論文の概要: From App Features to Explanation Needs: Analyzing Correlations and Predictive Potential
- arxiv url: http://arxiv.org/abs/2508.03881v1
- Date: Tue, 05 Aug 2025 19:46:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-07 20:09:22.435422
- Title: From App Features to Explanation Needs: Analyzing Correlations and Predictive Potential
- Title（参考訳）: アプリ機能から説明の必要性:相関と予測可能性の分析
- Authors: Martin Obaidi, Kushtrim Qengaj, Jakob Droste, Hannah Deters, Marc Herrmann, Jil Klünder, Elisa Schmid, Kurt Schneider,
- Abstract要約: 本研究では,ユーザレビューから分類した説明要求が,アプリ特性に基づいて予測可能であるかを検討する。
メタデータに富んだ4,495のアプリレビューのゴールド標準データセットを分析した。
- 参考スコア（独自算出の注目度）: 2.2139415366377375
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In today's digitized world, software systems must support users in understanding both how to interact with a system and why certain behaviors occur. This study investigates whether explanation needs, classified from user reviews, can be predicted based on app properties, enabling early consideration during development and large-scale requirements mining. We analyzed a gold standard dataset of 4,495 app reviews enriched with metadata (e.g., app version, ratings, age restriction, in-app purchases). Correlation analyses identified mostly weak associations between app properties and explanation needs, with moderate correlations only for specific features such as app version, number of reviews, and star ratings. Linear regression models showed limited predictive power, with no reliable forecasts across configurations. Validation on a manually labeled dataset of 495 reviews confirmed these findings. Categories such as Security & Privacy and System Behavior showed slightly higher predictive potential, while Interaction and User Interface remained most difficult to predict. Overall, our results highlight that explanation needs are highly context-dependent and cannot be precisely inferred from app metadata alone. Developers and requirements engineers should therefore supplement metadata analysis with direct user feedback to effectively design explainable and user-centered software systems.
- Abstract（参考訳）: 今日のデジタル化された世界では、ソフトウェアシステムは、システムとのインタラクション方法と、なぜ特定の振る舞いが起こるのかを理解するために、ユーザをサポートする必要があります。
本研究では,ユーザレビューから分類した説明要求がアプリ特性に基づいて予測可能かどうかを考察し,開発期間中の早期検討と大規模要求マイニングを可能にした。
メタデータ(例えば、アプリバージョン、レーティング、年齢制限、アプリ内購入など)に富んだ4,495のアプリレビューのゴールド標準データセットを分析した。
相関分析では、アプリプロパティと説明ニーズの関連が弱く、アプリバージョン、レビュー数、スターレーティングなどの特定の機能にのみ適度な相関関係が認められた。
線形回帰モデルは、構成をまたいだ信頼性のある予測が無く、限られた予測力を示した。
495のレビューを手動でラベル付けしたデータセットで検証した結果が確認された。
セキュリティとプライバシとシステムビヘイビアといったカテゴリは少し高い予測可能性を示しましたが、インタラクションとユーザインターフェースは予測するのが最も困難でした。
全体として、我々の結果は、説明の必要性はコンテキストに依存しており、アプリのメタデータだけでは正確に推測できないことを強調している。
したがって、開発者と要件エンジニアは、説明可能なユーザー中心のソフトウェアシステムを効果的に設計するために、直接ユーザーフィードバックでメタデータ分析を補完する必要がある。
関連論文リスト
- Modeling User Behavior from Adaptive Surveys with Supplemental Context [1.433758865948252]
本稿では,適応型サーベイ応答とコンテキスト信号とを融合させてユーザ動作をモデル化するモジュールアーキテクチャであるLANTERNを提案する。
我々は,選択的ゲーティング,残差接続,後期融合を通じて,調査プライマリーを維持することのアーキテクチャ的価値を実証する。
さらに、アブレーションとまれ/頻繁な属性分析により、閾値感度と選択的モダリティ依存の利点について検討する。
論文 参考訳（メタデータ） (2025-07-28T15:19:54Z) - Mind the Gap! Static and Interactive Evaluations of Large Audio Models [55.87220295533817]
大型オーディオモデル(LAM)は、音声ネイティブな体験をパワーアップするために設計されている。
本研究は,484名の参加者から,LAMを評価し,7,500名のLAMインタラクションを収集する対話的アプローチを提案する。
論文 参考訳（メタデータ） (2025-02-21T20:29:02Z) - Were You Helpful -- Predicting Helpful Votes from Amazon Reviews [0.0]
本研究は,Amazon製品レビューの有用性に影響を及ぼす要因について,機械学習技術を用いて検討する。
レビュー支援の強力な予測因子として機能する重要なメタデータの特徴を同定する。
この知見は、文脈的およびユーザ行動的要因は、言語内容そのものよりも、レビューの有用性を示す可能性があることを示唆している。
論文 参考訳（メタデータ） (2024-12-03T22:38:58Z) - Towards Extracting Ethical Concerns-related Software Requirements from App Reviews [0.0]
本研究は、Uberモバイルアプリ(人気のタクシー/ライドアプリ)のアプリレビューを分析した。
アプリレビューからソフトウェア要件を抽出するために知識グラフ(KG)モデルを活用する新しいアプローチを提案する。
私たちのフレームワークは,関連するエンティティと関係を持ったオントロジーを開発すること,アプリレビューから重要なエンティティを抽出すること,それら間のコネクションを作成すること,という3つの主要コンポーネントで構成されています。
論文 参考訳（メタデータ） (2024-07-19T04:50:32Z) - Estimation of the User Contribution Rate by Leveraging Time Sequence in
Pairwise Matching function-point between Users Feedback and App Updating Log [3.750389260169302]
本稿では,アプリ更新ログとユーザレビューに存在する時間的相関認識に基づく定量的分析手法を提案する。
このスキームの主な考え方は、有効なユーザレビューをユーザ要件として、アプリの更新ログを開発者対応として検討することだ。
これらのアプリの機能のうち16.6%-43.2%は、オンラインの人気ユーザー要求の推進と関係があることが判明した。
論文 参考訳（メタデータ） (2023-11-26T03:52:45Z) - ROSCOE: A Suite of Metrics for Scoring Step-by-Step Reasoning [63.77667876176978]
大規模言語モデルでは、最終回答を正当化するためにステップバイステップの推論を生成するように促された場合、ダウンストリームタスクの解釈可能性が改善されている。
これらの推論ステップは、モデルの解釈可能性と検証を大幅に改善するが、客観的にそれらの正確性を研究することは困難である。
本稿では、従来のテキスト生成評価指標を改善し拡張する、解釈可能な教師なし自動スコアのスイートであるROSを提案する。
論文 参考訳（メタデータ） (2022-12-15T15:52:39Z) - Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。
OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。
我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
論文 参考訳（メタデータ） (2022-09-12T09:19:22Z) - A Graph-Enhanced Click Model for Web Search [67.27218481132185]
ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。
セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
論文 参考訳（メタデータ） (2022-06-17T08:32:43Z) - A Closer Look at Debiased Temporal Sentence Grounding in Videos:
Dataset, Metric, and Approach [53.727460222955266]
テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。
最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。
偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
論文 参考訳（メタデータ） (2022-03-10T08:58:18Z) - Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。
近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。
知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
論文 参考訳（メタデータ） (2021-10-27T12:19:56Z)
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。