MétaCan
Menu
Retour à la cohorte
Enregistrement W4293213091 · doi:10.17705/1cais.05037

Information Systems Analysis and Design: Past Revolutions, Present Challenges, and Future Research Directions

2022· article· en· W4293213091 sur OpenAlexaff
Keng Siau, Carson Woo, Veda C. Storey, Roger H.L. Chiang, Cecil Eng Huang Chua, Jon W. Beard

Notice bibliographique

RevueCommunications of the Association for Information Systems · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBusiness Process Modeling and Analysis
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésField (mathematics)Data scienceAgile software developmentInformation systemDevOpsComputer scienceProcess (computing)Key (lock)Management scienceSystems engineeringEngineeringSoftware engineeringSoftware deployment

Résumé

récupéré en direct d'OpenAlex

Systems Analysis and Design (SAND) is undoubtedly a pillar in the field of Information Systems (IS). Some researchers have even claimed that SAND is the field that defines the Information Systems discipline and is the core of information systems. The past decades have seen the development of Structured SAND methodologies and Object-Oriented Methodologies. In the early 1990s, key players in the field collaborated to develop the Unified Modeling Language and the Unified Process. Agile approaches followed, as did other dynamic methods. These approaches remain heavily employed in the development of contemporary information systems. At the same time, new approaches such as DevOps and DevSecOps continue to emerge. This paper curates these trends in SAND. It reviews past and present SAND research, discusses current challenges, and provides insights that can assist SAND researchers in identifying future SAND research streams and important future research directions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,042
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil0,221

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,010
Études des sciences et des technologies0,0040,022
Communication savante0,0170,035
Science ouverte0,0020,005
Intégrité de la recherche0,0060,012
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,072
Tête enseignante GPT0,290
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreSynthèse

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

En bref

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications of the Association for Information SystemsMême sujetBusiness Process Modeling and AnalysisTravaux en français237 207