Practitioner-generated blog posts as evidence for software engineering research: attitudinal survey and preliminary checklist
背景：软件从业者经常使用博客帖子来分享有关他们实践的信息。因此，博客文章为软件工程（SE）研究提供了潜在的证据来源。使用博客文章作为研究证据在一些SE研究人员中似乎存在争议。目的：为了更好地了解博客文章作为SE研究证据的实际和感知价值，并为SE研究人员使用博客文章作为证据制定指导。方法：我们进一步分析了以前进行的态度调查的44个软件工程研究人员的反应。我们进行了热图分析、简单的统计分析和主题分析。结果如下：我们发现受访者对研究人员对博客文章可信度的态度没有明确的共识，也没有一套标准来评估博客文章的可信度。我们发现，对调查的一些回应表现出与博客文章内容相似的特征，例如，断言先前的信念作为索赔，没有引用和支持的理由很少。我们用来自调查的约60个定性例子来说明我们的见解，约占总回答的40%。我们补充我们的定量和定性分析与初步清单，以指导SE研究人员。结论：博客文章与研究相关，因为它们是由软件从业者撰写的，描述了他们的实践和经验。但是，评估博客文章的可信度，以便选择更高质量的内容，仍然是一个持续的挑战。定量和定性的结果，与建议的检查表，旨在刺激研究社区的反思和行动的作用，博客文章作为证据在软件工程研究。最后，我们的研究人员的态度博客文章的研究结果也提供了更一般的洞察研究人员的价值观SE研究。
2021-03-02 cs.SE
A Survey of DevOps Concepts and Challenges
DevOps是一种协作和多学科的组织努力，用于自动化新软件更新的持续交付，同时保证其正确性和可靠性。本调查从工程师、管理人员和研究人员的角度调查和讨论了DevOps面临的挑战。我们回顾了文献并开发了DevOps概念图，将DevOps自动化工具与这些概念相关联。然后，我们讨论他们的工程师，管理人员和研究人员的实际影响。最后，我们批判性地探讨了文献报道的一些最相关的DevOps挑战。
2019-11-18 cs.SE
Model Checking of Statechart Models: Survey and Research Directions
我们调查现有的方法，使用模型检验的状态图的形式化验证。虽然在每种方法中使用的状态图的语义和子集有很大的不同，随着模型检查器和它们的规约语言，大多数方法依赖于将层次结构转换为模型检查器的输入语言的平面表示。这使得模型检验难以扩展到工业模型，因为状态空间随着平坦化呈指数级增长。我们看看目前的方法，模型检验层次结构，发现它们的语义是显着不同的状态图。我们建议使用一种技术组合来解决状态空间爆炸的问题，并将其作为进一步研究的方向。
2004-07-16 cs.SE
Modern Code Reviews -- Survey of Literature and Practice
本研究结合系统映射、Q方法调查与影响力分析，梳理244项MCR研究并发现研究主题与从业者重视方向存在错位，进而提出未来研究议程。
2024-02-29 cs.SE
A Survey and Comparison of Industrial and Academic Research on the Evolution of Software Product Lines
过去对软件产品线的研究主要集中在可重用资产的初始开发和相关的挑战，如成本估计和实现问题。当然，随着软件产品线在整个行业中越来越多地被采用，它们的持续维护和发展也越来越受到关注。然而，目前尚不清楚研究在多大程度上遵循这一趋势，以及该行业的利益和需求在哪里。在这份技术报告中，我们提供了一个调查和比较选定的出版物在软件产品线维护和发展SPLC。特别是，我们分析和讨论这些文件的异同方面，他们与工业界和学术界的联系。从这一点，我们推断未来的研究方向，铺平了道路，系统和有组织的软件产品线的演变，工业界也可能从中受益。
2022-12-12 cs.SE
A Literature Survey on Empirical Evidence in Software Engineering
背景：软件工程研究利用软件工件（语料库）的集合来获得经验证据。目的：为了提高研究的质量和可重复性，我们需要了解所用语料库的特点。方法：为此，我们使用扎根理论进行了文献调查。我们分析了七个相关会议的最新进展。结果如下：虽然几乎所有的论文都使用某种类型的语料库，常见的情况是开源Java项目的源代码集合，但所有论文中都没有经常使用的项目或语料库。对于某些会议，我们可以检测到复发。我们发现了几种形式的要求和应用调优语料库，这表明更具体的需求的研究工作。结论：我们的调查反馈到一个定量的基础上，讨论软件工程的实证研究的现状，从而最终提高研究质量，特别是在使用（和重用）的实证证据。
2013-04-03 cs.SE
Cognition in Software Engineering: A Taxonomy and Survey of a Half-Century of Research
认知在大多数软件工程活动中起着基础性的作用。这篇文章提供了一个认知概念的分类和一个自软件工程学科开始以来的文献综述。该分类法包括感知、注意力、记忆、认知负荷、推理、认知偏差、知识、社会认知、认知控制和错误等顶级概念，以及定性和定量评估这些概念的程序。分类法提供了一个有用的工具来过滤现有的研究，分类新的研究，并支持研究人员熟悉一个（子）领域。在文献调查中，我们系统地收集和分析了跨越五十年的311篇科学论文，并使用分类学中的认知概念对它们进行分类。我们的分析表明，最发达的研究领域对应于四个生命周期阶段，软件需求，设计，施工和维护。大多数研究是定量的，侧重于知识，认知负荷，记忆和推理。总的来说，从认知的角度来看，最先进的技术似乎是支离破碎的。缺乏对认知概念的使用，这些概念将代表在特定任务中活跃的认知过程的连贯画面。因此，我们讨论了每个认知概念的研究差距，并为未来的研究提供建议。
2022-01-14 cs.SE
A Survey of Modern Compiler Fuzzing
本综述系统梳理了编译器漏洞特征研究与模糊测试技术进展，覆盖传统及领域特定编译器，总结现有成果并提出开放挑战与研究方向。
2023-06-16 cs.SE
On the Use of Grey Literature: A Survey with the Brazilian Software Engineering Research Community
背景：灰色文献在不同研究领域的应用已被广泛研究。在软件工程（SE）中，这个主题在过去几年中越来越受到关注。问题：尽管GL在不同来源中发表的数量有所增加，但对SE研究社区使用GL的理解仍然存在争议。目的：为了了解巴西SE研究人员如何使用GL，我们的目标是了解评估其使用可信度的标准，以及好处和挑战。方法：我们调查了76名活跃的SE研究人员参加了在巴西举行的SE旗舰会议，使用了一份包含11个问题的问卷，以分享他们对在SE研究背景下使用GL的看法。我们采用定性的方法来分析开放性问题。结果：研究者使用语言学习主要是为了理解新的主题。我们的工作确定了新的发现，包括：1）SE研究人员使用的GL来源（例如，博客、社区网站）; 2）使用的动机（例如，了解问题和补充研究结果）或避免GL的原因（例如，缺乏可靠性，缺乏科学价值）; 3）易于访问和阅读GL的好处以及GL使其科学价值得到认可的挑战;以及4）评估GL可信度的标准，表明内容所有者享有声誉的重要性（例如，知名作家和机构）。结论：我们的研究结果有助于形成一个知识体系的使用GL的SE研究人员，通过讨论新的（一些矛盾的）结果，并提供了一套经验教训，SE的研究人员和从业人员。
2020-09-13 cs.SE
Impact of Software Engineering Research in Practice: A Patent and Author Survey Analysis
关于软件工程（SE）研究的实际影响的现有工作考察了工业相关性，而不是采用研究结果，因此，结果如何实际应用的问题仍然是开放的。为了回答这个问题并调查有影响力的研究成果，我们对1975年至2017年期间在四个主要SE场所发表的4，354项SE专利进行了定量和定性分析，引用了1，690篇SE论文。此外，我们还对593篇被引和获奖论文的475位作者进行了调查，回复率为26%。总的来说，研究人员为从业者提供了各种工具，流程和方法，并改进了许多现有产品。SE实践重视寻求知识的研究，并受到各种跨学科SE领域的影响。面向从业者的出版场所似乎比面向研究人员的出版场所更有影响力，而会议中与行业相关的轨道可以增强其影响力。一些研究工作没有达到广泛的足迹，由于有限的资金资源或不利的成本效益权衡所提出的解决方案。通过专门的实证研究，可以证实需要更高的SE研究资金。一般而言，影响评估须遵守其定义。因此，学术界和工业界可以共同商定一个正式的说明，为以后关于这一专题的研究奠定共同基础。
2022-09-22 cs.SE
Survey Results on Threats To External Validity, Generalizability Concerns, Data Sharing and University-Industry Collaboration in Mining Software Repository (MSR) Research
采矿软件仓库（MSR）是一个应用和面向企业的领域，旨在解决从业者遇到的实际问题，并为行业带来价值。结果和发现的重复性、可推广性和外部有效性、大学-产业合作、数据共享和创建数据集存储库是MSR研究中的重要问题。通过对MSR论文的文献计量分析，发现缺乏产学合作、缺乏封闭或适当来源的数据集研究、缺乏研究者之间的数据和工具共享。我们对过去三年（2012年，2013年和2014年）MSR会议的作者进行了调查，以收集他们对解决所述问题的意见和建议的数据。我们向100多位作者提出了20个问题，并收到了39位作者的回复。我们的研究结果表明，大约三分之一的受访者总是公开他们的数据集，大约三分之一的人认为，数据共享应该是在MSR会议上发布的强制性条件。我们的调查显示，超过50%的作者在他们的研究中只使用开源软件（OSS）数据集。超过50%的受访者表示，在公司外部共享工业数据集的困难是大学与工业合作的主要障碍之一。
2015-06-04 cs.SE
Literature Survey on how to cluster and define Living Labs, Real World Laboratories and similar research infrastructures
本文通过系统性文献综述，探讨了 Living Labs 和 Real World Laboratories 等创新结构如何应对复杂社会挑战，并对类似研究基础设施的区分方法及用户整合方法进行了概述。
2023-07-27 cs.SE
Testing Research Software: A Survey
工作背景：研究软件在解决现实生活中的问题，推动科学创新和处理紧急情况方面发挥着重要作用。因此，研究软件的正确性和可信性是绝对重要的。软件测试是识别有问题的代码并帮助生成高质量软件的重要活动。然而，由于基础科学的复杂性，科学算法的相对未知的结果以及研究软件社区的文化，研究软件的测试是困难的。目的：本文的目标是更好地了解当前的测试实践，识别挑战，并提供有关如何改进研究软件开发的测试过程的建议。方法：我们调查了研究软件开发人员社区的成员，以收集有关他们在项目中对软件测试的了解和使用的信息。结果如下：我们分析了120份回复，发现即使研究软件开发人员报告他们对软件测试的知识水平处于平均水平，但由于涉及众多挑战，他们仍然感到困难。然而，有许多方法，例如适当的培训，可以改善研究软件的测试过程。结论：测试对于任何类型的软件都是具有挑战性的。这种困难尤其存在于研究软件的开发中，其中软件工程活动通常较少受到关注。为了从研究软件中产生值得信赖的结果，需要改变文化，以便重视测试，并且团队投入适当的精力来编写和执行测试。
2022-05-31 cs.SE
A Survey of Security Assessment Ontologies
关于本体论的安全评估域的文献调查已经进行了发现的倡议，旨在正式的概念，从安全评估领域的研究。对所选作品进行了初步分析和讨论。我们的主要贡献是一个更新的文献综述，描述的关键特征，结果，研究问题，和应用领域的论文。我们还发现了安全评估文献中的空白，这可能是该领域进一步研究的主题。这项工作的目的是有用的安全研究人员谁希望在他们的方法中采用正式的方法。
2017-06-29 cs.SE
Cloud Services Brokerage: A Survey and Research Roadmap
云服务经纪（CSB）充当云服务提供商（例如，亚马逊和谷歌）和云服务终端用户，提供多项增值服务。CSB作为一个研究课题还处于起步阶段。本文的目标是提供一个简明的调查现有的CSB技术在各个领域，并强调路线图，其中详细说明了五个未来的研究机会。
2015-06-01 cs.DC cs.SE
Machine Learning Testing: Survey, Landscapes and Horizons
University College London（伦敦大学学院）；Facebook London（Facebook伦敦）；Kyushu University（九州大学）；Nanyang Technological University（南洋理工大学）
本文对机器学习测试（ML测试）的研究进行了全面的综述。它涵盖了144篇关于测试性能的论文（例如，正确性、鲁棒性和公平性），测试组件（例如，数据、学习程序和框架），测试工作流（例如，测试生成和测试评估），以及应用场景（例如，自动驾驶、机器翻译）。本文还分析了有关数据集的趋势，研究趋势和研究重点，最后总结了ML测试的研究挑战和有前途的研究方向。
2019-12-21 cs.AI cs.LG cs.SE
Results of the analysis of a survey for young scientists on training quality in HEP instrumentation software and machine learning
University of Torino and INFN, Turin（都灵大学和意大利国家核物理研究所）；Italy（巴塞罗那高等物理研究所）；Institut de Física d’Altes Energies, Barcelona（根特大学）；Spain（波兰科学院亨利克·涅沃德尼茨基核物理研究所）；Ghent University, Ghent（热那亚大学和意大利国家核物理研究所）；Belgium（卡托维兹西里西亚大学）；Henryk Niewodniczanski Institute of Nuclear Physics Polish Academy of Sciences, Kraków；Poland；University of Genoa and INFN, Genoa；Italy；University of Silesia in Katowice, Katowice；Poland
调查发现71%的受访者使用开源软件但未接受培训，为此成立小组评估培训质量，报告总结了174份调查结果，旨在改进早期研究人员的培训方案。
2026-03-17 cs.SE hep-ex
A Comprehensive Survey on Root Cause Analysis in (Micro) Services: Methodologies, Challenges, and Trends
Southeast University（东南大学）
本文系统综述了微服务场景下基于指标、追踪、日志及多模型数据的根因分析方法，梳理现有挑战与未来趋势，为智能运维和自动化故障诊断提供研究方向指引。
2024-07-23 cs.AI cs.CE cs.SE
