应用贝叶斯数据分析进行需求质量的因果推断：一项受控实验
软件工程
2025-01-08 v4
摘要
普遍认为需求规格说明的质量会影响后续的软件工程活动。然而，我们仍然缺乏经验证据来支持组织判断其需求是否足够好或会阻碍后续活动。我们旨在为需求质量缺陷对依赖该需求的软件工程活动的影响提供经验证据。我们进行了一项受控实验，25名来自工业界和大学的参与者从包含不同质量缺陷的四条自然语言需求中生成领域模型。我们使用频率派和贝叶斯数据分析评估生成的模型。与我们的预期相反，结果表明被动语态的使用对生成的领域模型影响较小。然而，模糊代词的使用对生成的领域模型的各种属性有强烈影响。最值得注意的是，模糊代词导致领域模型中出现不正确的关联。尽管文献和频率派方法同样建议避免这两种缺陷，但贝叶斯数据分析表明，所研究的两种质量缺陷对软件工程活动的影响差异巨大，因此应给予不同程度的关注。研究人员可以进一步利用我们所采用的方法来改进关于需求质量的可靠、详细的经验证据。
引用
@article{arxiv.2401.01154,
title = {Applying Bayesian Data Analysis for Causal Inference about Requirements Quality: A Controlled Experiment},
author = {Julian Frattini and Davide Fucci and Richard Torkar and Lloyd Montgomery and Michael Unterkalmsteiner and Jannik Fischbach and Daniel Mendez},
journal= {arXiv preprint arXiv:2401.01154},
year = {2025}
}