフトウェア開発ライフサイクルのさまざまな側面を管理するために使用するソフトウェアツールである。 この章では、問題データをアルゴリズムで分析する4つの主要なユースケースについて論じる。
  論文  参考訳（メタデータ） (2024-03-08T23:02:41Z)
• A Systematic Literature Review on Explainability for Machine/Deep Learning-based Software Engineering Research [23.273934717819795]
  本稿では,ソフトウェア工学の文脈におけるAIモデルの説明可能性の向上を目的とした,体系的な文献レビューを行う。 我々は,XAI技術がこれまで成功してきたSEタスク,(2)異なるXAI手法の分類と分析,(3)既存の評価手法を考察することを目的としている。
  論文  参考訳（メタデータ） (2024-01-26T03:20:40Z)
• AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
  IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。 我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。 主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
  論文  参考訳（メタデータ） (2023-04-10T15:38:12Z)
• Environment Generation for Zero-Shot Compositional Reinforcement Learning [105.35258025210862]
  環境構成設計(CoDE)は、ジェネレータエージェントを訓練し、エージェントの現在のスキルレベルに合わせて一連の構成タスクを自動的に構築する。 我々は,複数のページや部屋からなる環境を生成することを学び,それらの環境において複雑なタスクを広範囲にこなせるRLエージェントを訓練する。 CoDEは最強のベースラインよりも4倍高い成功率を示し、3500のプリミティブタスクで学んだ実際のWebサイトのパフォーマンスを示している。
  論文  参考訳（メタデータ） (2022-01-21T21:35:01Z)
• 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)
• KILT: a Benchmark for Knowledge Intensive Language Tasks [102.33046195554886]
  知識集約型言語タスク(KILT)のベンチマークを示す。 KILTのすべてのタスクはウィキペディアのスナップショットと同じだ。 共有密度ベクトル指数とSeq2seqモデルとの結合が強いベースラインであることが分かる。
  論文  参考訳（メタデータ） (2020-09-04T15:32:19Z)

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。