A methodology to guide writing Software Requirements Specification document

Soares, Hecio A.; Moura, Raimundo Santos

doi:10.1109/clei.2015.7360001

Cited by 13 publications

(4 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Por isso, o documento deve estar estruturado de forma a permitir um entendimento claro por parte dos desenvolvedores sobre o comportamento esperado do sistema (Jackson, 2010). A padronização do documento de requisitos facilita a comunicação entre os stakeholders e melhora sua consistência e inteligibilidade (Soares & Moura, 2015).…”

Section: Engenharia De Requisitosunclassified

Elicitação de requisitos orientada por ontologias de domínio

Motta¹,

Ferneda²,

Campos³

et al. 2019

RGCTI

View full text Add to dashboard Cite

Levantamento de Requisitos é um processo dedicado a compreender as necessidades de clientes e usuários, e transformar estas necessidades em projetos de desenvolvimento de sistemas. Para capturar tais necessidades, o engenheiro de requisitos precisa interagir com pessoas de negócio das mais diversas áreas. Essa interação requer intensa comunicação e é bastante afetada pelas diferenças de vocabulário e interpretação que existe entre a equipe de negócio e a equipe de desenvolvedores do sistema. O uso de métodos de Arquitetura da Informação e de ontologias trazem novas alternativas para tratar tais problemas. O método de Arquitetura da Informação MAIA mostrou-se aderente ao Levantamento de Requisitos, possibilitando uma nova visão sobre o processo. Foram identificados estudos que abordam o uso de ontologias e do método MAIA que podem ser usados para apoiar o levantamento de requisitos. O objetivo principal deste trabalho é propor o modelo de Elicitação de Requisitos em Ciclos (ERC), criando uma nova abordagem para a especificação de sistemas, que garanta um documento de requisitos completo, consistente e não ambíguo, e que permita suporte automatizado de conteúdo. Esta abordagem é baseada em um conjunto de melhores práticas que visam melhorar o suporte a comunicação entre as equipes e, consequentemente, o processo de Levantamento de Requisitos como um todo.

show abstract

Section: Engenharia De Requisitosunclassified

Elicitação de requisitos orientada por ontologias de domínio

Motta¹,

Ferneda²,

Campos³

et al. 2019

RGCTI

View full text Add to dashboard Cite

show abstract

“…Genova et al [10] emphasize the consistency and completeness of the requirement quality attributes by analyzing the textual quality of requirements, using formal requirements documents as input data. In this same perspective, Soares and Moura [19] present the use of a writing methodology for the requirements specification, using the ERS-EDITOR software, which is based on the construction of an expanded lexicon of language.…”

Section: Introductionmentioning

confidence: 99%

A Method to Evaluating Consistency, Completeness and Correctness in Evolution Requirements

Audacio,

Felizardo,

Aguiar

et al. 2021

Anais Do Workshop Em Engenharia De Requisitos

View full text Add to dashboard Cite

Changes in the domain in which a specific software was developed can generate a demand for new requirements known as requirements evolution. However, it is expected that these will be specified in a consistent, complete and correct manner. This work defines a method that makes it possible to assess the consistency, completeness and correctness of requirements defined during the software evolution. The developed method is composed of two phases: (1) analysis of units of information, i.e., the analysis of each requirement and its domain; and (2) analysis of these items through indicators for consistency and completeness. For verification purposes, the method was applied through a case study in a software company and, the results presents positive indicators for the improvement of quality in requirements evolution. The project, object of this study, originally had a high rework load, that is, correction in the codification of the requirements of the case study. Through the application of the method, it was possible to identify that most of the evaluated requirements, which presented inconsistency or completeness problem, were associated with rework efforts.

show abstract

“…No âmbito da Universidade Federal do Piauí (UFPI), pesquisadores do Laboratório de Processamento de Linguagem Natural (LPLN) têm desenvolvido estudos com o uso de PLN, a saber: i) identificação de elementos da Linguagem de Modelagem Unificada (UML) a partir de descrições textuais escritas em Português do Brasil [Anchiêta et al 2013]; ii) metodologia para auxiliar a escrita de documentos de especificação de requisitos de sistemas [Soares and Moura 2015]; iii) estudo comparativo sobre métodos estatísticos de extração características em descrições textuais, usados para classificação de sentimentos [Anchiêta et al 2015]; iv) definição da abordagem TOP(X) para inferir os comentários mais úteis sobre produtos e serviços ]; v) variações da abordagens TOP(X), explorando as variáveis de entrada reputação do autor, quantidade de túplas <característica; palavra opinativa> e riqueza do vocabulário, além de variações dos modelos matemáticos utilizados: Sistema Fuzzy e Redes Neurais Artificiais [Santos et al 2021]; e vi) estudo de técnicas de PLN para a resolução de problemas de regulação médica em planos de saúde [Magalhães Jr et al 2019], cuja ideia explorou a descrição textual de prescrições de exames médicos para introduzir um fator de confiança e auxiliar a definição das regulações a serem aprovadas automaticamente.…”

unclassified

PLN: Das Técnicas Tradicionais aos Modelos de Deep Learning

Anchiêta¹,

Neto²,

Marinho³

et al. 2021

Minicursos Da ERCEMAPI 2021

View full text Add to dashboard Cite

With the massive amount of data generated daily on the Web, researchers in the field of Natural Language Processing have focused on extracting useful information from unstructured data. This volume of data makes it impractical for anyone to manually process them in order to extract meaningful information, i.e., feelings, opinions, irony, hate speech, fake news, and others. The main objective of this short course is to introduce principles, traditional techniques, and tools in the field of NLP, developing models for binary classification tasks. The course focuses on practical activities using the Python language and libraries such as: NLTK, SpaCy, and Scikit-Learn. In the final part, some topics about Deep Learning will be discussed, including the BERT language model. ResumoCom a imensa quantidade de dados gerados diariamente na Web, pesquisadores da área de Processamento de Linguagem Natural (PLN) têm buscado extrair informações úteis de dados não estruturados. Esse volume de dados torna impraticável para qualquer pessoa processá-los manualmente a fim de extrair informações significativas, i.e., sentimentos, opiniões, ironia, discurso de ódio, fake news, entre outros. O objetivo principal deste minicurso é apresentar princípios, técnicas tradicionais e ferramentas da área de PLN, desenvolvendo modelos para tarefas de classificação binária. O curso é focado em atividades práticas usando a linguagem Python e bibliotecas, como: NLTK, SpaCy e Scikit-Learn. Na parte final, alguns tópicos sobre Deep Learning serão discutidos, incluindo o modelo de língua BERT. IntroduçãoProcessamento de Linguagem Natural (PLN) é uma vertente da Inteligência Artificial (IA) que ajuda computadores a entender, interpretar e manipular a linguagem humana. Em termos simples, [Sarkar 2019] define linguagem natural como sendo uma linguagem desenvolvida e evoluída por humanos por meio do uso natural e da comunicação, em vez de construir e criar a linguagem artificialmente, como uma linguagem de programação.A Comissão Especial de Processamento de Linguagem Natural (CE-PLN) da Sociedade Brasileira de Computação (SBC), estabelece que a área de PLN, também denominada Linguística Computacional ou, ainda, Processamento de Línguas Naturais, busca investigar, propor e desenvolver formalismos, modelos, técnicas, métodos e sistemas computacionais para resolver problemas relacionados à automação da interpretação e da geração da língua humana, como o inglês ou o português. A CE-PLN também descreve que as principais aplicações envolvem áreas, tais como:

show abstract

A methodology to guide writing Software Requirements Specification document

Cited by 13 publications

References 9 publications

Elicitação de requisitos orientada por ontologias de domínio

Elicitação de requisitos orientada por ontologias de domínio

A Method to Evaluating Consistency, Completeness and Correctness in Evolution Requirements

PLN: Das Técnicas Tradicionais aos Modelos de Deep Learning

Contact Info

Product

Resources

About