論文の概要: Towards the Datasets Used in Requirements Engineering of Mobile Apps: Preliminary Findings from a Systematic Mapping Study
- arxiv url: http://arxiv.org/abs/2509.03541v1
- Date: Mon, 01 Sep 2025 01:25:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-05 20:21:09.913834
- Title: Towards the Datasets Used in Requirements Engineering of Mobile Apps: Preliminary Findings from a Systematic Mapping Study
- Title（参考訳）: モバイルアプリの要求工学におけるデータセットの活用に向けて--システムマッピング研究の予備的考察
- Authors: Chong Wang, Haoning Wu, Peng Liang, Maya Daneva, Marten van Sinderen,
- Abstract要約: 本稿では,既存のRE研究で使用されているモバイルアプリのデータセットの現状について検討する。
Google PlayとApple App Storeは、モバイルアプリ向けのREで公開された調査の90%以上をデータセットとして提供している。
- 参考スコア（独自算出の注目度）: 10.299881588437012
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: [Background] Research on requirements engineering (RE) for mobile apps employs datasets formed by app users, developers or vendors. However, little is known about the sources of these datasets in terms of platforms and the RE activities that were researched with the help of the respective datasets. [Aims] The goal of this paper is to investigate the state-of-the-art of the datasets of mobile apps used in existing RE research. [Method] We carried out a systematic mapping study by following the guidelines of Kitchenham et al. [Results] Based on 43 selected papers, we found that Google Play and Apple App Store provide the datasets for more than 90% of published research in RE for mobile apps. We also found that the most investigated RE activities - based on datasets, are requirements elicitation and requirements analysis. [Conclusions] Our most important conclusions are: (1) there is a growth in the use of datasets for RE research of mobile apps since 2012, (2) the RE knowledge for mobile apps might be skewed due to the overuse of Google Play and Apple App Store, (3) there are attempts to supplement reviews of apps from repositories with other data sources, (4) there is a need to expand the alternative sources and experiments with complimentary use of multiple sources, if the community wants more generalizable results. Plus, it is expected to expand the research on other RE activities, beyond elicitation and analysis.
- Abstract（参考訳）: [背景]モバイルアプリの要件エンジニアリング(RE)に関する研究は、アプリユーザ、開発者、ベンダーによって形成されたデータセットを採用しています。
しかし、プラットフォームの観点からこれらのデータセットのソースや、各データセットの助けを借りて研究されたREアクティビティについてはほとんど分かっていない。
[目的]本論文の目的は,既存のRE研究で使用されているモバイルアプリのデータセットの現状を調査することである。
方法]Kitchenham et al[Results]のガイドラインに従うことで,体系的なマッピング調査を実施し,43件の論文に基づいて,Google PlayとApple App Storeがモバイルアプリ用のREで公開された調査の90%以上をデータセットとして提供していることを確認した。
また、最も調査されたREアクティビティは、データセットに基づいて、要求のエレケーションと要求分析であることもわかりました。
結論]最も重要な結論は,(1)2012年以降,モバイルアプリのRE研究におけるデータセットの利用が増加していること,(2)Google PlayやApple App Storeの過剰使用によるモバイルアプリのRE知識が損なわれていること,(3)リポジトリからのアプリのレビューを他のデータソースと補完する試みがあること,(4)コミュニティがより一般化可能な結果を望む場合,代替ソースや実験を拡大する必要があること,である。
また、他のRE活動の研究は、勧誘や分析を超えて拡大することが期待されている。
関連論文リスト
- From Web Search towards Agentic Deep Research: Incentivizing Search with Reasoning Agents [96.65646344634524]
推論とエージェント能力を備えた大規模言語モデル(LLM)は、エージェントディープリサーチ(Agenic Deep Research)と呼ばれる新しいパラダイムを取り入れている。
静的なWeb検索から,計画,探索,学習を行う対話型エージェントベースのシステムへの進化を辿ります。
我々はエージェントディープリサーチが既存のアプローチを著しく上回るだけでなく、将来の情報探索において支配的なパラダイムになることを実証する。
論文 参考訳（メタデータ） (2025-06-23T17:27:19Z) - ScIRGen: Synthesize Realistic and Large-Scale RAG Dataset for Scientific Research [15.983924435685553]
我々は科学的なQAと検索のためのデータセット生成フレームワークであるScrirGenを開発した。
私たちはこれを使って、現実的なクエリ、データセット、論文を備えた大規模科学的検索強化世代(RAG)データセットを作成します。
論文 参考訳（メタデータ） (2025-06-09T11:47:13Z) - Android App Feature Extraction: A review of approaches for malware and app similarity detection [0.8901073744693314]
本稿では,2002年から2022年にかけてのAndroidマルウェア,クローン,類似性検出の分野における研究をレビューする。
既存の研究で使用されるデータソース、ツール、機能を調べ、包括的なクロスドメインデータセットの必要性を特定する。
論文 参考訳（メタデータ） (2024-12-16T08:20:29Z) - A Systematic Mapping Study of Crowd Knowledge Enhanced Software Engineering Research Using Stack Overflow [0.8621608193534838]
すべてのソフトウェアプロフェッショナルの30%が、最も人気のあるQ&AサイトStackOverflow (SO)を毎日訪問している。
SOデータを利用した傾向,含意,影響,今後の研究の可能性を明らかにするためには,系統地図研究が必要である。
我々は384のSOに基づく研究論文を収集し、それらを10の面(テーマ)に分類した。
私たちは、SOが、QuoraやRedditのような人気のあるQ&Aサイトと比較して、SE研究の85%に寄与していることを発見しました。
論文 参考訳（メタデータ） (2024-08-15T03:40:44Z) - LLM for Mobile: An Initial Roadmap [18.09586255998412]
LLMをモバイルエコシステムに適用する必要性は大きい,と我々は主張する。
このロードマップでは、モバイルデバイスでネイティブインテリジェンスを実現するために、調査に緊急に必要な6つの方向をまとめる。
論文 参考訳（メタデータ） (2024-07-09T06:07:45Z) - DiscoveryBench: Towards Data-Driven Discovery with Large Language Models [50.36636396660163]
我々は、データ駆動探索の多段階プロセスを形式化する最初の包括的なベンチマークであるDiscoveryBenchを紹介する。
我々のベンチマークには、社会学や工学などの6つの分野にまたがる264のタスクが含まれている。
私たちのベンチマークでは、自律的なデータ駆動型発見の課題を説明し、コミュニティが前進するための貴重なリソースとして役立ちます。
論文 参考訳（メタデータ） (2024-07-01T18:58:22Z) - Automated Requirements Relation Extraction [4.110571395660999]
本章は、自然言語に基づく関係抽出の分野における理論的・実践的基礎について、明確な視点を提供することを目的とする。
まず、最も一般的な要求関係型を含む分野における最も関連性の高い文献に基づいて、要求関係の基礎について述べる。
章の中核は、(i)均衡関係の識別と分類のための自然言語技術(syntactic vs. semantic techniques)と(ii)関係抽出作業のための情報抽出方法の2つのセクションから構成される。
論文 参考訳（メタデータ） (2024-01-22T16:14:27Z) - A Transfer Learning Pipeline for Educational Resource Discovery with
Application in Leading Paragraph Generation [71.92338855383238]
本稿では,新しいドメインに対するWebリソース発見を自動化するパイプラインを提案する。
パイプラインは2つの類似しているが新規なターゲットドメインで評価すると、F1スコアは0.94と0.82となる。
本研究は,サーベイジェネレーションのための各種Webリソースを考察した最初の研究である。
論文 参考訳（メタデータ） (2022-01-07T03:35:40Z) - Deep Learning based Pedestrian Inertial Navigation: Methods, Dataset and
On-Device Inference [49.88536971774444]
慣性測定ユニット(IMU)は小型で安価でエネルギー効率が良く、スマートデバイスや移動ロボットに広く使われている。
正確で信頼性の高い歩行者ナビゲーションをサポートするために慣性データをエクスプロイトすることは、新しいインターネット・オブ・シングス・アプリケーションやサービスにとって重要なコンポーネントである。
我々は、深層学習に基づく慣性ナビゲーション研究のための最初の公開データセットであるOxIOD(OxIOD)を提示、リリースする。
論文 参考訳（メタデータ） (2020-01-13T04:41:54Z)
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。