An Initial Approach to Reuse Non-Functional Requirements Knowledge
Notice bibliographique
Résumé
Non-Functional Requirements (NFR) can be seen as qualities that software should deliver to cope with the stakeholders' demands. NFRs are fuzzy in nature and hence hard to identify. Despite the fact that both developers and users may value NFRs, they frequently do not identify the need for an NFR. Even when an NFR is identified as required, possible solutions to implement this NFR may be hard to fig- ure out. Furthermore, interdependencies among NFRs may implicate that a solution for one NFR may, at the same time, bring synergy to one NFR while conflicting with another. One approach to deal with that is to use Softgoal Interdependency Graphs (SIG) to capture knowledge describing alternatives to implement NFRs. We have ob- tained empirical evidence that using catalogues can help eliciting NFRs despite the fact that catalogues do not scale too well. To address this question, we have investi- gated the use of ontologies and semantic web techniques to represent SIGs in a ma- chine readable format. We have produced a tool (NDR) that starts to use these con- cepts. In its current form, the NDR tool only allows very basic queries done manual- ly. The NDR tool is part of the NDR framework which will facilitate the reuse of NFR knowledge on Alternatives to incorporate NFRs into the design of target sys-
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,006 |
| Bibliométrie | 0,010 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,007 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».