論文の概要: Reconciling Complexity and Simplicity in the Business Model Canvas Design Through Metamodelling and Domain-Specific Modelling

• arxiv url: http://arxiv.org/abs/2602.12721v1
• Date: Fri, 13 Feb 2026 08:52:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-16 23:37:53.894468
• Title: Reconciling Complexity and Simplicity in the Business Model Canvas Design Through Metamodelling and Domain-Specific Modelling
• Title（参考訳）: メタモデリングとドメイン特化モデリングによるビジネスモデルCanvas設計における複雑さと単純さの再構築
• Authors: Nordine Benkeltoum,
• Abstract要約: この記事では、UML(Unified Modelling Language)を使用したBusiness Model Canvas(BMC)のメタモデルを紹介します。 提案されたメタモデルは,BMC関係を3つのコアタイプ – サポート,決定,影響 – に統合する。 その結果,関係の形式的特定はBMC表現の解釈可能性や一貫性を著しく向上させることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This article introduces a metamodel for the Business Model Canvas (BMC) using the Unified Modelling Language (UML), together with a dedicated Domain-Specific Modelling Language (DSML) tool. Although the BMC is widely adopted by both practitioners and scholars, significant challenges remain in formally modelling business models, particularly with regard to explicit specification of inter-component relationships, while preserving the simplicity that characterises the BMC. Addressing this tension between modelling rigour and practical relevance, this research adopts a Design Science Research approach to formally specify relationships among BMC components and to strengthen their theoretical grounding through an adaptation of the V 4 framework. The proposed metamodel consolidates BMC relationships into three core types: supports, determines, and affects, providing explicit semantics while remaining accessible to end users through graphical tooling. The findings highlight that formally specifying relationships significantly improves the interpretability and consistency of BMC representations. The proposed metamodel and tool offer a rigorous yet usable foundation for developing DSML-based BMC tools and for enabling systematic integration of the BMC into widely used software and enterprise modelling environments, thereby bridging business modelling and enterprise architecture practices for both academics and practitioners.
• Abstract（参考訳）: この記事では、UML(Unified Modelling Language)を使用したBusiness Model Canvas(BMC)のメタモデルと、専用のDomain-Specific Modelling Language(DSML)ツールを紹介します。 BMCは実践者と学者の両方に広く採用されているが、BMCを特徴付ける単純さを維持しながら、特にコンポーネント間関係の明示的な仕様に関して、正式なビジネスモデルのモデル化において重要な課題が残っている。 本研究は,BMCコンポーネント間の関係を形式的に規定し,V4フレームワークの適応により理論基盤を強化する設計科学研究アプローチを採用する。 提案されたメタモデルは,BMC関係を3つのコアタイプ – サポート,決定,影響 – に統合する。 その結果,関係の形式的特定はBMC表現の解釈可能性や一貫性を著しく向上させることがわかった。 提案されたメタモデルとツールは、DSMLベースのBMCツールの開発と、広く使用されているソフトウェアおよびエンタープライズモデリング環境へのBMCの体系的な統合を可能にするための、厳密で使用可能な基盤を提供する。

関連論文リスト

• Instruction-Tuning Open-Weight Language Models for BPMN Model Generation [0.0]
  命令チューニングによって適応されたオープンウェイトな大規模言語モデルが高品質なBPMNプロセスモデルを生成することができるかどうかを検討する。 InstruBPMは、ペア化されたテキストダイアグラムデータを作成し、オープンソースの大規模言語モデルをチューニングする再現可能なアプローチである。 調整済みモデルと未調整のオープンウェイトベースラインと、一貫したプロンプトレジームの下で強力なプロプライエタリモデルを比較した。
  論文  参考訳（メタデータ） (2025-12-12T22:07:51Z)
• OptMerge: Unifying Multimodal LLM Capabilities and Modalities via Model Merging [124.91183814854126]
  モデルマージは、複数のエキスパートモデルをひとつのモデルに組み合わせようとしている。 本稿ではMLLMのトレーニングと評価のタスクを明確に分割したモデルマージ研究のベンチマークを紹介する。 モデルマージは、トレーニングデータを必要とせずに改善されたMLLMを構築するための有望な方法であることがわかった。
  論文  参考訳（メタデータ） (2025-05-26T12:23:14Z)
• Unified Network-Based Representation of BIM Models for Embedding Semantic, Spatial, and Topological Data [7.45961004529471]
  建築情報モデリングは、そのライフサイクルを通して建築構造の包括的なデジタル表現を提供することによって、建設業界に革命をもたらした。 既存の研究では、BIMモデルにおけるコンポーネント間の複雑な空間的および位相的関係を捉える効果的な方法が欠如している。 本研究では,BIMモデルの「意味空間的トポロジ的」多次元設計特徴を統合した統合型ネットワークベース表現法を提案する。
  論文  参考訳（メタデータ） (2025-05-08T01:01:14Z)
• A Survey on Mechanistic Interpretability for Multi-Modal Foundation Models [74.48084001058672]
  基礎モデルの台頭は機械学習の研究に変化をもたらした。 マルチモーダル・ファンデーション・モデル(MMFM)は、ユニモーダル・フレームワークを超えて、ユニークな解釈可能性の課題を提起する。 本研究は,(1)多モーダルモデルへのLLM解釈可能性法の適応,(2)単モーダル言語モデルとクロスモーダルシステムとの機械的差異の理解の2つの重要な側面について考察する。
  論文  参考訳（メタデータ） (2025-02-22T20:55:26Z)
• Text2BIM: Generating Building Models Using a Large Language Model-based Multi-Agent Framework [0.3749861135832073]
  Text2 BIMフレームワークは、自然言語命令から3Dビルディングモデルを生成する。 ルールベースのモデルチェッカーがエージェントワークフローに導入され、LLMエージェントの問題解決をガイドする。 このフレームワークは、高品質で構造的に合理的なビルディングモデルを効果的に生成できる。
  論文  参考訳（メタデータ） (2024-08-15T09:48:45Z)
• Multiple Heads are Better than One: Mixture of Modality Knowledge Experts for Entity Representation Learning [51.80447197290866]
  高品質なマルチモーダル実体表現を学習することは、マルチモーダル知識グラフ(MMKG)表現学習の重要な目標である。 既存の手法は、エレガントなエンティティワイドマルチモーダル融合戦略の構築に重点を置いている。 適応型マルチモーダルな実体表現を学習するために,Mixture of Modality Knowledge Expert (MoMoK) を用いた新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-27T06:36:17Z)
• Incorporating Domain Knowledge in Deep Neural Networks for Discrete Choice Models [0.5801044612920815]
  本稿では,DCMにおけるデータ駆動型アプローチの可能性を拡張するフレームワークを提案する。 これには、必要な関係を表す擬似データサンプルと、その実現度を測定する損失関数が含まれる。 ケーススタディは、このフレームワークの個別選択分析の可能性を示している。
  論文  参考訳（メタデータ） (2023-05-30T12:53:55Z)
• Scaling Vision-Language Models with Sparse Mixture of Experts [128.0882767889029]
  提案手法は, 等価計算コストの高密度モデルに対して, 様々なベンチマークにおいて, 最先端性能を実現することができることを示す。 我々の研究は、MoEモデルのトレーニングの安定化、モデル解釈可能性に対するMoEの影響の理解、ビジョン言語モデルをスケールする際の計算性能間のトレードオフのバランスに関する貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2023-03-13T16:00:31Z)

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。