論文の概要: Bridging the Gap: Adapting Evidence to Decision Frameworks to support the link between Software Engineering academia and industry
- arxiv url: http://arxiv.org/abs/2602.08015v1
- Date: Sun, 08 Feb 2026 15:30:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-10 20:26:24.93014
- Title: Bridging the Gap: Adapting Evidence to Decision Frameworks to support the link between Software Engineering academia and industry
- Title（参考訳）: ギャップを埋める - ソフトウェア工学のアカデミックと業界との関係を支援するために、決定フレームワークにエビデンスを適用する
- Authors: Patricia G. F. Matsubara, Tayana Conte,
- Abstract要約: 健康科学からEvidence to Decision(EtD)フレームワークを紹介した。
EtDフレームワークは、介入の影響に関する既存の最良の証拠を評価するために、パネルで専門家を集めることを提案する。
EtDフレームワークを採用する際にSEリサーチと実践コミュニティが直面する課題について論じる。
- 参考スコア（独自算出の注目度）: 4.140124714399536
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Over twenty years ago, the Software Engineering (SE) research community have been involved with Evidence-Based Software Engineering (EBSE). EBSE aims to inform industrial practice with the best evidence from rigorous research, preferably from systematic literature reviews (SLRs). Since then, SE researchers have conducted many SLRs, perfected their SLR procedures, proposed alternative ways of presenting their results (such as Evidence Briefings), and profusely discussed how to conduct research that impacts practice. Nevertheless, there is still a feeling that SLRs' results are not reaching practitioners. Something is missing. In this vision paper, we introduce Evidence to Decision (EtD) frameworks from the health sciences, which propose gathering experts in panels to assess the existing best evidence about the impact of an intervention in all relevant outcomes and make structured recommendations based on them. The insight we can leverage from EtD frameworks is not their structure per se but all the relevant criteria for making recommendations to practitioners from SLRs. Furthermore, we provide a worked example based on an SE SLR. We also discuss the challenges the SE research and practice community may face when adopting EtD frameworks, highlighting the need for more comprehensive criteria in our recommendations to industry practitioners.
- Abstract（参考訳）: 20年以上前、ソフトウェアエンジニアリング(SE)の研究コミュニティは、Evidence-Based Software Engineering(EBSE)に関わってきた。
EBSEは、厳格な研究、好ましくは体系的な文献レビュー(SLRs)から、工業的実践に最良の証拠を提供することを目的としている。
それ以来、SEの研究者は多くのSLRを実施、SLRの手続きを完了し、結果を提示する代替の方法を提案した(Evidence Briefingsなど)。
それでも、SLRの結果が実践者に届いていないという感覚は残っている。
何かが欠けています。
このビジョンペーパーでは、健康科学からEtD(Evidence to Decision)フレームワークを導入し、パネルに専門家を集め、関連するすべての結果に対する介入の影響に関する既存のベストエビデンスを評価し、それらに基づいて構造化されたレコメンデーションを作成する。
私たちがEtDフレームワークから活用できる洞察は、それ自体の構造ではなく、SLRの実践者に対してレコメンデーションを行うためのすべての関連する基準です。
さらに,SE SLRに基づく実例を提案する。
また、EtDフレームワークを採用する際にSEリサーチと実践コミュニティが直面する課題についても議論し、業界実践者への勧告においてより包括的な基準の必要性を強調します。
関連論文リスト
- Let the Barbarians In: How AI Can Accelerate Systems Performance Research [80.43506848683633]
我々は、この繰り返しサイクルを、AI駆動システム研究の生成、評価、洗練のサイクルと呼ぶ。
我々はADRSが生成するソリューションが人間の最先端の設計に適合し、さらに優れることを示した。
論文 参考訳（メタデータ） (2025-12-16T18:51:23Z) - A Survey of Real-World Recommender Systems: Challenges, Constraints, and Industrial Perspectives [29.526174878343742]
産業レコメンデーションシステムの体系的なレビューを行い、学術的なシステムと対比する。
データスケール、リアルタイム要件、評価方法論における重要な違いを強調します。
次に、トランザクション指向のレコメンダシステムとコンテンツ指向のレコメンダシステムにおいて、業界実践者がこれらの課題にどのように対処するかを検討する。
論文 参考訳（メタデータ） (2025-09-07T10:29:41Z) - LLM-based Agentic Reasoning Frameworks: A Survey from Methods to Scenarios [63.08653028889316]
エージェント推論フレームワークを分解し,これらのフレームワークがどのようにフレームワークレベルの推論を支配しているかを分析する。
具体的には,エージェント推論システムを単一エージェントメソッド,ツールベースメソッド,マルチエージェントメソッドに分類するための統一形式言語を提案する。
我々は、科学的発見、医療、ソフトウェア工学、社会シミュレーション、経済学における彼らの主要な応用シナリオを包括的にレビューする。
論文 参考訳（メタデータ） (2025-08-25T06:01:16Z) - Can Large Language Models Match the Conclusions of Systematic Reviews? [43.27182445778988]
我々は、大言語モデル(LLM)は、同じ研究にアクセスできると、臨床専門家が書いた体系的なレビューの結論に一致するだろうか?
MedEvidenceでは、推論、非推論、医療スペシャリスト、さまざまなサイズ(7B-700Bから)のモデルを含む24のLCMをベンチマークします。
MedEvidenceでは、推論が必ずしも性能を向上しておらず、より大規模なモデルでは常に大きな利得が得られず、知識に基づく微調整は精度を低下させる。
論文 参考訳（メタデータ） (2025-05-28T18:58:09Z) - A Comprehensive Review of Recommender Systems: Transitioning from Theory to Practice [12.047370735494601]
Recommender Systems(RS)は、パーソナライズされたアイテムの提案を提供することで、ユーザーエクスペリエンスを高める上で重要な役割を果たす。
この調査は、2017年から2024年までのRSの進歩を包括的にレビューする。
この調査の第一の目的は、理論を実践と橋渡しすることである。
論文 参考訳（メタデータ） (2024-07-18T17:00:53Z) - Teaching Design Science as a Method for Effective Research Development [0.24578723416255752]
デザインサイエンスリサーチ(DSR)方法論の適用は、情報システム(IS)とソフトウェア工学研究の一般的な作業資源になりつつある。
この章には、DSR、教育方法論、学習目的、レコメンデーションの例が含まれている。
我々は,デザインサイエンスのユーザ体験に関するデータ収集を目的とした調査成果を作成した。
論文 参考訳（メタデータ） (2024-07-13T10:43:06Z) - LEARN: Knowledge Adaptation from Large Language Model to Recommendation for Practical Industrial Application [54.984348122105516]
Llm-driven knowlEdge Adaptive RecommeNdation (LEARN)フレームワークは、オープンワールドの知識と協調的な知識をシナジする。
オープンワールドの知識と協調的な知識を相乗化するLlm-driven knowlEdge Adaptive RecommeNdation (LEARN) フレームワークを提案する。
論文 参考訳（メタデータ） (2024-05-07T04:00:30Z) - Tapping the Potential of Large Language Models as Recommender Systems: A Comprehensive Framework and Empirical Analysis [91.5632751731927]
ChatGPTのような大規模言語モデルは、一般的なタスクを解く際、顕著な能力を示した。
本稿では,レコメンデーションタスクにおけるLLMの活用のための汎用フレームワークを提案し,レコメンデーションタスクとしてのLLMの機能に着目した。
提案手法は,提案手法が推薦結果に与える影響を解析し,提案手法とモデルアーキテクチャ,パラメータスケール,コンテキスト長について検討する。
論文 参考訳（メタデータ） (2024-01-10T08:28:56Z) - Fairness in Recommender Systems: Research Landscape and Future
Directions [119.67643184567623]
本稿は,近年の地域におけるフェアネスの概念と概念について概観する。
この分野での研究が現在どのように行われているのかを概観する。
全体として、最近の研究成果の分析は、ある研究のギャップを示している。
論文 参考訳（メタデータ） (2022-05-23T08:34:25Z) - Enterprise Architecture in Healthcare Systems: A systematic literature
review [0.0]
エンタープライズアーキテクチャ(EA)は1980年代から科学文献に存在してきた。
EAは、ビジネス目標を達成するためのポリシーやプロジェクトを調整するための推奨事項をビジネスとICTのリーダーに提示することで価値を提供する。
本研究は、医療システムにおける現在のEA実践を実証する研究を選定するために、体系的な文献レビューを提示する。
論文 参考訳（メタデータ） (2020-07-14T02:01:25Z) - Recommender Systems for the Internet of Things: A Survey [53.865011795953706]
勧告は、モノのインターネット(Internet of Things)の利益を開発し、促進する上で重要な段階である。
従来のレコメンデータシステムは、成長を続ける、動的で、異質なIoTデータを活用することができません。
論文 参考訳（メタデータ） (2020-07-14T01:24:44Z)
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。