Logo des Repositoriums

Auflistung nach Autor:in "Montgomery, Lloyd"

1 - 2 von 2
  • Konferenzbeitrag
    Empirical research on requirements quality: a systematic mapping study
    (Software Engineering 2023, 2023) Montgomery, Lloyd; Fucci, Davide; Bouraffa, Abir; Scholz, Lisa; Maalej, Walid
    Dieser Artikel ist ursprünglich im Requirements Engineering Journal in 2022 erschienen. Bisherige Forschung hat wiederholt gezeigt, dass qualitativ hochwertige Anforderungen maßgeblich für den Erfolg von Entwicklungsprojekten sind. Obwohl der Begriff “Qualität” im Bereich des Requirements Engineering allgegenwärtig ist und trotz umfangreicher Forschungsarbeiten, gibt es bisher keine Metastudien, die einen Überblick über Qualitätsattribute geben und diese miteinander vergleichen. Daher haben wir eine systematische Literaturstudie durchgeführt: Wir haben 6905 Artikel aus sechs akademischen Datenbanken abgerufen und auf 105 relevante Primärstudien heruntergebrochen. Diese nutzen empirische Forschung zur Definition, Verbesserung und Bewertung der Anforderungsqualität. Unsere Ergebnisse zeigen, dass die empirische Forschung zur Anforderungsqualität bislang hauptsächlich auf Verbesserungstechniken fokussiert, während sich nur wenige Primärstudien mit Definitionen und Bewertungen von Qualitätsattributen befassen. Von den 12 identifizierten Qualitätsattributen sind Mehrdeutigkeit, Vollständigkeit, Konsistenz und Korrektheit von Anforderungen die bekanntesten. Wir haben 111 Untertypen von Qualitätsattributen identifiziert, wie beispielsweise “Template- Konformität” für Konsistenz oder “passive Form” für Mehrdeutigkeit. Nur wenige Arbeiten haben bislang gezielt Qualitätsattribute von spezifischen Arten von Anforderungen, wie z.B. Anwendungsfälle oder User Stories, untersucht. Unsere Ergebnisse verdeutlichen somit die Notwendigkeit weiterer empirisch fundierter Forschung zur Definition von Anforderungsqualität unter Einsatz vielfältigerer Forschungsmethoden sowie zur Untersuchung eines breiteren Spektrums an Anforderungstypen.
  • Konferenzbeitrag
    A Simple NLP-based Approach to Support Onboarding and Retention in Open Source Communities
    (Software Engineering and Software Management 2019, 2019) Stanik, Christoph; Montgomery, Lloyd; Martens, Daniel; Fucci, Davide; Maalej, Walid
    Successful open source communities are constantly looking for new members and helping them become active developers. A common approach for developer onboarding in open source projects is to let newcomers focus on relevant yet easy-to-solve issues to familiarize themselves with the code and the community. The goal of this research is twofold. First, we aim at automatically identifying issues that newcomers can resolve by analyzing the history of resolved issues by simply using the title and description of issues. Second, we aim at automatically identifying issues, that can be resolved by newcomers who later become active developers. We mined the issue trackers of three large open source projects and extracted natural language features from the title and description of resolved issues. In a series of experiments, we optimized and compared the accuracy of four supervised classifiers to address our research goals. Random Forest, achieved up to 91% precision (F1-score 72%) towards the first goal while for the second goal, Decision Tree achieved a precision of 92% (F1-score 91%). A qualitative evaluation gave insights on what information in the issue description is helpful for newcomers. Our approach can be used to automatically identify, label, and recommend issues for newcomers in open source software projects based only on the text of the issues.