Characterizing UX Evaluation in Software Modeling Tools: A Literature Review
Notice bibliographique
Résumé
Model-Based Software Engineering (MBSE) has a high potential to play a critical role in the whole process of software engineering, bringing many benefits to all stakeholders, yet it is not used by most software developers today, due to both lack of tool capabilities and poor user experience (UX) of tools. This study aims to understand the evaluation types and methods applied by researchers when studying UX in modeling tools (modeling experience or MX) and the types of issues uncovered in these studies. We conducted a literature review using a snowballing approach to gather all studies of this topic. A total of 41 research papers were reviewed. Data extraction was performed based on research questions and a categorization of discussed issues was presented. Several gaps and future opportunities were identified and discussed, which include 1) utilizing interview method in research design; 2) distributing testing tasks based on user profiles; 3) involving UX experts in analysis; 4) scalability testing using large models; 5) assessing MX in areas other than just usability and utility; 6) considering collaborative modeling as an important factor contributing to MX; 7) considering both language issues and tool issues in UX evaluation of software modeling tools. 8) improving the taxonomy of MX challenges; 9) triangulating using multiple methods; and 10) developing and validating MX tool design heuristics.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».