A Visual Narrative Path from Switching to Resuming a Requirements\n Engineering Task
Notice bibliographique
Résumé
Requirements Engineering (RE) is closely tied to other development activities\nand is at the heart and foundation of every software development process. This\nmakes RE the most data and communication-intensive activity compared to other\ndevelopment tasks. The highly demanding communication makes task switching and\ninterruptions inevitable in RE activities. While task switching often allows us\nto perform tasks effectively, it imposes a cognitive load and can be\ndetrimental to the primary task, particularly in complex tasks as the ones\ntypical for RE activities. Visualization mechanisms enhanced with analytical\nmethods and interaction techniques help software developers obtain a better\ncognitive understanding of the complexity of RE decisions, leading to timelier\nand higher quality decisions. In this paper, we propose to apply interactive\nvisual analytics techniques for managing requirements decisions from various\nperspectives, including stakeholders communication, RE task switching, and\ninterruptions. We propose a new layered visualization framework that supports\nthe analytical reasoning process of task switching. This framework consists of\nboth data analysis and visualization layers. The visual layers offer\ninteractive knowledge visualization components for managing task interruption\ndecisions at different stages of an interruption (i.e. before, during, and\nafter). The analytical layers provide narrative knowledge about the\nconsequences of task switching decisions and help requirements engineers to\nrecall their reasoning process and decisions upon resuming a task. Moreover, we\nsurveyed 53 software developers to test our visual prototype and to explore\nmore required features for the visual and analytical layers of our framework.\n
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,004 |
| 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 ».