SHEDDING LIGHT ON CUSTOMER REQUIREMENT SPECIFICATIONS, FUNCTIONAL SPECIFICATIONS AND REQUIREMENTS LISTS – HOW ENGINEERS LEARN THE CORRECT DOCUMENTATION OF REQUIREMENTS
Notice bibliographique
Résumé
Engineering students face a confusion of requirements and product properties during task clarifi-cation in product development projects. As requirements are mainly documented in the form of desired product properties, customer needs and expectations may not be sufficiently considered during the development of new and innovative products.This paper presents the results of a systematic litera-ture analysis of existing requirement documentation forms and analyses the documentation process as it is taught to engineering students. Requirements are often documented through a tripartite process of translating customer ex-pectations from the customer requirement specification to the functional specification, while the requirements list provides the base for the product development process. The contents of these documents appear theoretically different, however, they are barely distinguishable from each other in practice.Therefore, the paper provides a new model-based un-derstanding for the documentation of requirements through gradual concretisation of requirements during the product development process, leading gradually from customer needs and expectations to requirements. Engi-neering students must be able to gradually concretise requirements then document desired product properties to avoid early fixation on specific product properties. Un-dergraduate and graduate engineering students should be taught to consider requirements according to the pro-posed approach as it enables prospective engineers al-ready in the early phases of their engineering education to design highly complex technical products. Thus, the model provides a valuable base for formally supported requirements documentation and the systematic determi-nation of product properties
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».