The growing complexity of software systems and the influence of software-supported decisions in our society awoke the need for software that is transparent, accountable, and trustworthy. Explainability has been identified as a means to achieve these qualities. It is recognized as an emerging non-functional requirement (NFR) that has a significant impact on system quality. However, in order to incorporate this NFR into systems, we need to understand what explainability means from a software engineering perspective and how it impacts other quality aspects in a system. This allows for an early analysis of the benefits and possible design issues that arise from interrelationships between different quality aspects. Nevertheless, explainability is currently under-researched in the domain of requirements engineering and there is a lack of conceptual models and knowledge catalogues that support the requirements engineering process and system design. In this work, we bridge this gap by proposing a definition, a model, and a catalogue for explainability. They illustrate how explainability interacts with other quality aspects and how it may impact various quality dimensions of a system. To this end, we conducted an interdisciplinary Systematic Literature Review and validated our findings with experts in workshops.


翻译:软件系统日益复杂,而且软件支持的决定对我们社会的影响日益增大,这使人们认识到需要透明、负责和可信赖的软件。可解释性已被确定为实现这些品质的一种手段。它被认为是新出现的对系统质量有重大影响的非功能性要求(NFR),然而,为了将这种非功能性要求纳入系统,我们需要从软件工程角度理解解释性意味着什么,以及它如何影响系统的其他质量方面。这使我们能够及早分析不同质量方面相互关系产生的效益和可能的设计问题。然而,目前对需求工程领域的可解释性研究不足,而且缺乏支持需求工程过程和系统设计的概念模型和知识目录。在这项工作中,我们通过提出定义、模型和解释性目录来弥补这一差距。它们说明了可解释性如何与其他质量方面相互作用,以及它如何影响系统的各个质量方面。为此,我们进行了跨学科的文学系统审查,并与讲习班的专家一起验证了我们的调查结果。

0
下载
关闭预览

相关内容

该杂志提供了一个重点,传播关于软件密集型信息系统或应用程序需求的获取、表示和验证的新结果。欢迎提交理论和应用性意见,但所有文件都必须明确说明: - 这些思想对复杂系统设计的实际影响 - 思考型实践者应该如何评价这些想法 《华尔街日报》的动机是一种多学科的观点,这种观点不仅考虑了软件组件规范方面的需求,而且还考虑了在组织和社会环境中进行的激发、表示和同意需求的活动。为此,人们从软件工程、信息系统、职业社会学、认知和组织心理学、人机交互、计算机支持的合作工作、语言学和哲学等领域寻求贡献,以解决具体的需求工程问题。官网链接:http://dblp.uni-trier.de/db/journals/re/
【机器推理可解释性】Machine Reasoning Explainability
专知会员服务
34+阅读 · 2020年9月3日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
可解释强化学习,Explainable Reinforcement Learning: A Survey
专知会员服务
129+阅读 · 2020年5月14日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
CCF推荐 | 国际会议信息6条
Call4Papers
9+阅读 · 2019年8月13日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
人工智能 | AAAI 2019等国际会议信息7条
Call4Papers
5+阅读 · 2018年9月3日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
Arxiv
46+阅读 · 2021年10月4日
LEMON: Explainable Entity Matching
Arxiv
1+阅读 · 2021年10月1日
Arxiv
12+阅读 · 2021年8月19日
Arxiv
14+阅读 · 2020年9月1日
Directions for Explainable Knowledge-Enabled Systems
Arxiv
26+阅读 · 2020年3月17日
Arxiv
101+阅读 · 2020年3月4日
VIP会员
相关资讯
CCF推荐 | 国际会议信息6条
Call4Papers
9+阅读 · 2019年8月13日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议信息10条
Call4Papers
5+阅读 · 2018年12月18日
人工智能 | AAAI 2019等国际会议信息7条
Call4Papers
5+阅读 · 2018年9月3日
人工智能 | 国际会议截稿信息9条
Call4Papers
4+阅读 · 2018年3月13日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
相关论文
Arxiv
46+阅读 · 2021年10月4日
LEMON: Explainable Entity Matching
Arxiv
1+阅读 · 2021年10月1日
Arxiv
12+阅读 · 2021年8月19日
Arxiv
14+阅读 · 2020年9月1日
Directions for Explainable Knowledge-Enabled Systems
Arxiv
26+阅读 · 2020年3月17日
Arxiv
101+阅读 · 2020年3月4日
Top
微信扫码咨询专知VIP会员