論文の概要: A Data Annotation Requirements Representation and Specification (DARS)
- arxiv url: http://arxiv.org/abs/2512.13444v1
- Date: Mon, 15 Dec 2025 15:41:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-16 17:54:56.730208
- Title: A Data Annotation Requirements Representation and Specification (DARS)
- Title（参考訳）: DARS(Data Annotation Requirements Representation and Specification)
- Authors: Yi Peng, Hina Saeeda, Hans-Martin Heyn, Jennifer Horkoff, Eric Knauss, Fredrick Warg,
- Abstract要約: データアノテーションは、AI対応のサイバー物理システムの開発において、批判的だが見落とされがちなプロセスとなっている。
我々は,アトミックかつ検証可能なデータアノテーション要求を表現するために,DARS(Data Requirements Representation and Specification)を提案する。
この作業は、データアノテーションを使用して安全クリティカルなシステムの信頼性を改善し、今日のインテリジェントな情報システムのデータ依存コンポーネントに対して、エンジニアリングフレームワークがどのように進化する必要があるかを実証する。
- 参考スコア（独自算出の注目度）: 4.713697012827702
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the rise of AI-enabled cyber-physical systems, data annotation has become a critical yet often overlooked process in the development of these intelligent information systems. Existing work in requirements engineering (RE) has explored how requirements for AI systems and their data can be represented. However, related interviews with industry professionals show that data annotations and their related requirements introduce distinct challenges, indicating a need for annotation-specific requirement representations. We propose the Data Annotation Requirements Representation and Specification (DARS), including an Annotation Negotiation Card to align stakeholders on objectives and constraints, and a Scenario-Based Annotation Specification to express atomic and verifiable data annotation requirements. We evaluate DARS with an automotive perception case related to an ongoing project, and a mapping against 18 real-world data annotation error types. The results suggest that DARS mitigates root causes of completeness, accuracy, and consistency annotation errors. By integrating DARS into RE, this work improves the reliability of safety-critical systems using data annotations and demonstrates how engineering frameworks must evolve for data-dependent components of today's intelligent information systems.
- Abstract（参考訳）: AI対応のサイバー物理システムの台頭により、これらのインテリジェントな情報システムの開発において、データアノテーションは批判的だが見落とされがちなプロセスとなっている。
既存の要件エンジニアリング(RE)では、AIシステムとそのデータに対する要件をどのように表現できるかが検討されている。
しかし、業界の専門家との関連するインタビューは、データアノテーションとその関連する要件が、アノテーション固有の要求表現の必要性を示唆し、異なる課題をもたらすことを示している。
提案するDARS(Data Annotation Requirements Representation and Specification)には,目的と制約に利害関係者を結びつけるアノテーションネゴシエーションカードと,アトミックで検証可能なデータアノテーション要件を表現するシナリオベースのアノテーション仕様が含まれている。
我々は,現在進行中のプロジェクトに関連する自動車認識ケースと,実世界の18種類のデータアノテーションエラータイプに対するマッピングを用いて,DARSを評価した。
その結果,DARSは完全性,精度,整合性アノテーションエラーの根本原因を緩和することがわかった。
DARSをREに統合することにより、データアノテーションを使用して安全クリティカルなシステムの信頼性を改善し、今日のインテリジェントな情報システムのデータ依存コンポーネントに対して、エンジニアリングフレームワークがどのように進化する必要があるかを実証する。
関連論文リスト
- RE for AI in Practice: Managing Data Annotation Requirements for AI Autonomous Driving Systems [3.9255502531644204]
高品質なデータアノテーション要件は、安全で信頼性の高いAI対応システムの開発に不可欠である。
本研究は,アノテーションの要件が定義され,実際にどのように使用されるかを検討する。
主な課題は、曖昧さ、エッジケースの複雑さ、要求の進化、矛盾、リソースの制約である。
論文 参考訳（メタデータ） (2025-11-19T20:27:30Z) - Automatic Generation of Explainability Requirements and Software Explanations From User Reviews [2.2392379251177696]
本研究は,ユーザレビューから要件を抽出し,それに対応する説明を生成する自動アプローチを導入することで,ソフトウェアシステムにおける説明可能性要件の進展に寄与する。
私たちは58のユーザレビューのデータセットを作成しました。
我々の評価では、AI生成の要件は、人間生成の要件に比べて関連性や正確性に欠けることが多いが、AI生成の説明は、その明快さとスタイルに対してしばしば好まれる。
論文 参考訳（メタデータ） (2025-07-10T00:03:36Z) - Rethinking Data Protection in the (Generative) Artificial Intelligence Era [138.07763415496288]
現代の(生産的な)AIモデルやシステムに生じる多様な保護ニーズを捉える4段階の分類法を提案する。
当社のフレームワークは、データユーティリティとコントロールのトレードオフに関する構造化された理解を提供し、AIパイプライン全体にわたっています。
論文 参考訳（メタデータ） (2025-07-03T02:45:51Z) - Towards Requirements Engineering for RAG Systems [0.0]
本稿では,海洋企業が大規模言語モデル(LLM)を開発し,統合する方法について考察する。
我々は、AI完全性に対するユーザの期待と、生成された出力の正確性の間に、データサイエンティストがいかに根本的な緊張に直面するかを実証する。
論文 参考訳（メタデータ） (2025-05-12T13:30:44Z) - Situated Ground Truths: Enhancing Bias-Aware AI by Situating Data Labels with SituAnnotate [0.1843404256219181]
SituAnnotateは構造化およびコンテキスト対応データアノテーションに対する新しいオントロジーベースのアプローチである。
コンテキストや文化的な状況において、AIシステムのトレーニングに使用される真理データを固定することを目的としている。
ラベルベースのデータセットを作成し、クエリし、比較する方法として、SituAnnotateは、ダウンストリームAIシステムに、コンテキストと文化バイアスを明確に考慮したトレーニングを実施する権限を与える。
論文 参考訳（メタデータ） (2024-06-10T09:33:13Z) - Automotive Perception Software Development: An Empirical Investigation
into Data, Annotation, and Ecosystem Challenges [10.649193588119985]
機械学習アルゴリズムを含むソフトウェアは、自動車認識の不可欠な部分である。
このようなソフトウェアの開発、特に機械学習コンポーネントのトレーニングと検証には、大きな注釈付きデータセットが必要である。
データとアノテーションサービスの業界が出現し、このようなデータ集約型の自動車ソフトウェアコンポーネントの開発に役立っている。
論文 参考訳（メタデータ） (2023-03-10T14:29:06Z) - ROAD-R: The Autonomous Driving Dataset with Logical Requirements [54.608762221119406]
論理要求付きROADイベント認識データセット(ROAD-R)を紹介する。
ROAD-Rは、論理的制約として表現された要件を持つ、自動運転のための最初の公開データセットである。
我々は、(i)パフォーマンスが良く、(ii)要求自体に準拠することが保証されているモデルを作成するためにそれらを活用できることを示します。
論文 参考訳（メタデータ） (2022-10-04T13:22:19Z)
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。