A Survey on Model‐Driven Engineering and Domain‐Specific Languages for Chatbot Development: Requirements, Challenges and Solutions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Chatbots have become widely adopted tools for improving user interactions across multiple platforms. They are advanced software applications designed to emulate human conversation across various platforms. Moreover, developing chatbots using existing platforms and frameworks presents challenges, such as the lock‐in of NLP services, and incurs substantial costs. Recently, research has introduced solutions to ease chatbot development. Many of these approaches utilise Model‐Driven Engineering (MDE) and Domain‐Specific Languages (DSLs) to automate processes and simplify implementation. Through the use of MDE and DSLs, these solutions enhance efficiency and make chatbot creation more accessible. This study aims to provide a comprehensive survey on MDE and DSLs in chatbot development, highlighting key research topics, opportunities, and challenges. The first contribution explores the primary application domains of DSLs in chatbot development and the associated challenges in their adoption. Second, this work examines the various ways in which DSLs are employed to model and develop chatbots, assessing their impact on automation and efficiency. Additionally, this study identifies the challenges and limitations of using DSLs in chatbot development. Atlast, it investigates the influence of DSL utilisation on user experience, both from the perspective of chatbot developers and end‐users, to determine how DSLs enhance the chatbot development process and interaction quality. To achieve this, a comprehensive search will be conducted across Scopus, Web of Science, and ScienceDirect for studies published between 2014 and 2024. A total of 306 publications were reviewed, of which 15 were identified as primary studies.
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.
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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle