論文の概要: Using GPT to build a Project Management assistant for Jira environments
- arxiv url: http://arxiv.org/abs/2509.26014v1
- Date: Tue, 30 Sep 2025 09:42:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-01 17:09:04.498065
- Title: Using GPT to build a Project Management assistant for Jira environments
- Title（参考訳）: GPTを使ってJira環境のためのプロジェクト管理アシスタントを構築する
- Authors: Joel Garcia-Escribano, Arkaitz Carbajo, Mikel Egaña Aranguren, Unai Lopez-Novoa,
- Abstract要約: 我々は,プロジェクトマネージャが大量のデータを扱うプロセスを容易にするために,GPT大言語モデルを使用するソフトウェアであるJiraGPT Nextを紹介する。
これは、最も人気のあるProject Managementツールの1つであるJiraのアドオンとして考えられ、情報を取得するための自然言語インターフェースを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In the domain of Project Management, the sheer volume of data is a challenge that project managers continually have to deal with. Effectively steering projects from inception to completion requires handling of diverse information streams, including timelines, budgetary considerations, and task dependencies. To navigate this data-driven landscape with precision and agility, project managers must rely on efficient and sophisticated tools. These tools have become essential, as they enable project managers to streamline communication, optimize resource allocation, and make informed decisions in real-time. However, many of these tools have steep learning curves and require using complex programming languages to retrieve the exact data that project managers need. In this work we present JiraGPT Next, a software that uses the GPT Large Language Model to ease the process by which project managers deal with large amounts of data. It is conceived as an add-on for Jira, one of the most popular Project Management tools, and provides a natural language interface to retrieve information. This work presents the design decisions behind JiraGPT Next and an evaluation of the accuracy of GPT in this context, including the effects of providing different prompts to complete a particular task.
- Abstract（参考訳）: プロジェクトマネジメントの分野では、大量のデータを扱うことは、プロジェクトマネージャが常に対処しなければならない課題です。
プロジェクトの開始から完了までの効果的なステアリングには,タイムラインや予算的考慮,タスク依存など,さまざまな情報ストリームの処理が必要になります。
このデータ駆動のランドスケープを精度とアジリティでナビゲートするには、プロジェクトマネージャは効率的で洗練されたツールに頼る必要があります。
これらのツールは、プロジェクトマネージャがコミュニケーションを合理化し、リソースの割り当てを最適化し、リアルタイムで情報的な決定をすることができるため、不可欠なものになっています。
しかしながら、これらのツールの多くは急な学習曲線を持ち、プロジェクトマネージャが必要とする正確なデータを取得するために複雑なプログラミング言語を使用する必要があります。
本稿では,プロジェクトマネージャが大量のデータを扱うプロセスを容易にするため,GPT大言語モデルを用いたソフトウェアであるJiraGPT Nextを紹介する。
これは、最も人気のあるProject Managementツールの1つであるJiraのアドオンとして考えられ、情報を取得するための自然言語インターフェースを提供する。
本研究は、JiraGPT Nextの設計決定と、GPTの精度の評価を、特定のタスクを完了させる異なるプロンプトを提供することの効果を含む、この文脈で提示する。
関連論文リスト
- What is a Feature, Really? Toward a Unified Understanding Across SE Disciplines [0.7125007887148752]
ソフトウェア工学において、'フィーチャー'の概念は要求工学(RE)やソフトウェア製品ライン(SPL)といった分野で矛盾なく定義される。
本稿では、実世界のプロジェクト間で機能がどのように記述され、実装され、管理されるかを研究するための実証的、データ駆動型アプローチを提案する。
論文 参考訳（メタデータ） (2025-02-14T09:08:53Z) - Multilingual Crowd-Based Requirements Engineering Using Large Language Models [9.93427497289912]
私たちは、アジャイルチームが問題やタスク管理にクラウドベースの要件エンジニアリング(CrowdRE)を使用するのを支援するLLMベースのアプローチを提示します。
現在私たちは、開発者が関連するユーザレビューと問題にマッチできるコマンドラインツールを実装しています。
論文 参考訳（メタデータ） (2024-08-12T21:40:39Z) - Automated User Story Generation with Test Case Specification Using Large Language Model [0.0]
要件文書からユーザストーリーを自動生成するツール「GeneUS」を開発した。
アウトプットはフォーマットで提供され、ダウンストリーム統合の可能性は人気のあるプロジェクト管理ツールに開放されます。
論文 参考訳（メタデータ） (2024-04-02T01:45:57Z) - Data Management For Training Large Language Models: A Survey [64.18200694790787]
大規模言語モデル(LLM)のトレーニングにおいて、データは基本的な役割を果たす
本調査は,LLMの事前学習および微調整段階におけるデータ管理の現状を概観するものである。
論文 参考訳（メタデータ） (2023-12-04T07:42:16Z) - Language and Task Arithmetic with Parameter-Efficient Layers for Zero-Shot Summarization [126.96113831681338]
本稿では,言語やタスク特化パラメータを構成することで,ゼロショットの言語間移動を改善することを提案する。
本手法は,言語とタスクPEFTモジュールを要素演算により構成し,ラベルなしデータと英語ラベル付きデータを活用する。
論文 参考訳（メタデータ） (2023-11-15T20:04:58Z) - What's in a Name? Evaluating Assembly-Part Semantic Knowledge in
Language Models through User-Provided Names in CAD Files [4.387757291346397]
本稿では,設計者がCAD(Computer Aided Design)ソフトウェアで使用する自然言語名が,そのような知識の貴重な情報源であることを示す。
特に、自然言語部分、特徴、文書名の大きなコーパスを抽出し、クリーンにする。
テキストデータコーパスの微調整により、すべてのタスクのパフォーマンスが向上し、テキストデータの価値が示されることを示す。
論文 参考訳（メタデータ） (2023-04-25T12:30:01Z) - Just Tell Me: Prompt Engineering in Business Process Management [63.08166397142146]
GPT-3や他の言語モデル(LM)は、様々な自然言語処理(NLP)タスクに効果的に対処できる。
私たちは、迅速なエンジニアリングは、BPM研究にLMの能力をもたらすことができると論じています。
論文 参考訳（メタデータ） (2023-04-14T14:55:19Z) - A Flexible and Intelligent Framework for Remote Health Monitoring
Dashboards [4.561162529091813]
ViSierraは、RPMプロジェクトでデータ監視ダッシュボードを設計するためのフレームワークである。
これらのプラットフォームは、従来のRPMプロジェクトに必要なすべての側面をカバーし、機械学習ソリューションのような新しい機能と組み合わせます。
論文 参考訳（メタデータ） (2020-06-09T14:07:45Z) - Exploring and Predicting Transferability across NLP Tasks [115.6278033699853]
本研究では,33のNLPタスク間の伝達可能性について検討した。
以上の結果から,転帰学習は従来考えられていたよりも有益であることが示唆された。
また,特定の対象タスクに対して最も転送可能なソースタスクを予測するために使用できるタスク埋め込みも開発した。
論文 参考訳（メタデータ） (2020-05-02T09:39:36Z)
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。