MétaCan
Menu
Retour à la cohorte
Enregistrement W2078869985 · doi:10.1115/detc2011-48139

Grammatical and Semantic Disambiguation of Requirements at Elicitation and Representation Stages

2011· article· en· W2078869985 sur OpenAlexafffund
François Christophe, Min Wang, Eric Coatane ́a, Yong Zeng, Alain Bernard

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceNatural language processingSemantics (computer science)Requirements elicitationContext (archaeology)Representation (politics)Process (computing)AmbiguityNatural languageSelection (genetic algorithm)Artificial intelligenceGrammarNatural language generationRequirements engineeringLinguisticsProgramming language

Résumé

récupéré en direct d'OpenAlex

The final outcome of a design process depends a lot on the initial conditions of this process. The initial design conditions can be viewed as the initial definition and representation of the design problem in the form of requirement model. Describing the requirements involves considering their elicitation and its transformation in a form that can be further used by engineering designers. These two phases of requirements, elicitation and representation, involve by nature linguistic description. Users, stakeholders or designers express themselves through natural language. Semantics considerations involve understanding aspects that comes down to word selection or connotation but also interpretation aspects of written terms used by communities or persons within particular circumstances and contexts. The present research work is constructed around a central hypothesis: Final design outcomes are strongly dependent on the initial design conditions because of the recursive nature of the design activity. The present article claims that computer tools can support the disambiguation process associated with elicitation and representation. For this reason the authors have developed an experimental process aiming at reducing ambiguity of the parts of the initial conditions of the design process that are expressed in natural language. This disambiguation is considering several levels: the grammar, words selection and context description.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,577
Score d'incertitude au seuil0,160

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,314
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDesign Education and PracticeTravaux en français237 207