MétaCan
Menu
Retour à la cohorte
Enregistrement W4390117343 · doi:10.1109/models-c59198.2023.00061

Towards Requirements Specification Collaboration Forum for Embedded Software Systems

2023· article· en· W4390117343 sur OpenAlexaff
Asma Fariha, Sanaa Alwidian, Akramul Azim

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueAdvanced Software Engineering Methodologies
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésRequirements elicitationRequirements analysisComputer scienceRequirements managementSoftware requirements specificationRequirements engineeringSoftware engineeringSystem requirementsSystems Modeling LanguageStakeholderFunctional requirementRequirement prioritizationSoftware requirementsSystem requirements specificationUser requirements documentSystems engineeringProcess (computing)SoftwareUnified Modeling LanguageSoftware developmentSoftware designEngineering

Résumé

récupéré en direct d'OpenAlex

Effective requirements specification for embedded software systems relies heavily on the collaboration between stakeholders to articulate accurate functional and non-functional requirements. At present, requirement engineers manually coordinate the sophisticated task of correct stakeholders selection for requirements and compilation of feedback in the embedded software domain. Because embedded software has an extensive number of stakeholders, the absence of an efficient collaboration platform causes a prolonged project completion time, elevated maintenance costs, or project failure. In this preliminary research paper, a stakeholder collaboration platform is proposed using an auto-encoder-based recommender system and SysML modeling language for embedded software systems. In the proposed framework, forums are the collaboration space for stakeholders to contribute to requirements analysis and specifications and are generated from the requirements diagram of the SysML modeling language. Owners of the requirements will be directly assigned to the forum from the SysML requirement profile information. To ensure adequate stakeholder engagement in the requirements specification process, the Collaborative Denoising Auto-Encoder (CDAE) recommender system is used for advanced auto-recommendations of requirement forums to stakeholders. This approach facilitates feedback collection and analysis to refine requirements specifications. The automatic forum creation and the advanced recommendation process of this framework will add no overhead to the requirements engineers or analysts; at the same time, a centralized collaboration platform for the stakeholders will save requirements analysis time and avoid future conflicts.

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)0,033
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,176

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,041
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,003
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,002
Communication savante0,0050,007
Science ouverte0,0040,007
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,096
Tête enseignante GPT0,358
Écart entre enseignants0,262 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Software Engineering MethodologiesTravaux en français237 207