A Deep Dive on the Impact of COVID-19 in Software Development
背景：COVID-19疫情影响全球不同行业。Objective.本研究调查了COVID-19对软件项目和软件开发专业人员的影响。方法：我们使用10个不同的指标，基于100个用Java开发的GitHub项目进行了挖掘软件存储库研究。接下来，我们调查了279名软件开发专业人士，以更好地了解COVID-19对日常活动和健康的影响。结果：我们确定了12个与生产力、代码质量和幸福感相关的观察结果。结论：我们的研究结果强调，COVID-19的影响不是二元的（降低生产力与提高生产力），而是一个频谱。对于我们的许多观察，相当大比例的受访者有不同的意见。我们认为，需要更多的研究来揭示导致某些结果更加普遍的特定条件。
2020-08-17 cs.SE
A survey on the impact of emotions on the productivity among software developers
本研究通过两阶段调查结合偏最小二乘法分析，证实软件开发者情绪状态对感知生产力有强正向显著影响，强调情绪管理对提升开发生产力的重要性。
2025-10-06 cs.HC cs.SE
Evaluating the Impact of Pair Documentation on Requirements Quality and Team Productivity
本文通过对照实验比较结对文档与传统文档，发现两人协作编写需求可显著提升SRS质量与团队生产力，为组建高效需求工程团队提供依据。
2023-04-27 cs.SE
Examining the Use and Impact of an AI Code Assistant on Developer Productivity and Experience in the Enterprise
本研究通过调查和测试，考察了IBM内部署的LLM代码助手WCA对开发者生产力与体验的影响，发现该工具虽能提升净生产力，但并非所有用户均能受益。
2025-03-04 cs.HC cs.SE
How does Working from Home Affect Developer Productivity? -- A Case Study of Baidu During COVID-19 Pandemic
如今，在家工作（WFH）已经成为一种流行的工作安排，因为它对公司和员工都有许多潜在的好处（例如，提高员工的工作满意度和保留率）。许多以前的研究调查了在家工作对员工生产力的影响。然而，这些研究大多采用调查、访谈等定性分析方法，且研究对象并非长期在家工作。由于2019冠状病毒病（COVID-19）爆发，大量公司要求员工在家工作，这为我们提供了一个调查在家工作是否影响其生产力的机会。在这项研究中，为了调查开发人员在家工作和在现场工作的生产力差异，我们基于中国最大的IT公司之一百度公司的开发人员日常活动数据集进行了定量分析。我们总共收集了139个开发者在138个工作日内的活动的大约4000条记录。在这些记录中，1，103条记录是在开发人员因COVID-19疫情在家工作时提交的。我们发现，WFH在不同的指标方面对开发人员的生产力有积极和消极的影响，例如，构建/提交/代码审查的数量。我们还注意到，在家工作对具有不同特征的项目有不同的影响，包括程序设计语言、项目类型/年龄/规模。例如，在家工作对大型项目的开发人员生产力有负面影响。此外，我们发现不同的开发人员的生产力不同。基于这些发现，我们得到了百度开发者的一些反馈，并了解了WFH对开发者生产力有不同影响的一些原因。
2021-03-25 cs.CY cs.SE
Impact on the Productivity of Remotely Working IT Professionals of Bangladesh during the Coronavirus Disease 2019
与世界其他地区类似，最近的疫情迫使孟加拉国的IT专业人员采用远程工作。这项研究的目的是了解即使在封锁解除后，远程工作是否可以继续。由于在家工作可能会改变员工的各种生产力相关方面，即，团队动态和公司动态，有必要了解WFH期间的变化性质。在进行调查时，我们询问了孟加拉国的IT专业人士，他们如何看待WFH期间的生产力水平，以及与生产力相关的因素如何变化。我们分析了这一变化，并确定了受WFH影响的领域。我们发现，资源和工作空间相关的问题，员工的情绪健康在WFH期间受到的阻碍最大。我们相信，这项研究的结果将有助于决定如何解决这些问题，并将有助于了解即使在解除封锁后，WFH是否可以继续经营。
2020-09-11 cs.CY cs.SE
Long-Term Productivity Based on Science, not Preference
这份立场文件认为，科学软件开发的过程、工具、技术和软件工件（如用户手册、单元测试、设计文档和代码）的决定应该由科学驱动，而不是由个人偏好驱动。决策不应基于轶事证据、直觉或阻力最小的路径。此外，决定应根据用户和背景而有所不同。在大多数感兴趣的情况下，这意味着应该采取更长远的观点。我们需要采用一种基于明确定义、经验证据、假设检验和严格程序的科学方法。通过了解投入时间花在哪里，什么最有助于用户满意度，以及如何利用产生的知识，我们可以确定哪些干预措施相对于投入的努力具有最大的价值。我们将能够推荐证明其价值的软件生产过程，因为与所需的投入资源相比，长期的产出效益很高。生产力的初步定义，以及如何衡量这种质量的想法。我们简要地探讨了通过一种方法来提高生产力的想法，在这种方法中，所有的工件都是从编码的知识中生成的。
2021-12-15 cs.SE
Chat activity is a better predictor than chat sentiment on software developers productivity
最近的研究表明，软件开发人员的积极情绪对软件开发人员的生产力有积极的影响。在本文中，我们调查了两个数据源：开发人员聊天消息（来自Slack和Hipchat）和单个位于同一地点的敏捷团队超过200个工作日的源代码提交。我们的回归分析表明，聊天消息的数量是最好的预测因素，可以预测提交数量和代码行数的生产力，$R^2$分别为0.33和0.27。然后，我们添加情感分析变量，直到我们模型的AIC不再改善，并获得$R^2$值0.37（提交）和0.30（代码行）。因此，分析聊天情绪可以单独提高聊天活动的生产力预测，但差异并不大。这项工作支持了情绪状态和生产力在软件开发中相互联系的观点。我们发现，三个积极的情绪指标，但令人惊讶的是，也有一个消极的情绪指标与更高的生产力。
2020-04-21 cs.SE
Mind the Gap: On the Relationship Between Automatically Measured and Self-Reported Productivity
提高软件开发人员的生产率一直是软件工程研究的圣杯。但是，在我们宣称已经改进之前，我们必须首先能够衡量生产率。这绝非小事。事实上，关于软件工程师生产力的两条独立的研究路线几乎完全孤立地共存了很长一段时间：一方面是自动化产品和过程测量，另一方面是自我报告或感知的生产力。在这篇文章中，我们弥合了两者之间的差距与81软件开发人员在微软的实证研究。
2020-12-14 cs.SE
Individual Differences Limit Predicting Well-being and Productivity Using Software Repositories: A Longitudinal Industrial Study
针对软件开发者幸福感与生产力预测难题，通过工业团队纵向研究发现个体差异是主要影响因素，个性化预测模型效果更优，为相关管理与研究提供参考。
2021-04-28 cs.SE
Empirical Analysis on Productivity Prediction and Locality for Use Case Points Method
用例点（UCP）方法已经存在了二十多年。虽然，有大量的批评有关的代数结构和因素评估的UCP，它仍然是一个有效的早期规模估计方法。从UCP预测软件工作量仍然是一个永远存在的挑战。UCP方法的早期版本建议使用生产率作为成本驱动因素，其中固定或几个预定义的生产率比率已得到广泛认可。虽然这种方法在没有足够的历史数据时是成功的，但它不再被接受，因为软件项目在开发方面是不同的。因此，最好了解生产率与其他UCP变量之间的关系。本文研究了数据局部性方法对多个UCP变量的生产率和工作量预测的影响。环境因素被用作分区因素，以产生本地同质数据的基础上，他们的影响力水平或使用聚类算法。不同的机器学习方法，包括独奏和集成方法，被用来构建基于本地数据的生产率和努力预测模型。结果表明，基于本地数据创建的预测模型优于使用整个数据的模型。此外，结果表明，符合生产力和环境因素之间的假设假设并不一定是成功的地方。
2021-02-11 cs.SE
The Impact of AI Coding Assistants on Software Engineering: A Longitudinal Study
University of Auckland（奥克兰大学）
通过纵向混合方法调查，研究AI编码助手对专业软件工程师任务专注度、开发者体验和生产力的影响，发现工作重心从创建转向验证，并提出监督工程工作概念，同时揭示生产力-体验悖论。
2026-11-05 cs.SE
Are Happy Developers more Productive? The Correlation of Affective States of Software Developers and their self-assessed Productivity
几十年来，人们一直声称提高软件开发人员生产力的一种方法是关注人。事实上，虽然人的因素已经在软件工程研究中得到了认可，但很少有实证研究试图验证这一说法。开发任务是通过认知处理能力来完成的。情感状态-情绪，情绪和感觉-对工作相关的行为，认知处理活动和个人的生产力有影响。在本文中，我们报告了一项实证研究的影响，情感状态对软件开发人员的性能，而编程。两个情感状态维度与自我评估的生产力呈正相关。我们展示了应用心理测量学在软件工程研究中的价值，并呼吁对软件开发人员的人性化、个性化方面进行评价。我们引入并验证了测量工具和线性混合效应模型来研究软件开发人员的情感状态和生产力的相关性。
2013-06-07 cs.HC cs.SE
Predictors of Well-being and Productivity among Software Professionals during the COVID-19 Pandemic -- A Longitudinal Study
COVID-19大流行迫使世界各国政府对其公民实施行动限制。尽管这些限制对降低病毒繁殖率至关重要，但也带来了深远的社会和经济后果。在本文中，我们调查的影响，这些限制在个人层面上的软件工程师谁在家工作。尽管软件专业人员习惯于使用数字化工具工作，但并非所有人都是远程工作，在他们的日常工作中，突然和强制的在家工作环境导致了软件工程社区前所未有的情况。在一项两波纵向研究（N=192）中，我们涵盖了50多个以前与幸福感或生产力相关的心理，社会，情境和生理因素。例子包括焦虑，分心，应对策略，心理和生理需求，办公室设置，压力和工作动机。这种设计使我们能够确定解释幸福感和生产力独特差异的变量。结果包括：（1）社会交往的质量正向预测，压力负向预测一个人的幸福感时，控制其他变量一致的两个波;（2）无聊和分心负向预测生产力;（3）与第一次相比，第二次生产率与所有预测变量的相关性较低，这表明软件工程师随着时间的推移适应了封锁的情况;（4）纵向分析没有提供证据表明任何预测变量因果解释幸福感和生产力的变化。总的来说，我们得出结论，在家工作本身对软件工程师来说并不是一个重大的挑战。
2021-01-24 cs.CY cs.SE
What's DAT? Three Case Studies of Measuring Software Development Productivity at Meta With Diff Authoring Time
Meta Platforms, Inc.（Meta平台公司）
本文通过三个案例研究展示DAT如何通过差异作者时间测量软件开发生产力，验证了DAT在提升开发效率和优化内部工作流程方面的有效性。
2026-04-13 cs.SE
Intuition to Evidence: Measuring AI's True Impact on Developer Productivity
通过企业级真实部署的纵向队列分析，评估AI辅助开发平台DeputyDev对生产力的影响，发现PR审查周期缩短31.8%、代码推送量增加28%，并揭示实际部署挑战。
2025-09-24 cs.AI cs.LG cs.SE
Understanding Developers Well-Being and Productivity: a 2-year Longitudinal Analysis during the COVID-19 Pandemic
本文通过为期 24 个月的纵向研究，分析了 COVID-19 疫情期间软件工程师的幸福感、生产力及社交联系变化，发现开发者普遍偏好混合工作安排，并提出 IJARS 综合模型来解释相关机制。
2023-08-10 cs.HC cs.SE
The Impact of LLM-Assistants on Software Developer Productivity: A Systematic Review and Mapping Study
Queen's University（女王大学）
本文通过综述39项研究，探讨LLM助手对软件开发者生产力的影响，发现多数研究显示积极效益，但存在认知卸载和团队协作风险，研究指出需更全面的评估方法。
2026-08-04 cs.AI cs.HC cs.SE
Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
Model Evaluation & Threat Research (METR)（模型评估与威胁研究（METR））
通过随机对照试验评估2025年初AI工具对资深开源开发者的影响，发现AI非但未提速，反而使任务完成时间增加19%。
2025-07-25 cs.AI cs.HC cs.SE
The Impact of AI Tool on Engineering at ANZ Bank An Empirical Study on GitHub Copilot within Corporate Environment
The Australia and New Zealand Banking Group Limited（澳大利亚和新西兰银行集团有限公司）
本研究以澳新银行为对象，通过六周对照实验及大规模使用数据，验证GitHub Copilot可显著提升软件工程的生产力与代码质量，且使用者满意度较高，但对代码安全的影响尚不明确。
2024-04-17 cs.AI cs.SE
The Daily Life of Software Engineers during the COVID-19 Pandemic
随着COVID-19疫情爆发及随后的封锁，软件工程师的日常生活受到干扰，并突然被迫在家远程工作。这一变化深刻影响了典型的工作程序，影响了福祉和生产力。此外，这场流行病将对软件行业产生长期影响，几家科技公司允许员工无限期在家工作，如果他们愿意的话。因此，分析和理解在家工作时典型的工作日是什么样子以及个人活动如何影响软件开发人员的福祉和生产力是至关重要的。我们进行了一项两波纵向研究，涉及近200名全球精心挑选的软件专业人士，推断日常活动与感知的幸福感，生产力和其他相关的心理和社会变量。结果表明，软件工程师在家做特定活动的时间与在办公室工作的时间相似。然而，我们也发现了一些显著的平均差异。开发人员在每项活动上花费的时间与他们的幸福感、感知生产力和其他变量无关。我们的结论是，远程工作本身对组织或开发人员来说并不是一个挑战。
2021-01-12 cs.SE
The Role of GitHub Copilot on Software Development: A Perspective on Productivity, Security, Best Practices and Future Directions
Virginia Tech（弗吉尼亚理工大学）；BML Munjal University（BML Munjal大学）；Indiana Tech（印第安纳理工大学）
本文通过文献调查综合分析了 GitHub Copilot 对软件开发生产力和安全性的影响，指出其在加速编码的同时存在安全与知识产权风险，并提出负责任采用 AI 的最佳实践与未来方向。
2025-05-02 cs.AI cs.SE
AI Tools in Software Development: Developer Perceptions and Usage Patterns
研究通过调查147名专业开发者，探讨AI工具使用与开发者感知的生产力、代码质量和采用意图之间的关系，发现高频和广泛使用AI工具与更高的生产力和代码质量感知相关，且无速度与质量的权衡。
2026-05-11 cs.SE
Time Warp: The Gap Between Developers' Ideal vs Actual Workweeks in an AI-Driven Era
Georgia Institute of Technology（佐治亚理工学院）；Microsoft（微软公司）；Microsoft Research（微软研究院）；University of California, Irvine（加利福尼亚大学欧文分校）
本研究通过对微软484名软件开发者的调查，量化了理想与实际工作周偏差对开发者生产力和满意度的影响，识别了高影响任务，并为软件工程领域AI自动化方向提供了数据驱动的参考。
2025-02-21 cs.AI cs.HC cs.SE
Who is using AI to code? Global diffusion and impact of generative AI
University of Utrecht（乌得勒支大学）；Complexity Science Hub（复杂性科学中心）；Corvinus University of Budapest（布达佩斯科维努斯大学）；ELTE Centre for Economic and Regional Studies（匈牙利罗兰大学经济与区域研究中心）；IT:U Interdisciplinary Transformation University（IT:U跨学科转型大学）
研究通过分析AI生成代码的全球扩散情况，发现其在提升生产率和拓展开发领域方面的作用，但经验丰富的程序员从中获益更多，加剧了技能差距。
2025-11-20 cs.CY cs.SE physics.soc-ph
The Transformative Influence of LLMs on Software Development & Developer Productivity
本文系统综述了LLMs作为AI编程助手对软件开发的影响，揭示了隐私、偏见等挑战，并提出12个开放问题。
2025-07-05 cs.HC cs.SE
The SPACE of AI: Real-World Lessons on AI's Impact on Developers
本研究通过混合方法从SPACE框架多维度考察AI对开发者的影响，发现AI广泛提升常规任务生产力但收益受多种因素影响，且AI是增强而非取代开发者，其有效整合依赖团队文化与支持，并给出相关实用建议。
2025-07-31 cs.AI cs.HC cs.SE
The Productivity-Reliability Paradox: Specification-Driven Governance for AI-Augmented Software Development
School of Architecture, Computing and Engineering（建筑、计算与工程学院）
本文探讨AI辅助软件开发中生产力与可靠性矛盾现象，提出规范驱动治理模型，通过文献综述定义悖论因素，并评估规范工具的有效性。
2026-05-01 cs.AI cs.SE
