MétaCan
Menu
Retour à la cohorte
Enregistrement W2096687600 · doi:10.1109/isese.2004.7

An empirical study of a Qualitative Systematic Approach to Requirements Analysis (QSARA)

2004· article· en· W2096687600 sur OpenAlexaff
Ban Al-Ani, Kathryn A. Edwards

Notice bibliographique

RevueUTS ePRESS (University of Technology Sydney) · 2004
Typearticle
Langueen
DomaineComputer Science
ThématiqueSoftware Engineering Research
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceConstruct (python library)Empirical researchInterdependenceDomain (mathematical analysis)Management scienceSystematic reviewRequirements analysisKnowledge managementData scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Stakeholders' understanding of what is expected of a system evolves with the continuous review and revision of the requirements document. Problems arise when stakeholders have little understanding of the domain or the initial document is poorly structured. A Qualitative Systematic Approach to Requirements Analysis (QSARA) was developed to address these problems and others. An empirical study was conducted to determine whether QSARA achieved its objectives. This paper details empirical study design, identifies the resources allocated and presents statistical analysis of data gathered during the study. Evidence collected from seventy participants is also presented. The evidence supports research hypotheses that QSARA assists analysts to construct a more complete description of a system feature and identify interdependencies.

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)0,001
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,376
Score d'incertitude au seuil0,619

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,001
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 Opus0,064
Tête enseignante GPT0,351
Écart entre enseignants0,287 · 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'étudeQualitatif
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

Citations4
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUTS ePRESS (University of Technology Sydney)Même sujetSoftware Engineering ResearchTravaux en français237 207