从应用功能到解释需求：分析相关性与预测潜力

在当今数字化世界中，软件系统必须支持用户理解如何与系统交互以及为何发生某些行为。本研究调查了解释需求（从用户评论中分类）是否可以基于应用属性进行预测，从而在开发早期考虑并进行大规模需求挖掘。我们分析了一个包含 4,495 条应用评论并包含元数据（例如应用版本、评级、年龄限制、应用内购买）的黄金标准数据集。相关性分析识别出应用属性与解释需求之间大多数关联都很弱，仅针对特定功能（如应用版本、评论数量和星级评级）存在中等相关性。线性回归模型显示出有限的预测能力，各种配置下没有可靠的预测。对 495 条手动标记的数据集的验证确认了这些发现。安全与隐私以及系统行为类别显示出略高的预测潜力，而交互和用户界面则最难预测。总体而言，我们的结果表明解释需求高度依赖情境，不能仅从应用元数据中准确推断。开发人员和需求工程师应因此在有效设计可解释且以用户为中心的软件系统时，补充元数据分析以收集直接用户反馈。