ETD

• AI-infused systems
• digital agriculture
• requirements modelling

Digital technologies and Artificial Intelligence (AI) are increasingly transforming agricultural practices by introducing advanced sensing, data-driven monitoring, and decision support systems. These innovations reshape technical infrastructures, farm processes, and stakeholder roles within the agri-food value chain, while also having implications for the natural environment. Understanding these transformations is therefore essential for designing digital solutions that contribute to more sustainable agrifood systems.

Requirements Engineering (RE) provides well-established techniques for gathering and representing stakeholder needs through visual models. In particular, semi-formal notations are widely used to capture different perspectives, such as domain, goals, and process. However, there is still little empirical evidence on the application of requirements modelling in agriculture and, more broadly, in participatory innovation environments. Moreover, the use of RE approaches in these contexts raises an End-User Development (EUD) challenge: enabling domain experts to actively shape and appropriate the modelling artefacts.


This thesis explores how modelling with semi-formal notations can enhance knowledge exchange in agricultural living labs, i.e., networks of heterogeneous stakeholders addressing common challenges through participatory activities. The research involved 20 European living labs undergoing digital transformation. In these settings, stakeholders needed structured representations to illustrate how farm processes change after the introduction of digital technologies, thereby supporting communication and analysis. The research employed a design science methodology, spanning iterative cycles of design
and validation within the living labs.

The practical challenges arising from this context guided the literature review and informed the design of the proposed artefacts grounded in RE and EUD. Specifically, the thesis tackles four challenges: the use of semi-formal notations in agricultural living labs; the engagement of living lab stakeholders in both the creation and interpretation of models; the design of support for novice and non-technical modellers in alignment with their capabilities; and the role of AI-based support
within the requirements modelling landscape for digital agriculture.

Two main artefacts were developed and evaluated within the living labs: PoMeLO (PrOcess ModElling in Living labOratories), a RE method for modelling socio-technical transformations in agricultural living labs, and ModeLLer, an AI-infused EUD modelling tool designed to support novice modellers.

The thesis contributes empirical insights into requirements modelling in participatory contexts and provides one of the first in-depth studies in the agricultural domain. It bridges RE and EUD, adopts a Human-Centred AI perspective, and delivers reusable artefacts that can support further research as well as the adoption of requirements modelling practices in sustainable digital innovation.

The thesis is organised into four main parts, moving from problem investigation to the design and evaluation of the two main research artefacts.

Part I — Problem Investigation

Chapter 1 — Introduction
Introduces the research problem, objectives and research questions.
Chapter 2 — Literature Review
Presents background and related work on Requirements Engineering, End-User Development, modelling methods, digital agriculture, and AI-infused systems.

Part II — PoMeLO: Requirements Engineering Method

Chapter 3 — Overview of Part II
Summarises the research gaps and questions addressed by the method.
Chapter 4 — Method Design and First Validation
Introduces PoMeLO, its methodological foundations, and the first validation round.
Chapter 5 — Consolidated Method and Field Experiment
Presents the refined version of PoMeLO and its second validation through a two-phase field experiment.
Chapter 6 — Implementation and Evaluation Results
Complements the evaluation of PoMeLO by reporting results from its implementation and use in the CODECS context.

Part III — ModeLLer: End-User Modelling Tool

Chapter 7 — Overview of Part III
Summarises the research gaps and questions addressed by the tool.
Chapter 8 — Tool Design and Cognitive Walkthrough
Introduces ModeLLer and reports a cognitive walkthrough evaluation conducted on a prototype.
Chapter 9 — User Study within a Computational Thinking Framework
Reports the validation of ModeLLer through a user study grounded in Computational Thinking.
Chapter 10 — AI-Infused ModeLLer and Expert Evaluation
Presents the improved AI-infused version of the tool, including a technical evaluation and a Wizard of Oz study with domain experts.

Part IV — Conclusions

Chapter 11 — Contributions and Limitations
Discusses the main scientific and practical contributions, as well as the limitations of the research.
Chapter 12 — Future Work
Outlines possible extensions of the proposed artefacts and results.

Le tecnologie digitali e l’Intelligenza Artificiale (IA) stanno trasformando in misura crescente l'agricoltura, introducendo sistemi avanzati di sensoristica, monitoraggio basato sui dati e supporto alle decisioni. Queste innovazioni riconfigurano le infrastrutture tecniche, i processi agricoli e i ruoli degli stakeholder lungo la filiera agroalimentare, producendo al tempo stesso impatti per l’ambiente. Comprendere tali trasformazioni è quindi essenziale per progettare soluzioni digitali che contribuiscano a sistemi agroalimentari più sostenibili.

L’Ingegneria dei Requisiti (Requirements Engineering, RE) offre tecniche consolidate per raccogliere e rappresentare i bisogni degli stakeholder attraverso modelli visuali. In particolare, le notazioni semi-formali sono ampiamente utilizzate per catturare prospettive differenti, quali il dominio, gli obiettivi e i processi. Tuttavia, vi sono ancora poche evidenze empiriche sull’applicazione della modellazione dei requisiti nell'agricoltura digitale e, più in generale, in contesti di innovazione partecipativa. Inoltre, l’uso di approcci di RE in questi contesti solleva una sfida di End-User Development (EUD): consentire agli esperti di dominio di contribuire attivamente alla definizione e all’appropriazione degli artefatti di modellazione.

Questa tesi esplora in che modo la modellazione mediante notazioni semi-formali possa migliorare lo scambio di conoscenza nei living labs di ambito agroalimentare, ovvero reti di stakeholder eterogenei che affrontano sfide comuni attraverso attività partecipative. La ricerca ha coinvolto 20 living lab europei impegnati in processi di trasformazione digitale. In questi contesti, gli stakeholder necessitavano di rappresentazioni strutturate per illustrare come i processi agricoli cambiano dopo l’introduzione di tecnologie digitali, supportando così la comunicazione e l’analisi. La ricerca ha adottato una metodologia di Design Science, articolata in cicli iterativi di progettazione e validazione all’interno dei living lab.

Le sfide pratiche emerse da questo contesto hanno guidato la revisione della letteratura e informato la progettazione degli artefatti proposti, fondati su RE ed EUD. In particolare, la tesi affronta quattro sfide: l’uso di notazioni semi-formali nei living lab agroalimentari; il coinvolgimento degli stakeholder dei living lab sia nella creazione sia nell’interpretazione dei modelli; la progettazione di forme di supporto per modellatori principianti e non tecnici, in linea con le loro capacità; e il ruolo del supporto basato su IA nel panorama della modellazione dei requisiti per l’agricoltura digitale.

Due artefatti principali sono stati sviluppati e valutati all’interno dei living lab: PoMeLO (PrOcess ModElling in Living labOratories), un metodo di RE per modellare trasformazioni socio-tecniche nei living labs, e ModeLLer, uno strumento di modellazione EUD arricchito da IA, progettato per supportare modellatori principianti.

La tesi contribuisce con evidenze empiriche sulla modellazione dei requisiti in contesti partecipativi e fornisce uno dei primi studi approfonditi nel dominio agroalimentare. Collega le aree scientifiche RE ed EUD, adotta una prospettiva di Human-Centred AI e produce artefatti riutilizzabili che possono supportare sia ulteriori attività di ricerca sia l’adozione di pratiche di modellazione dei requisiti per l’innovazione digitale sostenibile.

La tesi è organizzata in quattro parti principali, partendo dall’investigazione del problema alla progettazione e valutazione dei due principali artefatti di ricerca.

Parte I — Investigazione del problema

Capitolo 1 — Introduzione
Introduce il problema di ricerca, gli obiettivi e le domande di ricerca.

Capitolo 2 — Revisione della letteratura
Presenta il background e i lavori correlati su Ingegneria dei Requisiti, End-User Development, metodi di modellazione, agricoltura digitale e sistemi arricchiti da IA.

Parte II — PoMeLO: Metodo di Requirements Engineering

Capitolo 3 — Panoramica della Parte II
Sintetizza i gap di ricerca e le domande affrontate dal metodo.

Capitolo 4 — Progettazione del metodo e prima validazione
Introduce PoMeLO, le sue basi metodologiche e il primo ciclo di validazione.

Capitolo 5 — Metodo consolidato ed esperimento sul campo
Presenta la versione finale di PoMeLO e la sua seconda validazione attraverso un esperimento sul campo articolato in due fasi.

Capitolo 6 — Risultati dell’implementazione e della valutazione
Completa la valutazione di PoMeLO riportando i risultati della sua implementazione e del suo utilizzo nel contesto del progetto Horizon CODECS.

Parte III — ModeLLer: Strumento di modellazione per end user

Capitolo 7 — Panoramica della Parte III
Sintetizza i gap di ricerca e le domande affrontate dallo strumento.

Capitolo 8 — Progettazione dello strumento e Cognitive Walkthrough
Introduce ModeLLer e riporta una valutazione tramite cognitive walkthrough condotta su un prototipo.

Capitolo 9 — User study all’interno di un framework di Computational Thinking
Riporta la validazione di ModeLLer attraverso uno user study basato sul Computational Thinking.

Capitolo 10 — ModeLLer arricchito da IA e valutazione con esperti
Presenta la versione migliorata e arricchita da IA dello strumento, includendo una valutazione tecnica e uno studio Wizard of Oz con esperti di dominio.

Parte IV — Conclusioni

Capitolo 11 — Contributi e limitazioni
Discute i principali contributi scientifici e pratici della ricerca, nonché le sue limitazioni.

Capitolo 12 — Lavori futuri
Delinea possibili estensioni degli artefatti proposti e dei risultati raggiunti.