Amélioration de l’Élicitation d'Exigences grâce à la Fouille de Magasin d'Applications

Enhancing Requirements Elicitation through App Stores Mining

• Auteur / Autrice : Jialiang Wei
• Direction : Gérard Dray, Pierre Louis Bernard
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 07/11/2024
• Etablissement(s) : IMT Mines Alès
• Ecole(s) doctorale(s) : École doctorale Information, Structures, Systèmes (Montpellier ; 2015-....)
• Partenaire(s) de recherche : Laboratoire : EuroMov Digital Health in Motion - EuroMov - Digital Health in Motion / Euromov DHM
• Jury : Président / Présidente : Xavier Franch
• Jury : Examinateurs / Examinatrices : Gérard Dray, Pierre Louis Bernard, Camille Salinesi, Anne-Lise Courbis, Thomas Lambolais, Walid Maalej, Robert Darimont
• Jury : Rapporteurs / Rapporteuses : Xavier Franch, Camille Salinesi

Mots clés

Mots clés libres

Ingenierie des exigences

Fouilles des app stores

Traitement automatique du langage naturel

Requirements engineering

App stores mining

Natural language processing

Résumé

Les méthodes traditionnelles de collecte des exigences impliquent généralement des interviews, des observations, des questionnaires, la création de prototypes, etc. Malgré leur utilité, ces méthodes dépendent fortement des connaissances des parties prenantes et des ingénieurs en charge de l'élaboration des exigences. Dans le marché des applications mobiles, en constante évolution et hautement concurrentiel, rester à la pointe des tendances est particulièrement difficile. Les magasins d'applications comme Google Play et Apple Store offrent un vaste répertoire d'applications, ce qui constitue une opportunité d'identifier des produits similaires et d'obtenir des informations précieuses. Cependant, le volume considérable d'applications disponibles rend l'analyse manuelle ardue et chronophage. Pour combler cette lacune, nos recherches se concentrent sur l'exploitation des données des magasins d'applications pour rationaliser et améliorer le processus de collecte des exigences.Dans cette thèse, nous nous concentrons sur trois défis liés à la collecte des exigences : le raffinement de l'objectif initial de l'application, la création rapide et accessible de prototypes d'interfaces graphiques, et la collecte continue des exigences après la mise sur le magasin d'applications. Pour relever ces défis, nous avons développé trois approches innovantes qui tirent parti de trois sources d'information provenant des magasins d'applications: les descriptions d'applications, les images d'introduction et les avis d'utilisateurs. Nous proposons d'une part une méthode pour identifier les descriptions d'applications pertinentes et extraire les fonctionnalités clés en vue de recommandations de sous-fonctionnalités, ce qui aide à affiner les fonctionnalités générales. D'autre part, en exploitant les images d'introduction des applications sur Google Play, nous avons développé un moteur de recherche d'interfaces graphiques qui permet de trouver rapidement des captures d'écran pertinentes en fonction de requêtes textuelles, accélérant ainsi le processus de prototypage. Enfin, nous introduisons une chaîne automatisée pour extraire les informations liées aux exigences à partir d'un grand volume d'avis d'utilisateurs. Des évaluations empiriques démontrent l'efficacité de ces trois approches. Nous mettons en pratique nos travaux sur un cas d'étude relatif à la collecte des exigences pour une application de suivi de l'activité physique de personnes âgées.

Traditional requirements elicitation methods typically involve interviews, observations, questionnaires, prototyping, etc. Despite their usefulness, these methods heavily depend on the knowledge of stakeholders and requirements engineers. In the fast-paced and highly competitive mobile app market, staying ahead of evolving trends is particularly challenging. App stores like Google Play and the Apple Store offer a vast repository of apps, providing an opportunity to identify similar products and gain valuable insights. However, the sheer volume of available apps makes manual analysis a daunting and time-consuming task. To bridge this gap, our research focuses on leveraging app store data to streamline and enhance the requirements elicitation process.In this thesis, we focus on three challenges of requirements elicitation: refinement of initial idea, rapid and accessible prototyping, and continuous requirements elicitation after the app's release. To tackle these challenges, we developed three innovative approaches that leverage app descriptions, introduction images, and app reviews from app stores. First, we proposed a method to identify relevant app descriptions and extract key features for sub-feature recommendation, which helps refine high-level ideas/features into detailed features. Second, by mining app introduction images from Google Play, we developed a GUI search engine that allows users to quickly find relevant screenshots based on textual queries, thereby accelerating the prototyping process. Third, we introduced an automated pipeline to extract requirements-related information from large volumes of app reviews. Empirical evaluations demonstrate the effectiveness of these three approaches. Additionally, we conducted a case study on the requirements elicitation process for a health monitoring app designed for seniors, which further validated their effectiveness in a real-world scenario.