MoDRE 2025: 15th International Model-Driven Requirements Engineering Workshop
Notice bibliographique
Résumé
Welcome to the 15th International Workshop on Model-Driven Requirements Engineering (MoDRE’25), held in conjunction with the 33rd edition of the Requirements Engineering Conference. The MoDRE workshop series has established a forum where researchers and practitioners can discuss the challenges and opportunities of Model-Driven Development (MDD) for Requirements Engineering (RE).Model-Driven (software) development languages, tools, and techniques have raised the level of abstraction in software development and enabled automation of various parts of the software development process. When effectively applied, MDD techniques can offer significant benefits to RE, by balancing the flexibility for capturing varied user needs with the formality required for model transformations, and by bridging high-level abstraction with the richness of requirements information. MoDRE seeks to explore areas of RE that are not yet fully formalized to be incorporated into an MDD environment. It also seeks to explore how RE models can benefit from advances in the model-driven community, such as flexible, collaborative, and AI-enabled modeling. MoDRE encourages researchers to explore these benefits by identifying new challenges, sharing ongoing work and emerging solutions, analyzing strengths and weaknesses of MDD approaches for RE, and fostering stimulating discussions on the topic during the workshop. This workshop is an opportunity to reflect on the current state and envision the future of MDD approaches for RE.We would like to thank the Program Committee for their valuable feedback to the authors, and, of course, the authors for submitting their papers and making this workshop possible. We are looking forward to an interactive and engaging workshop!
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 | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».