第十七组可视化需求分析分享

wenqiatcq 2023-06-04 15:54:38

论文简介

本文介绍了可视化分析在软件需求工程中的应用，提出了一个框架，包括五个概念目标（用户、数据、模型、可视化和知识），并定义了它们之间的关系，以便于评估现有方法并进行工具增强。通过案例研究，证明了可视化分析可以在需求工程中解决开放式的可视化探索任务和结构化的可视化利用任务，帮助从主题、离群值识别到需求追踪和风险评估等多个方面做出可操作的决策。最终，本文揭示了如何通过增加需求可视化的互动性来提高数据到决策分析能力。

可视化介绍

视觉分析(VA)是一种处理大量、异构和动态信息的方法，它提供了一个解决信息超载的机会。
VA建立并结合了不同的研究领域，如可视化、数据挖掘和统计学，它可以支持各种应用程序。

可视化与需求工程

REV是一个研究领域，它提供了一个刺激的论坛，讨论和分享如何使用可视化来进行需求建模和规范等活动。
VA可以应用于需求工程(RE)中，以帮助创建一个从数据到决策的路径，并提供静态和动态的需求量级可视化。

可视化需求分析框架

这是一个基于VA文献的可视化需求分析框架。图显示了由五个组件（用户、数据、模型、可视化和知识）及其交互组成的框架。与现有的概念化相比，框架在几个方面都是新颖的。首先，它明确地对“用户”进行建模，以表明机器的计算只是增加了但不能取代，人类在知识发现和决策过程中感知、关联和得出结论的能力。其次，框架区分了用户参与VA活动的程度：主要是用户，次要于用户，或服从于完全自动化。这些区别是通过使用图中不同的过渡类型来实现的.在接下来的内容中，我们通过讨论组件、组件之间的连接以及不同级别的用户参与，详细介绍了所提议的框架

组件

在这个基于视觉分析的需求工程框架，包括五个组成部分：用户、数据、模型、可视化和知识。其中，用户是最重要的部分，它连接了其他所有部分，并在控制、监测和调整整个视觉分析过程中起着至关重要的作用。该框架通过数据预处理、模型定义和可视化呈现等手段，帮助用户从海量的软件项目数据中发现知识、做出决策，并进一步优化软件开发流程。

连接

这是可视化分析（Visual Analytics，VA）的三个关键步骤：预处理、映射和呈现。预处理包括清洗、归一化和聚合数据，常常使用自动化方法。映射指定了可视化的对象以及如何进行可视化。呈现则着重于生成交互式可视化，以帮助用户进行推理、洞察和决策。在这些步骤中，自然语言文本的处理和可视化方案的设计是关键问题。此外，为了支持新的构件，需要扩展模型并提供适当的可视化方案。

用户参与

1.将用户参与软件可视化需求分析过程分为三个级别，包括用户主要参与的部分、用户次要参与的部分和完全自动化的部分
2.用户主要参与的部分：通过交互式可视化可以获得重要的见解、有效的推理、可靠的评估和最优的分析结果。用户需要可视化的方式来完全理解软件分析的结果。
3.用户次要参与的部分：包括选择输入数据和指定模型元素。数据选择的主要原则是挖掘手头上的数据，而不是可能在以后想要或需要的数据。模型选择方面，趋势是从寻找可以覆盖多种情况的全局模型转向定制本地模型，并分享所学到的经验。
4.完全自动化的部分：通过使用先进的机器学习和统计方法在软件库挖掘中应用自动化数据挖掘技术，已经产生了许多工具。在软件分析中，自动化的重点应放在支持实时、共享和可操作的决策生成上。此外，该框架的可视化路径不是严格线性的，而是高度迭代和增量的，包括阶段间和阶段内的反馈循环。

RE 中视觉探索的工具增强

我们在本节中报告了一个探索性案例，方法是在项目的现实生活背景下与 RDC 组织就 SWP 项目进行合作。我们的目标是深入了解 VA 工具如何帮助从业者在实践中进行视觉探索。在视觉探索中，用户通过与数据的视觉描述进行交互来提取见解，但探索本身是结构化的、开放式的，并且通常受到可用的可视化和交互的影响。因此，可视化探索可以被认为是沿着 VA 连续体从静态可视化需求信息向动态地与需求可视化交互更近了一步。在 RE 中对视觉探索进行改进不仅扩展了我们的工具开发工作，而且证明了早期分析结果的合理性，这些结果揭示了当代 VA 工具在可视化和知识领域的弱点。

基本原理、目标和程序

我们采用案例研究作为我们研究设计的基础的主要原因是，对当代现象的调查适合解决“如何”和“为什么”的问题，否则这些问题很难通过受控的方法来回答。从本质上讲，在 RE 中使用 VA 的好处和障碍只有在无法在实验室中复制的条件下才能在正在进行的现实世界项目中显现出来。特别是在 RE 中应用 VA 的研究离不开组织背景，效果可能需要数周或数月才能显现。

调查结果

表格总结了 ReCVisu 对 RE 视觉探索的支持结果。我们将结果讨论更多地集中在 VA 如何最好地展示其在建立从数据到决策的路径方面的价值，并仅强调 ReCVisu 的必要技术方面

RE中视觉开发的工具增强

动机

为了比较我们迄今为止所做的工具增强，我们应用建议的可视化需求分析框架来评估 ReCVisu 和 ReCVisu+结果如图所示。除了对某些可视化功能（如 V2 和 V7）的改进外，知识领域（如 K1、K2 和 K5）也得到了更好的支持。这种比较促使我们进一步增强我们的工具支持，更重要的是，回答研究问题：“ReC Visu 可以在多大程度上支持结构良好的 RE 任务？”我们将这些任务称为视觉开发任务。与视觉相比探索任务，开发任务的开放性较低，通常遵循相对明确的过程。换句话说，用户不再对探索所有可能的路径感兴趣，而是对如何利用 VA 来根据明确定义的议程来支持决策制定感兴趣。

为了回答研究问题，我们基于与  RDC  组织在其  SWP  项目上的持续合作，选择需求驱动的风险评估作为代表性案例。图8显示了风险评估过程的概览。
数据和模型定义流程的输入。在我们的案例中，我们遵循缺陷检测和预防
(DDP)  模型来衡量输入数据。如图所示，DDP  涉及三个基础结构：资产代表对组织有价值的需求级信息项，风险代表威胁资产适当保护的情况，而缓解代表可以采取的行动来降低风险的严重性.
在风险评估过程中需要做出两种决策。第一个涉及确定在当前评估周期中应考虑哪些资产、风险和缓解措施的子集。特别是，图中所示的“在范围内？”决策点将产生一个范围缩小的列表，要求用户在未来的风险评估中重新访问。第二种决策涉及选择要实施的范围内缓解措施的子集，以便以具有成本效益的方式解决需求级别的风险。这里的权衡可以通过描述极端情况来解释。一方面，选择所有合法的缓解措施可以在改善风险方面取得非常高的效果，但成本也非常高。另一方面，仅选择一种缓解措施可能成低廉，但改善效果非常小。

总结

在本文中，提出了一个框架来描述和改进视觉需求分析的实践状态。我们应用该框架来检查现有 VA 的 RE 解决方案，这反过来有助于确定需要改进的领域。
在这种理解的指导下，我们开发了 ReCVisu为 RE 从业者提供增强的交互式可视化支持的工具。我们进一步进行了案例研究，以探讨 ReCVisu 如何可能有助于在实践中保持需求在轨道上。该研究揭示了 RE 中最能由 VA 支持的视觉探索和视觉开发任务，并展示了增加的视觉交互性（与静态可视化需求信息相反）如何导致可操作的决策。

...全文