論文の概要: Event-Driven Inconsistency Detection Between UML Class and Sequence Diagrams

• arxiv url: http://arxiv.org/abs/2511.07742v1
• Date: Wed, 12 Nov 2025 01:14:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.455824
• Title: Event-Driven Inconsistency Detection Between UML Class and Sequence Diagrams
• Title（参考訳）: UMLクラスとシーケンスダイアグラム間のイベント駆動不整合検出
• Authors: Luan Lazzari, Kleinner Farias,
• Abstract要約: ソフトウェア工学の学生は、モデリングプロセス中に不整合を理解し、管理するのに苦労することが多い。 教育者や学生は、モデリングプロセス中に生じる矛盾を理解し管理するのに苦労することが多い。 このツールはイベント駆動アーキテクチャを採用し、モデリングアクションを継続的に監視し、ユーザに対して、新たな不整合をリアルタイムで通知する。
• 参考スコア（独自算出の注目度）: 0.6660458629649825
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modeling is a central and demanding activity in software engineering that requires skills such as abstraction, consistency maintenance, and precise communication. These skills are difficult to master and even harder to teach effectively. Educators and students often struggle to understand and manage inconsistencies that arise during the modeling process. To address this challenge, we present \texttt{Harmony Validator}, a tool integrated as a plugin for the Papyrus modeling environment, designed to automatically detect and report inconsistencies in UML models, including class and sequence diagrams. The tool adopts an event-driven architecture that continuously monitors modeling actions and notifies users of emerging inconsistencies in real time. This approach enhances awareness of model integrity and supports the iterative refinement of design artifacts. The paper describes the architecture, detection mechanisms, and usage scenarios of Harmony Validator. It also includes a case study conducted with students in a software engineering course to evaluate the perceived usefulness and benefits of UML modeling in teaching and learning. Our results indicate that Harmony Validator fosters a better understanding of model consistency and promotes reflective learning practices in software modeling education.
• Abstract（参考訳）: モデリングはソフトウェア工学の中心的で要求の多い活動であり、抽象化、一貫性の維持、正確なコミュニケーションといったスキルを必要とする。 これらのスキルは習得が難しく、効果的に教えることはさらに難しい。 教育者や学生は、モデリングプロセス中に生じる矛盾を理解し管理するのに苦労することが多い。 この課題に対処するために、クラス図やシーケンス図を含むUMLモデルの不整合を自動的に検出し報告するように設計されたPapyrusモデリング環境用のプラグインとして統合されたツールである‘texttt{Harmony Validator}を提示する。 このツールはイベント駆動アーキテクチャを採用し、モデリングアクションを継続的に監視し、ユーザに対して、新たな不整合をリアルタイムで通知する。 このアプローチはモデルの完全性に対する認識を高め、デザインアーティファクトの反復的な洗練をサポートする。 本稿では,Harmony Validatorのアーキテクチャ,検出機構,利用シナリオについて述べる。 また、ソフトウェア工学コースの学生がUMLモデリングの教育や学習における有用性と利点を評価するために実施したケーススタディも含んでいる。 この結果から,Harmony Validatorはモデルの一貫性をよりよく理解し,ソフトウェアモデリング教育における反射的学習の実践を促進することが示唆された。

関連論文リスト

• MCeT: Behavioral Model Correctness Evaluation using Large Language Models [4.34964016971127]
  AIモデリングアシスタントとしてのLarge Language Models(LLM)の利用の増加に伴い、ダイアグラムの生成により多くの自動化が関与するようになる。 本稿では,行動モデル,特にシーケンス図の正しさを,対応する要求テキストに対して評価する最初の完全自動化ツールMCeTを提案する。
  論文  参考訳（メタデータ） (2025-08-01T13:41:58Z)
• MLE-Dojo: Interactive Environments for Empowering LLM Agents in Machine Learning Engineering [57.156093929365255]
  自律型大規模言語モデル(LLM)エージェントを体系的に強化し、評価し、改善するためのガイムスタイルのフレームワーク。 MLE-Dojoは、現実的なエンジニアリングシナリオを反映した、多様でオープンなMLEタスクを慎重にキュレートする。 完全に実行可能な環境は、教師付き微調整と強化学習の両方を通して包括的なエージェントトレーニングをサポートする。
  論文  参考訳（メタデータ） (2025-05-12T17:35:43Z)
• ToolACE-DEV: Self-Improving Tool Learning via Decomposition and EVolution [77.86222359025011]
  ツール学習のための自己改善フレームワークであるToolACE-DEVを提案する。 まず、ツール学習の目的を、基本的なツール作成とツール利用能力を高めるサブタスクに分解する。 次に、軽量モデルによる自己改善を可能にする自己進化パラダイムを導入し、高度なLCMへの依存を減らす。
  論文  参考訳（メタデータ） (2025-05-12T12:48:30Z)
• Model Utility Law: Evaluating LLMs beyond Performance through Mechanism Interpretable Metric [99.56567010306807]
  大規模言語モデル(LLM)は、学術、産業、そして日々のアプリケーションに欠かせないものになっている。 大規模言語モデル (LLM) 時代における評価の課題の1つは一般化問題である。 従来の性能スコアを補完するメカニズムの解釈可能性向上指標であるモデル利用指数(MUI)を提案する。
  論文  参考訳（メタデータ） (2025-04-10T04:09:47Z)
• Thinging Machines for Requirements Engineering: Superseding Flowchart-Based Modeling [0.0]
  現在の要件モデルの適用は、自然言語を用いた情報収集に重点を置いていると主張されている。 この問題に対する解法として,複雑性理論,超学際性,多次元性,知識管理などが考えられる。
  論文  参考訳（メタデータ） (2025-01-28T05:30:45Z)
• Towards Synthetic Trace Generation of Modeling Operations using In-Context Learning Approach [1.8874331450711404]
  本稿では,イベントログのモデリング,インテリジェントなモデリングアシスタント,モデリング操作の生成を組み合わせた概念的フレームワークを提案する。 特に、アーキテクチャは、設計者がシステムを指定するのを助け、その操作をグラフィカルなモデリング環境内で記録し、関連する操作を自動的に推奨する、モデリングコンポーネントから構成される。
  論文  参考訳（メタデータ） (2024-08-26T13:26:44Z)
• CogCoM: A Visual Language Model with Chain-of-Manipulations Reasoning [61.21923643289266]
  カオス・オブ・マニピュレーション(Chain of Manipulations)は、視覚言語モデル(Vision-Language Models)が、エビデンスを段階的に解決するメカニズムである。 トレーニング後、モデルは外部ツールを介さずに、本質的な操作(グラウンド、ズームインなど)を積極的に行うことで、様々な視覚的問題を解決することができる。 トレーニングされたモデルである textbfCogCoM は、4つのカテゴリの9つのベンチマークで最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-02-06T18:43:48Z)
• Large Language Models with Controllable Working Memory [64.71038763708161]
  大規模言語モデル(LLM)は、自然言語処理(NLP)の一連のブレークスルーをもたらした。 これらのモデルをさらに切り離すのは、事前訓練中に内在する膨大な量の世界的知識だ。 モデルの世界知識が、文脈で提示された事実情報とどのように相互作用するかは、まだ解明されていない。
  論文  参考訳（メタデータ） (2022-11-09T18:58:29Z)
• Goal-Aware Prediction: Learning to Model What Matters [105.43098326577434]
  学習した前進力学モデルを使用する際の根本的な課題の1つは、学習したモデルの目的と下流のプランナーやポリシーの目標とのミスマッチである。 本稿では,タスク関連情報への直接的予測を提案し,そのモデルが現在のタスクを認識し,状態空間の関連量のみをモデル化することを奨励する。 提案手法は,目標条件付きシーンの関連部分を効果的にモデル化し,その結果,標準タスク非依存のダイナミックスモデルやモデルレス強化学習より優れていることがわかった。
  論文  参考訳（メタデータ） (2020-07-14T16:42:59Z)

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。