Collaborative Software Development on the Web
软件开发环境(IDE)并没有跟随IT行业不可避免的分布式趋势。它们在解决当今日益分散的项目所带来的问题方面做得太少;它们也没有促进协作和交互式开发实践。其结果是,当今的IDE继续依赖于传统的配置管理等范例,这些范例是为早期的操作模式开发的,并妨碍了协作项目。这篇文章描述了一种新的范式:基于云的开发,它迎合了分布式和协作项目的特定需求。CloudStudio IDE通过使开发人员能够在共享项目存储库上工作来体现这种范式。配置管理变得不显眼;它通过交互式编辑和实时冲突跟踪和管理取代了显式的更新-修改-提交周期。一个涉及三个成对团队的案例研究展示了CloudStudio的可用性及其在协作软件开发方面优于传统配置管理实践的优势。
2012-06-26 cs.SE
Applying Model-based Requirements Engineering in Three Large European Collaborative Projects: An Experience Report
在本文中,我们报告我们5年的设计,开发,然后部署基于模型的需求工程(MBRE)的方法和语言的背景下,三个不同的大型欧洲合作项目提供复杂的软件解决方案的实践经验。基于在项目执行过程中收集的数据和通过之后实现的调查,我们打算表明这种方法可以在可扩展性方面带来有趣的好处(例如,大量已处理的需求)、异质性(例如,具有不同类型可再生能源背景的合作伙伴),可追溯性(例如从需求到软件组件)、自动化(例如需求文档生成)、有用性或可用性。为了说明我们的贡献,我们将MBRE方法和语言的应用与来自这些欧洲研究项目之一的具体元素结合起来。我们还进一步讨论了使用这种MBRE方法和相应的语言的一般好处和目前的局限性。
2021-05-07 cs.SE
Challenges and issues in collaborative software developments
软件开发过程相对于开发大型和复杂应用程序中的问题已经发展。现在出现了向协作发展的模式转变,因此有必要对这种做法进行评价。许多工具用于协作软件开发(CSD),包括社交媒体和Web 2.0功能。协作开发设施由IDE和项目托管网站提供。在本文中,我们提出了一个调查的合作开发的项目,并讨论在CSD的挑战和问题。我们分析了沟通,协调,支持,生命周期管理的各种问题,并讨论其对软件质量的影响。
2019-03-19 cs.SE
The Death Spiral of Open Source Projects: A Post-Mortem Analysis of Pull Request Workflow Dynamics
Guru Nanak Dev University(古鲁纳克德夫大学)
本文通过分析1736个非活跃GitHub仓库和130万个人驱动的拉取请求,揭示了拉取请求工作流中摩擦、审查周期延长和负面惩罚等微观动态对开源项目生存的影响,发现项目寿命由内在价值和生态系统动态决定。
2026-05-12 cs.SE
Beyond the YAML File: Understanding Real-World GitHub Actions Workflow Adoption
Delft University of Technology(代尔夫特理工大学)
通过分析952个仓库的258,300条工作流运行记录,识别出三种失败响应模式,发现高使用强度与低失败率相关,并揭示了配置-使用差距。
2026-06-09 cs.SE
The GitHub Development Workflow Automation Ecosystems
本章探讨了开发机器人和 GitHub Actions 的生态系统及其相互联系,广泛调查了该领域的最新技术,并讨论了其带来的机遇、威胁以及研究人员和从业者面临的挑战与未来前景。
2023-05-17 cs.SE
An Empirical Study of the Evolution of GitHub Actions Workflows
University of Mons(蒙斯大学);Radboud University(拉德堡德大学)
本研究通过分析GitHub Actions工作流的变化,发现工作流修改多集中于任务配置,且大多数修改较小,强调了对依赖管理和AI支持工作流安全性的需求。
2026-03-01 cs.SE
Improved management of issue dependencies in issue trackers of large collaborative projects
问题跟踪器(如Jira)已成为软件工程中管理问题(如需求、开发任务和软件错误)的流行协作工具。然而,问题跟踪器本质上专注于单个问题的生命周期,尽管问题具有并表达了对构成大型复杂协作项目中问题依赖网络的其他问题的依赖性。本研究的目的是开发支持性的解决方案,以改善管理的依赖问题的问题跟踪。本研究遵循设计科学的方法,包括引出缺陷,构建和评估解决方案和系统。这项研究是在Qt公司的Jira的背景下进行的,Jira是一个活跃使用的、近20年历史的问题跟踪器,有超过10万个问题。缺点在于用户如何使用问题跟踪器来处理大型、协作和长期项目中的问题信息。该解决方案的基础是将问题和依赖项作为单独的对象,并自动构建问题图。依赖性检测通过提出缺失的依赖性来补充问题图,而一致性检查和诊断则识别冲突的问题优先级和发布分配。Jira的插件和基于服务的系统架构实现了系统实现的功能和质量问题。我们展示了如何在复杂的使用环境和大型数据集中采用问题跟踪器的智能支持技术。该解决方案考虑了综合和整体的系统视图、实际适用性和实用性以及问题数据的实际特征,例如固有的不完整性。
2022-11-15 cs.SE
Tailored business solutions by workflow technologies
VISP(虚拟互联网服务提供商)是一个IST-STREP项目,该项目正在这些新技术领域进行研究,目标是电信/ISP公司。VISP项目的首要任务之一是确定最合适的技术,以构建VISP平台。本文介绍了最显着的成果,在该领域的编排和编排,两个关键领域,必须伴随过程建模的工作流环境的建设。
2009-04-23 cs.SE
Who Introduces and Who Fixes? Analyzing Code Quality in Collaborative Student's Projects
本研究分析嵌入式系统课程34名学生的个人实验与小组项目数据,探究协作项目中代码错误的引入、修复主体及时间规律,发现活跃贡献者易引入问题、非关键问题常被忽略等结论,为代码质量教育提供参考。
2025-05-20 cs.SE
AgileCoder: Dynamic Collaborative Agents for Software Development based on Agile Methodology
FPT Software AI Center(FPT软件人工智能中心);Fulbright University(富布赖特大学)
针对现有软件智能体过度简化开发工作流的问题,提出融入敏捷方法论的多智能体系统AgileCoder,搭配动态代码图生成器,性能优于现有基准,展现多智能体在软件工程中的潜力。
2024-07-14 cs.AI cs.SE
OLIVAW: ACIMOV's GitHub robot assisting agile collaborative ontology development
Inria(法国国家数字与信息技术研究所);UNICA(尼斯大学);CNRS(法国国家科学研究中心);I3S(信息科学与系统研究所);Mines Saint-Etienne(圣艾蒂安国立高等矿业学校);Univ Clermont Auvergne(克莱蒙费朗大学);INP Clermont Auvergne(克莱蒙费朗国立高等工程师学院);LIMOS(信息与系统实验室)
本文提出 GitHub 工具 OLIVAW,基于 W3C 标准并通过 Actions、hooks 与 CLI 支持 ACIMOV 敏捷协作式模块化本体开发及持续验证,且已在多个项目中验证。
2025-10-20 cs.SE
CrossFix: Collaborative bug fixing by recommending similar bugs
已经提出了许多自动程序修复技术来修复错误。这些技术中的一些使用了给定的错误程序和测试套件之外的信息来提高生成的补丁的质量。然而,存在阻碍这些技术的广泛采用的几个限制,包括(1)它们依赖于用于补丁生成或参考实现的固定的修复模板集合,(2)搜索合适的参考实现是具有挑战性的,(3)生成的补丁是不可解释的。与此同时,最近的一种方法表明,不同的项目中存在类似的bug,人们可以使用不同项目的GitHub问题来查找相关项目的新bug。我们提出了合作修复错误,一个novelapproach,建议错误报告,描述了一个类似的错误。我们的研究重新定义了类似的错误,这些错误共享(1)相同的库,(2)相同的功能,(3)相同的复制步骤,(4)相同的配置,(5)相同的结果,或(6)相同的错误。此外,我们的研究揭示了类似错误在帮助开发人员找到更多关于错误和修复的上下文方面的有用性。基于我们的研究,我们设计了CrossFix,这是一个基于开放的GitHub问题自动建议相关GitHub问题的工具。我们对来自Java和Android项目的249个开放问题的评估表明,CrossFix可以建议类似的错误,以帮助开发人员调试和修复。
2021-03-24 cs.SE
Choosing the Right Git Workflow: A Comparative Analysis of Trunk-based vs. Branch-based Approaches
本研究通过访谈和问卷调查,比较分析了基于主干与基于分支的Git工作流,发现前者适合经验丰富的小型快节奏团队,后者更适合经验较少的大型团队。
2025-07-11 cs.SE
How do Data Science Workers Collaborate? Roles, Workflows, and Tools
University of Washington(华盛顿大学);MIT(麻省理工学院);IBM Research(IBM研究院);MIT-IBM Watson AI Lab(麻省理工学院-IBM沃森人工智能实验室)
如今,数据科学在组织中的突出地位已经引起了数据科学工作者团队的合作,从数据中提取见解,而不是单独的数据科学家。然而,我们仍然缺乏对数据科学工作者在实践中如何合作的深刻理解。在这项工作中,我们对183名从事数据科学各个方面工作的参与者进行了在线调查。我们重点关注他们报告的彼此互动(例如,经理与工程师)和不同的工具(例如,笔记本电脑)。我们发现,数据科学团队在数据科学工作流程的六个常见步骤(例如,干净数据和训练模型)。我们还发现,工人采用的协作实践,如文档,根据他们使用的工具种类而有所不同。基于这些发现,我们讨论了支持数据科学团队合作的设计意义和未来的研究方向。
2020-04-16 cs.AI cs.HC cs.LG
The penumbra of open source: projects outside of centralized platforms are longer maintained, more academic and more collaborative
GitHub已经成为大部分开源的中心在线平台,托管了大多数开源代码库。随着这种流行,GitHub的公共数字痕迹现在是研究团队合作和协作的重要手段。然而,在许多方面,GitHub是一个方便的示例,可能并不能代表平台外的开源开发。在这里,我们开发了一个新颖的,广泛的公共开源项目存储库的样本以外的集中式平台。我们从多个维度对这些项目进行了描述,并与相应GitHub项目的时间匹配样本进行了比较。我们的样本项目往往有更多的合作者,维护时间更长,并且往往更专注于学术和科学问题。
2022-05-22 cs.CY cs.SE
An Empirical Study on Workflows and Security Policies in Popular GitHub Repositories
本研究通过分析大量热门 GitHub 仓库,发现工作流和安全策略的采用率较低,强调维护者应优先配置 CI/CD 工作流、启用静态分析并制定安全策略以降低供应链风险。
2023-05-25 cs.CR cs.SE
Collective Knowledge: organizing research projects as a database of reusable components and portable workflows with common APIs
cTuning foundation(cTuning 基金会);cKnowledge SAS(cKnowledge 公司)
本文提供了集体知识框架(CK或cKnowledge)的动机和概述。CK的概念是将研究项目分解为可重用的组件,这些组件封装了研究工件,并为相关工件提供统一的应用程序编程接口(API)、命令行接口(CLI)、Meta描述和公共自动化操作。CK框架用于组织和管理研究项目,作为这些组件的数据库。受USB“即插即用”硬件方法的启发,CK还帮助组装便携式工作流程,可以自动插入来自不同用户和供应商的兼容组件(模型、数据集、框架、编译器、工具)。此类工作流程可以使用带有软件检测插件的通用CK程序管道和自动安装丢失的包,以统一的方式在不同的平台和环境上构建和运行算法。本文介绍了一些工业项目,在这些项目中,模块化CK方法得到了成功验证,以便在速度,准确性,能源,大小和各种成本方面自动对机器学习(ML)和人工智能(AI)的高效软件和硬件进行基准测试,自动调整和协同设计。CK框架还有助于在几个计算机科学会议上自动化工件评估过程,并使其更容易复制,比较和重用已发表论文中的研究技术,将其部署在生产中,并自动使其适应不断变化的数据集,模型和系统。长期目标是通过连接研究人员和从业人员来加速创新,以便在https://cKnowledge.io上以通用,便携和可复制的格式共享和重用他们所有的知识,最佳实践,工件,工作流程和实验结果。
2021-01-30 cs.LG cs.SE
Software publications with rich metadata: state of the art, automated workflows and HERMES concept
为了满足FAIR软件、软件可持续性和软件引用的原则,研究软件必须正式出版。发布存储库使这成为可能,并为发布的软件版本提供唯一和持久的标识符。然而,软件发布仍然是一个繁琐的,主要是手工的过程。为了简化软件出版,由亥姆霍兹元数据协作组织资助的项目HERMES开发了自动化工作流程,以出版具有丰富元数据的研究软件。该项目开发的工具利用持续集成解决方案来检索、整理和处理源存储库中的现有元数据,并将其发布到发布存储库中,包括检查现有元数据需求。为了配合工具并使研究人员能够轻松地重用它,该项目还为广泛使用的CI解决方案提供了全面的文档和模板。在本文中,我们概述了这些工作流程的概念,并描述了我们的解决方案如何推进研究软件出版的最新技术水平。
2022-01-22 cs.DL cs.SE
xML-workFlow: an end-to-end explainable scikit-learn workflow for rapid biomedical experimentation
QIMR Berghofer Medical Research Institute(QIMR伯格霍夫医学研究所)
xML-workFlow 提出了一个集成 scikit-learn、MLflow 和 SHAP 的端到端可解释工作流,以最少代码重写解决生物医学研究中机器学习模型构建的可扩展性与可重复性挑战,显著降低开发与迭代成本。
2025-04-02 cs.LG cs.SE
Knowledge-Based Pull Requests: A Trusted Workflow for Agent-Mediated Knowledge Collaboration
Fudan University(复旦大学)
提出知识型拉取请求(KPR)工作流,通过分离知识采纳与实现合并,利用智能体蒸馏外部知识并再生代码,以降低跨信任边界的软件协作成本。
2026-06-26 cs.HC cs.SE
Sound Development of Safety Supervisors
安全监督员是通过使系统保持(或返回)安全状态来执行安全属性的控制者。这种高完整性组件的开发可以受益于集成正式设计和验证的严格工作流程。在本文中,我们提出了一个工作流程,结合两个世界最好的安全监督员的健全发展,验证合成和完整的测试。综合允许人们专注于问题规范和模型验证。测试弥补了抽象、形式主义和工具边界的交叉,是在投入使用之前获得认证信用的关键因素。我们通过严格的论证建立了我们工作流程的合理性。我们的方法是工具支持的,目的是在现代自主系统,并说明了一个协作机器人的例子。
2022-03-16 cs.SE cs.SY eess.SY
Enabling Collaborative Data Science Development with the Ballet Framework
Massachusetts Institute of Technology(麻省理工学院)
虽然开源软件开发模式已经成功地促成了构建软件系统的大规模合作,但数据科学项目通常由个人或小团队开发。我们描述了扩展数据科学协作的挑战,并提出了一个概念框架和ML编程模型来解决这些挑战。我们在Ballet中实例化了这些想法,Ballet是一个轻量级的协作框架,通过专注于特征工程和基于云的开发环境来实现开放源数据科学。使用我们的框架,合作者逐步提出的功能定义的存储库,每个进行ML性能评估,并可以自动合并到一个可执行的功能工程管道。我们利用芭蕾舞进行案例研究分析的收入预测问题与27个合作者,并讨论对未来的合作项目设计师的影响。
2021-10-23 cs.HC cs.LG cs.SE
MAIA: A Collaborative Medical AI Platform for Integrated Healthcare Innovation
Department of Biomedical Engineering and Health Systems, KTH, Royal Institute of Technology(生物医学工程与健康系统系,皇家理工学院);Department of Clinical Sciences, Intervention and Engineering, Karolinska Institutet(临床科学、干预与工程系,卡罗林斯卡研究所);Division of Medical Radiation Physics, Department of Physics, Stockholm University(医学放射物理 division,物理系,斯德哥尔摩大学);Department of Oncology-Pathology, Karolinska Institutet(肿瘤学-病理学系,卡罗林斯卡研究所);Department of Radiology, Karolinska University Hospital(放射学系,卡罗林斯卡大学医院);Department of Molecular Medicine and Surgery, Karolinska Institutet(分子医学与外科系,卡罗林斯卡研究所);Department of Neurobiology, Care Sciences and Society, Karolinska Institutet(神经生物学、护理科学与社会系,卡罗林斯卡研究所)
本文提出开源协作平台 MAIA,基于 Kubernetes 集成数据、建模、标注、部署与临床反馈工具,以推动医学影像 AI 从研究到临床的可复现转化。
2025-05-28 cs.AI cs.CV cs.HC