Rethinking Artifact Evaluation for Software Engineering in the Age of Generative AI
Singapore Management University（新加坡国立大学）；Monash University（莫纳什大学）
本文探讨生成式AI时代软件工程同行评审中Artifact评估的重要性，指出需重视科学实质而非叙事质量，提出将Artifact评估作为同行评审首要组成部分。
2026-01-26 cs.SE
Taming the Online Software Engineering Tongue: Detecting and Reducing Offensive Language in Software Communities
School of Computing, University of Otago（奥塔哥大学计算学院）
本研究针对Stack Overflow等在线软件工程社区的冒犯性语言问题，开发了基于BERT的OLRSSE系统，可检测分类冒犯性评论并提供替代建议，经用户研究验证其有效易用。
2026-10-14 cs.SE
An Analysis of Early-Stage Functional Safety Analysis Methods and Their Integration into Model-Based Systems Engineering
本文对比了FMEA、FHA和FFIP三种早期功能安全分析方法，发现FFIP更适合现代互联系统，并综述了它们集成到MBSE的现状，指出缺乏统一标准，呼吁支持数字工程转型的协同安全集成框架。
2025-11-04 cs.SE
Testing the Stationarity Assumption in Software Effort Estimation Datasets
软件工作量估计（SEE）模型通常是基于一个基本假设开发的，即所有数据点都与未来项目的工作量预测同等相关。软件工程过程的几个方面的动态特性可能意味着这种假设至少在某些情况下不成立。本研究采用三个核估计函数来测试平稳性假设在三个软件工程数据集已被用于构建软件工作量估计模型。核估计用于生成非均匀权重，随后用于加权线性回归建模。预测误差进行比较，从统一的模型。我们的研究结果表明，对于表现出潜在的非平稳过程的数据集，均匀模型比非均匀模型更准确。相比之下，表现出平稳过程的数据集的均匀和非均匀模型的准确性基本上是相等的。我们的研究结果也证实了先前的研究结果，努力估计模型的准确性是独立的类型的核估计函数在模型开发中使用。
2020-12-16 cs.SE
Engineering Trustworthy Software: A Mission for LLMs
该研究探讨大语言模型（LLMs）对软件工程的变革作用，指出其完全集成后能推动全生命周期进程，但需解决准确性、可扩展性等挑战以实现可信的LLM驱动软件工程。
2024-11-27 cs.SE
What Is Software Engineering?
后来的翻译（2015年）的文章在俄罗斯发表于1990年。本文提出了一种为软件工程学科领域定义一组基本概念的方法。这套概念的目的是作为一个基础，检测和纠正一些普遍存在的概念错误的努力，旨在提高质量和工作效率，在创建和操作的软件。
2015-08-11 cs.SE
Reducing Labeling Effort in Architecture Technical Debt Detection through Active Learning and Explainable AI
Bernoulli Institute, University of Groningen（格罗宁根大学伯努利学院）；Department of Information Systems, Telkom University（Telkom大学信息系统系）
结合关键词过滤、主动学习和可解释AI检测架构技术债务，将标注工作量减少49%，F1分数达0.72。
2026-07-03 cs.SE
The Framework For The Discipline Of Software Engineering in Connection to Information Technology Discipline
本文代表了初步的工作，在确定软件工程的学科基础，并发现之间的联系领域的软件工程和信息技术（IT）。我们的研究利用IEEE Transactions on软件工程（IEEE-TSE）、ACM Transactions on软件工程and Methodology（ACM-TOSEM）、Automated软件工程（ASE）、International Conference on软件工程（ICSE）以及其他软件工程领域的相关期刊出版物来解决我们的研究问题。我们探索了现有的框架，并描述了软件工程作为一门学科的必要性。我们进一步澄清了软件工程和计算机科学之间的区别。通过这些努力，我们有助于了解如何从IT研究的证据可以用来提高软件工程作为一门学科。
2022-10-27 cs.SE
MBTModelGenerator: Automated Reverse Engineering of Test Models from Clickstream Data for Model-Based Testing of Web Applications
MBTModelGenerator通过自动反向工程点击流数据生成Web应用的测试模型，大幅降低手动设计MBT模型的工作量。
2025-12-09 cs.SE
Mitigating Omitted Variable Bias in Empirical Software Engineering
Software Institute, USI Università della Svizzera italiana（瑞士意大利大学软件研究所）；Chalmers University of Technology and University of Gothenburg（查尔姆斯理工大学和哥德堡大学）；Stellenbosch Institute for Advanced Study (STIAS)（斯坦伦布什高级研究院）
本文探讨了遗漏变量偏差对软件工程领域示例的影响，提出基于因果结构模型的方法来检测、估计和缓解该偏差，强调在实证研究前进行偏差分析的重要性。
2026-04-01 cs.SE
An Overview of Quantum Software Engineering in Latin America
本文通过文献系统映射和专家调研，概述了拉丁美洲量子软件工程的研究现状、进展与挑战，旨在促进该地区前沿发展的理解与科研合作。
2024-05-31 cs.SE
Another Systematic Review? A Critical Analysis of Systematic Literature Reviews on Agile Effort and Cost Estimation
Blekinge Institute of Technology（布莱金厄理工学院）
本文通过分析敏捷努力估算的SLR，揭示了现有SLR的重复问题，并提出通过识别已有综述和明确论证需求来减少冗余，提升软件工程研究效率。
2026-01-28 cs.SE
On the Performance of Hybrid Search Strategies for Systematic Literature Reviews in Software Engineering
内容：在进行系统性文献综述（SLR）时，研究人员通常面临的挑战是设计一个搜索策略，以适当平衡结果质量和综述工作。仅仅使用数字图书馆（或数据库）搜索或滚雪球可能不足以获得高质量的结果。另一方面，同时使用数字图书馆搜索和滚雪球可以增加总体审查工作。目的：本研究的目的是提出和评估混合搜索策略，选择性地结合数据库搜索与滚雪球。方法：我们提出了四种混合搜索策略结合数据库搜索在数字图书馆与迭代，并行，或顺序向后和向前滚雪球。我们模拟了三个现有的SLR在SE，采用数据库搜索和滚雪球的策略。我们比较了数字图书馆搜索，滚雪球，和混合策略的结果，使用精度，召回率和F-测量，以调查每种策略的性能。结果如下：我们的研究结果表明，对于所分析的SLR，将Scopus数字图书馆的数据库搜索与并行或顺序滚雪球相结合，实现了精确度和召回率的最适当平衡。结论：我们提出，根据SLR的目标和可用的资源，使用混合搜索策略，涉及一个有代表性的数字图书馆和并行或顺序滚雪球往往是一个合适的替代方案时，在SLR中搜索证据。
2020-04-21 cs.DL cs.SE
A Systematic Mapping Study and Practitioner Insights on the Use of Software Engineering Practices to Develop MVPs
本研究通过系统映射研究和焦点小组访谈，梳理了2013至2020年间MVP开发中的软件工程实践，发现构思与评估实践丰富，但技术可行性评估和工作量估算研究不足，并提出了未来研究方向。
2023-05-15 cs.SE
A Brief Survey of Current Software Engineering Practices in Continuous Integration and Automated Accessibility Testing
本文综述了通过持续集成改善软件无障碍性的现状与采用障碍，并探讨了敏捷团队实施自动化无障碍测试的培训步骤及可视化流程。
2021-02-27 cs.CY cs.HC cs.MM
Towards Quantum Software Requirements Engineering
本文探讨量子软件需求工程与经典软件需求工程的差异，通过映射经典需求分类提出初步思考，并指出值得量子软件工程界关注的研究方向。
2023-09-23 cs.SE
Building Software Engineering Capacity through a University Open Source Program Office
针对传统软件工程课程不足，本文介绍大学开源项目办公室培养项目，核算两年551,420美元直接人力成本，并提出降本与可持续筹资策略以延续其多维效益。
2024-06-12 cs.SE
The State of Open Science in Software Engineering Research: A Case Study of ICSE Artifacts
University of Saskatchewan（萨斯喀彻温大学）
本文评估了过去十年ICSE会议发表的100个复制包，发现仅有40个完全可执行，且其中仅35%能复现原始结果，揭示了复制包在可执行性和可重复性上的不足，并提出改进指南。
2026-03-23 cs.SE
Enablers and Impediments for Collaborative Research in Software Testing: An Empirical Exploration
当涉及到工业组织时，当前在软件工程研究中的协作努力通常保持在内部，剥夺了这些组织建立独立协作研究所需的技能。目前的趋势，经验软件工程研究，需要建立一定的标准，这将指导这些合作努力，建立一个强大的伙伴关系，促进独立的，以证据为基础的，软件工程研究。本文探讨了在软件测试领域中有效和高效的行业-学术界合作的关键因素。该研究的一个主要发现是，虽然技术是更好合作的强大推动力，但必须辅之以行业开放性，以披露研究结果和使用专用工具平台。我们使用自动化测试生成方法作为一个例子，该方法是在过去两年中与瑞典的庞巴迪运输公司合作开发的。
2015-03-10 cs.SE
Software engineering to sustain a high-performance computing scientific application: QMCPACK
本文概述了针对高性能计算开源代码 QMCPACK 的软件工程实践，包括扩展 CI、减少内存泄漏、引入 Docker 容器及代码重构，并通过指标验证了向预测性可持续维护方法的转变。
2023-07-21 cs.DC cs.SE physics.comp-ph
Taxing Collaborative Software Engineering
本文探讨了跨国企业中跨境协作式软件工程被忽视的税务问题，介绍了国际税收基本原则，提出了三大征税挑战，并通过测量跨国公司的跨境代码审查评估了其工业意义。
2023-11-21 cs.SE
Closing the gap between software engineering education and industrial needs
根据不同的报告，许多最近的软件工程毕业生在开始他们的职业生涯时经常面临困难，因为他们在大学教育中学到的技能与行业所需的技能不一致。为了满足这一需求，已经进行了许多研究，以使软件工程教育与行业需求保持一致。为了综合这些知识，我们在本文中提出了一个系统的文献综述（SLR），总结了这一领域的33项研究的结果。通过对所有这些研究进行荟萃分析，并使用来自12个国家和4,000多个数据点的数据，这项研究将使教育工作者和招聘经理能够调整他们的教育/招聘工作，以最好地准备软件工程劳动力。
2018-12-05 cs.SE
Challenges and Paths Towards AI for Software Engineering
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；University of California, Berkeley（加州大学伯克利分校）；Cornell University（康奈尔大学）；Stanford University（斯坦福大学）；University of Pennsylvania（宾夕法尼亚大学）
本文探讨AI用于软件工程的挑战与路径，提出任务分类、瓶颈分析及有前景的研究方向，旨在推动自动化水平提升。
2025-03-28 cs.AI cs.LG cs.SE
Reducing Hallucinations in Large Language Models Through Integrated Self-Verification and Retrieval-Augmented Generation
Cisco Systems（思科系统公司）
本文提出CoVe-RAG+框架，结合验证链与检索增强生成，通过外部权威来源和迭代自验证减少LLM幻觉，在工程任务中事实准确性提升28%，增强用户信任。
2026-09-23 cs.AI cs.SE
Reasonable Experiments in Model-Based Systems Engineering
针对基于模型的系统工程中实验数据管理问题，提出基于案例推理的实验管理框架，通过复用已有实验结果回答新问题以避免冗余实验，并在工业车辆能源系统案例中验证有效性。
2025-09-12 cs.SE cs.SY eess.SY
Evaluating a Development Framework for Engineering Internet of Things Applications
一个关键的挑战是使物联网应用程序开发与开发过程中所涉及的各种利益相关者的努力最小。在无线传感器网络和普适计算领域，已经提出了应对这一挑战的几种方法，这些方法被认为是现代物联网的先驱。然而，虽然现有的方法提供了广泛的功能，利益相关者有具体的应用程序开发要求，选择一个适当的方法需要在不同的方面进行全面的评估。到目前为止，这方面的研究已经在有限的范围内。有鉴于此，本文基于我们以前对物联网应用程序开发框架的工作提供了一套广泛的评估。具体来说，我们从以下方面评估我们的方法：（1）开发工作量：创建新应用程序所需的工作量，（2）可重用性：在应用程序开发期间软件工件可以重用的程度，（3）表现力：可以使用我们的方法建模的物联网应用程序的特征，（4）内存指标：设备为了在我们的框架下运行应用程序而需要消耗的内存和存储量，以及（5）我们的方法与物联网应用程序开发中的各种维度上的最新技术的比较，这不仅提供了对最新技术的全面了解，而且还指导开发者在给定应用需求的情况下选择方法。我们相信，上述不同方面为研究界提供了评估、选择和开发有用的物联网框架和应用程序的洞察力。
2016-06-07 cs.SE
Exploring the Landscape of Fairness Interventions in Software Engineering
本文综述软件工程领域的公平性干预研究，梳理AI因数据偏见等因素引发的现实风险，并总结应对公平性问题的相关方法。
2025-07-24 cs.SE
Analyzing the Stationarity Process in Software Effort Estimation Datasets
软件工作量估计模型通常是基于一个基本假设开发的，即所有数据点都与未来项目的工作量预测同等相关。软件工程过程的几个方面的动态特性可能意味着这种假设至少在某些情况下不成立。本研究采用三个核估计函数来测试平稳性假设在五个软件工程数据集，已被用于构建软件工作量估计模型。核估计用于生成非均匀权重，随后用于加权线性回归建模。在每个模型中，较早的项目被赋予较小的权重，而最近完成的项目被赋予较大的权重，以反映它们与需要估计的当前或未来项目的潜在更大相关性。预测误差进行比较，从统一的模型。我们的研究结果表明，对于表现出潜在的非平稳过程的数据集，均匀模型比非均匀模型更准确;也就是说，基于核估计函数的模型比没有加权的模型更差。相比之下，表现出平稳过程的数据集的均匀和非均匀模型的精度基本上是相等的。我们的分析表明，随着数据集的异质性增加，平稳性的影响被覆盖。我们的研究结果也证实了先前的研究结果，努力估计模型的准确性是独立的类型的核估计函数在模型开发中使用。
2021-07-04 cs.SE
Classification of Natural Language Processing Techniques for Requirements Engineering
University of Manchester（曼彻斯特大学）；Al-Imam Mohammed ibn Saud Islamic University（伊玛目·穆罕默德·本·沙特伊斯兰大学）；Consiglio Nazionale delle Ricerche（意大利国家研究委员会）；Higher Colleges of Technology（高等技术学院）
将自然语言处理（NLP）技术应用于需求工程（RE）任务的研究跨越了40多年，从20世纪80年代的最初努力到最近的机器学习（ML）和深度学习（DL）技术的尝试。然而，尽管取得了进展，我们最近的调查表明，仍然缺乏系统的理解和组织RE中常用的NLP技术。我们认为，该行业面临的一个障碍是缺乏对NLP技术及其在RE任务中的使用的共享知识。在本文中，我们提出了我们的努力，综合和组织57个最常用的自然语言处理技术在RE。我们将这些NLP技术分为两种方式：第一，根据它们在典型管道中的NLP任务，第二，根据它们的语言分析水平。我们相信这两种分类方法是互补的，有助于更好地理解自然语言处理技术在RE和这样的理解是至关重要的，更好的自然语言处理工具的RE的发展。
2022-04-08 cs.CL cs.SE
A Systematic Mapping Study on Security in Agile Requirements Engineering
[背景]许多公司所处的快速变化的商业环境正在挑战传统的需求工程（RE）方法。这导致了可再生能源的敏捷方法。与此同时，安全性是一个基本的非功能性需求，在敏捷开发环境中仍然很难解决。由于RE中“敏捷”概念的模糊性以及安全需求处理的困难性，人们对如何在敏捷RE中处理安全需求的总体理解仍然是模糊的。[目的]我们的目标是描述敏捷软件项目中处理安全需求的方法的发布环境。[方法]我们进行了一个系统的映射，以概述相关的工作和当代差距，为未来的研究。[结果]我们总共确定了2005年至2017年期间符合纳入标准的21项研究。我们发现，这些方法通常涉及修改敏捷方法，引入新的工件（例如，将用户故事的概念扩展到滥用者故事），或引入处理安全问题的指导方针。我们还确定了使用这些方法与环境、人员、努力和资源有关的局限性。[结论]我们的分析表明，需要投入更多的努力来实证评估现有的方法，并有一个未来的研究方向，以减轻所确定的局限性。
2018-06-04 cs.SE
Supporting the Adoption of Privacy-Enhancing Technologies through Requirements Engineering
Blekinge Institute of Technology（布莱金厄理工学院）；fortiss GmbH（fortiss有限公司）；Google（谷歌）；MAYA Data Privacy Limited（MAYA数据隐私有限公司）；adidas AG（阿迪达斯股份公司）；JAGGAER LLC（JAGGAER有限责任公司）
本文从需求工程视角分析隐私增强技术（PETs）在软件工程中采用面临的跨利益相关者和跨学科挑战，提出通过系统化处理工程、商业和法律视角来促进PETs采用。
2026-06-17 cs.SE
EET: Experience-Driven Early Termination for Cost-Efficient Software Engineering Agents
Nanyang Technological University（南洋理工大学）；King’s College London（伦敦国王学院）；University College London（伦敦大学学院）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Tsinghua University（清华大学）
本文提出EET方法，通过利用历史经验减少软件工程代理的运行成本，同时保持任务性能，实验显示在SWE-bench基准上平均节省19%-55%的成本，且解决率损失极小。
2026-04-20 cs.SE
Cheap Code, Costly Judgment: A Case Study on Governable Agentic Software Engineering
通过12周案例研究，提出治理转换理论模型，解释专家工程师如何利用AI编码代理实现高速开发并保持可控性。
2026-07-07 cs.AI cs.SE
Analysis of Empirical Software Effort Estimation Models
可靠的工作量估计仍然是软件工程师面临的一个持续挑战。准确的工作量估算是软件工程的发展现状，软件工作量估算是客户和企业之间的初始阶段。客户和企业之间的关系始于对软件的评估。客户对企业的可信度随着准确的评估而增加。工作量估计通常需要从少量的历史项目中进行归纳。从这种有限的经验中进行推广，本质上是一个受约束的问题。准确的估计是一个复杂的过程，因为它可以被可视化为软件工作量预测，因为这个术语表明预测永远不会成为现实。这项工作遵循的经验软件工作量估计模型的基础。本文的目的是研究经验的软件工作量估计。主要结论是，没有一种技术是最适合所有情况的，仔细比较几种方法的结果最有可能产生现实的估计。
2010-04-08 cs.SE
Authorship Attribution of Source Code: A Language-Agnostic Approach and Applicability in Software Engineering
作者归属（即，确定谁是一段源代码的作者）是一个既定的研究主题。作者归属问题的最新结果在软件工程领域很有前途，可以应用于检测剽窃代码和防止法律问题。在本文中，我们首先介绍一种新的与语言无关的源代码作者归属方法。然后，我们讨论了现有的合成数据集的作者归属的局限性，并提出了一种数据汇集方法，提供的数据集，更好地反映在软件工程的潜在的实际用途的重要方面。最后，我们证明了作者归属模型在现有数据集上的高准确性在更真实的数据上进行评估时会急剧下降。我们概述了作者归属模型的设计和评估的下一步，可以使研究工作更接近实际使用的软件工程。
2021-06-19 cs.SE
Software Engineering as a Domain to Formalize
本文针对软件工程领域自身缺乏形式化研究的问题，提出以面向对象模型构建软件工程理论的结构，分离核心软件概念抽象及其关系，为开源社区开发全面实用的软件工程理论提供指导。
2025-02-24 cs.SE
From Diverse Origins to a DEI Crisis: The Pushback Against Equity, Diversity, and Inclusion in Software Engineering
本研究通过分析59篇Reddit帖子，探讨了软件行业中DEI抵制现象的展开方式，发现公司以重组、缩减投资或更名等方式应对，而从业者展现出多样的情绪反应，并涌现出多种抵抗与适应策略以保护包容性实践。
2025-04-28 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
Extractive Multi Product-Line Engineering
克隆是在变体中创建新功能以及新系统变体的一般方法。它是一种快速、灵活、直观和经济的方法，可以在短期内进化系统。但是，从长远来看，维护工作会增加。这个问题的一个常见解决方案是从一组克隆变体中提取产品线。这一过程需要对变异体进行详细分析，以提取变异性信息。然而，在此过程中通常不会考虑变体中的克隆，但这也是软件不可持续的一个原因。本论文提出一种萃取式多产品线工程方法，以重建软体变体的永续发展。我们提出了一种方法来重新设计系统内和系统间的克隆成可重用的，可配置的组件存储在一个集成的平台，并合成匹配的多层特征模型。
2021-04-12 cs.SE
Experiences from Software Engineering of Large Scale AMR Multiphysics Code Frameworks
在当前一代的多物理场HPC仿真代码中，有许多是建立在通用基础架构框架上的。这对于使用结构化自适应网格细化（SAMR）的代码尤其如此，因为对代码的内务方面有独特的要求。它们在基础设施（如网格管理和IO）与物理求解器的数值之间具有不同程度的抽象。在这份经验报告中，我们总结了从两个这样的主要软件工作，FLASH和Chombo的经验和教训。
2013-09-06 cs.CE cs.MS cs.SE
Practical relevance of software engineering research: Synthesizing the community's voice
软件工程（SE）研究应该与工业实践相关。自20世纪80年代以来，SE社区一直在定期讨论这个问题，由Robert Glass等先驱领导。当我们最近通过了“软件工程50年“的里程碑时，最近在这个方向上做出了一些积极的努力，例如，在几次SE会议上建立“工业”轨道。然而，许多研究人员和从业人员认为，我们作为一个社区，仍然在努力与研究的相关性和实用性。本文的目的是综合迄今为止在SE社区中关于这一主题的证据和基于经验的意见，并鼓励社区进一步反思研究相关性并采取行动。为此，我们对54个系统选择的来源（论文和非同行评审文章）进行了多声音文献综述（MLR）。MLR不是依赖和考虑每个来源中提到的关于研究相关性的个人意见，而是旨在综合和提供关于该主题的“整体”观点。我们的MLR发现的重点如下。在社区中讨论的低相关性的三大根本原因是：（1）研究人员在实践中对SE有简单化的看法（或错误的假设）;（2）缺乏与行业的联系;（3）错误识别研究问题。提高研究相关性的三大建议是：（1）使用适当的研究方法，如行动研究;（2）选择相关的研究问题;（3）与产业合作。通过综合迄今为止关于这一重要主题的所有讨论，本文旨在鼓励社区进一步讨论和行动，以加强我们的集体努力，提高研究的相关性。
2020-01-21 cs.SE
More than Code: Contributions in Scrum Software Engineering Teams
积极和有能力的团队成员是敏捷软件开发的重要组成部分，并决定任何项目的成功。动力来自于持续的进步和对努力的认可。这些概念是专注于自组织团队的Sunday方法的基础支柱。Scrum开发团队成员对项目进展的贡献类型不仅仅是技术上的。然而，一个全面的模型，包括在现代软件工程团队的各种贡献尚未建立。我们提出了一个模型，该模型包含了所有Scrum角色的贡献，明确包括那些与项目工件不直接相关的角色。它提高了执行任务的可见性，作为团队回顾的起点，并作为研究社区讨论的基础。
2020-07-16 cs.SE
Nudging Students Toward Better Software Engineering Behaviors
大型本科计算机科学课程的学生体验越来越受到自动化系统的影响。机器人，或软件自动化的代理，对于有效地分级和生成反馈是有用的。目前CS教育中的自动化工作集中在支持教学任务上，但并没有解决学生由于不良行为（如拖延）而产生的问题。在本文中，我们探讨使用机器人，以改善软件工程的行为，学生使用开发人员推荐选择架构，一个框架，将行为科学的概念，建议，以改善程序员的行动。我们在class-bot中实现了这个框架，这是一个新颖的系统，旨在推动学生在编程作业时做出更好的选择。这项工作提出了一个初步的评价，将这个工具在一个介绍性的编程课程。我们的研究结果表明，类机器人有利于改善学生的开发行为，提高代码质量和生产力。
2021-03-17 cs.SE
Quantum-Based Software Engineering
本文提出 QBSE 这一新研究方向，界定其范围并区分于 QSE，梳理可由量子优化、搜索与学习增强的软件工程问题及分散研究，并给出未来研究议程。
2025-06-07 cs.SE quant-ph
When Code Becomes Abundant: Redefining Software Engineering Around Orchestration and Verification
Institute of Informatics, UFRGS（信息学研究所，南里奥格兰德联邦大学）
本文提出软件工程应从代码构建转向以意图表达、架构控制和验证为核心，重新定义软件工程的学科方向。
2026-02-04 cs.SE
How do Software Engineering Candidates Prepare for Technical Interviews?
本文通过调查131名求职者，研究软件工程求职者准备技术面试的方法与教育的作用，发现真实训练和课程支持不足导致压力与准备不足，并为改进准备过程提出建议。
2025-07-02 cs.SE
DAnTE: a taxonomy for the automation degree of software engineering tasks
本文提出面向软件工程的自动化程度分类法 DAnTE，用以评估历代及 AI 编程工具的自动化等级、局限与未来发展。
2023-09-26 cs.SE
A Neuro-Fuzzy Model with SEER-SEM for Software Effort Estimation
软件工作量估算是软件工程的重要组成部分。虽然许多技术和算法模型已经开发和实现的从业者，准确的软件工作量预测仍然是一个具有挑战性的努力。为了解决这个问题，一个新的软计算框架先前开发。我们的研究利用这个新的框架，开发了一种方法，结合神经模糊技术与系统评估和资源估计-软件估计模型（SEER-SEM）。此外，我们的研究评估所提出的模型的性能，通过设计和进行评估与已公布的工业项目数据。在分析了我们的模型的性能相比，单独的SEER-SEM努力估计模型，该模型证明了提高估计精度的能力，特别是在其能力，以减少大的平均相对误差（MRE）。此外，这项研究的结果表明，一般的神经模糊框架可以与各种算法模型，以提高软件工作量估计的性能。
2015-07-31 cs.SE
From Inductive to Deductive: LLMs-Based Qualitative Data Analysis in Requirements Engineering
University of Calgary（卡尔加里大学）；University of California, Irvine（加州大学伊市分校）
本文探索使用大型语言模型（如GPT-4）改进需求工程中的定性数据分析，发现GPT-4在演绎设置下与人类标注高度一致，且详细提示词显著提升准确性与可靠性，减少人工并支持系统化设计。
2025-04-27 cs.AI cs.SE
Prompt engineering and its implications on the energy consumption of Large Language Models
本研究探讨提示工程技术对Llama 3模型代码生成任务碳排放的影响，通过CodeXGLUE基准实验发现，使用特定标签可降低能耗且不损性能。
2025-01-10 cs.SE
Guidelines for the Search Strategy to Update Systematic Literature Reviews in Software Engineering
内容：系统性文献综述（SLR）在软件工程（SE）中已被采用十多年，以提供关于几个主题的有意义的证据摘要。这些SLR中的许多现在可能不是完全最新的，并且没有关于如何在SE中更新SLR的标准建议。目的：本文的目的是提出如何最好地搜索证据时，在SE更新SLR的指南，并评估这些指南使用的SLR，没有在制定指南。方法：为了提出我们的指导方针，我们比较和讨论的结果，从应用不同的搜索策略，以确定在已发表的SLR，SLR更新的主要研究，并在该地区的努力估计两个副本。这些准则，然后使用SLR在软件生态系统，其更新和复制领域进行评估。结果如下：在更新SLR时，使用Google Scholar的单次迭代向前滚雪球，并将原始SLR及其主要研究用作种子集，是搜索新证据的最具成本效益的方法。此外，在应用纳入和排除标准时，有一个以上的研究人员参与选择论文的重要性通过结果突出显示。结论：我们提出的准则制定的基础上的努力估计SLR，其更新和两个复制，支持使用SLR在该地区的软件生态系统，其更新和复制。因此，我们提出，我们的指导方针，应采用更新的SLR在SE。
2020-06-09 cs.SE
Generative AI in Evidence-Based Software Engineering: A White Paper
本文针对系统文献综述耗时的问题，探讨生成式AI在基于证据的软件工程中的作用，并提出将创建并实证验证一套综合模型以有效支持EBSE研究人员的未来愿景。
2024-08-22 cs.SE
Using Multi Expression Programming in Software Effort Estimation
估算软件系统的工作量是软件工程中的一个重要课题，可靠而准确地对软件进行估算是软件开发阶段的重要组成部分。许多研究人员利用不同的方法和技术来寻找解决这个问题的方法，这些技术包括COCOMO，SEER-SEM，SLIM等。最近，人工智能技术被用来解决这些问题，不同的研究已经发布的技术，如神经网络NN，遗传算法GA，和遗传编程GP集中。这项工作使用了GP的线性变体之一，即：多表达式编程（MEP），旨在找到最佳估计软件工作量的方程。基准数据集（基于以前的项目）用于学习和测试。结果与GP使用不同的适应度函数得到的结果进行比较。结果表明，MEP是更好地发现有效的功能，估计约6个数据集，每个数据集包括几个项目。
2018-04-30 cs.SE
How Reliable Are FOSS Popularity Metrics? Analyzing the Effort Required for Spoofing Common Software Popularity Metrics
University of Bonn（波恩大学）；Fraunhofer FKIE（弗劳恩霍夫FKIE研究所）
本文研究了开源软件流行度指标的可靠性，分析了伪造这些指标所需的努力，并指出许多指标类别，如提交数据、问题跟踪器活动、下载量、仓库内容和依赖关系，可以被低至中等程度地操纵，揭示了npm上的一个涉及影响奖励机制的Sybil攻击。
2026-05-20 cs.CR cs.SE
