REConnect: Participatory RE that Matters
Notice bibliographique
Résumé
Context: Software increasingly shapes daily life, making requirements engineering (RE) essential for ensuring systems contribute to community social sustainability. Yet automated elicitation practices risk distancing RE from the cultural, social, and political contexts that inform user needs, systematically excluding the communities most dependent on socially impactful software. AI-assisted RE has intensified this trend. Objective: This paper introduces REConnect, a human-centered participatory RE framework that recenters requirements work on human connection and relationality as the foundation for understanding lived experiences and ensuring alignment with community values and aspirations. Methods: REConnect was derived through qualitative analysis of 26 community-engaged software projects conducted through the INSPIRE program at the University of Victoria between 2022 and 2025, spanning rural Nepal, urban Canada, and remote Arctic Canada. We conducted a reflective synthesis across all 26 projects, followed by in-depth thematic analysis of three illustrative projects. Results: Three core principles are articulated: building trusting relationships, co-creating with and alongside stakeholders, and empowering users as agents of change. Each is operationalized through actionable REConnect Actions (REActions) embedding relationality and continuous stakeholder engagement throughout the project lifecycle. Conclusions: REConnect positions human connection as the foundation of RE for socio-technical systems aiming toward social sustainability. While AI can accelerate certain RE activities, its integration must be governed by participatory principles that preserve human agency and ensure marginalized voices are not excluded. We discuss how REConnect integrates with AI support while maintaining critical human agency in requirements engineering.
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 | 0,001 | 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 | 0,002 | 0,002 |
| 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 ».