A Preliminary Study on the Impact of AI in the Creativity and Collaboration in Software Teams
Universidade Federal de Pernambuco (UFPE)（巴西国立伯南布哥联邦大学）；University of Southampton（南安普顿大学）
研究人工智能对软件团队创造力和协作的影响，通过对13名软件专业人员半结构化访谈，发现人工智能拓宽创意范围但缩窄独立构思，削弱同伴学习指导，团队发展出开发者、同事和人工智能共同推理的三方协作模式。
2026-07-21 cs.SE
Does Interdisciplinary Creative Coding Boost Creativity? A Mixed Methods Approach
本研究通过混合方法探讨了跨学科干预对软件工程与图形设计学生创造性问题解决技能的影响，发现跨学科合作虽短期降低最终产品创造力，但能提升社会互动创造力，并揭示了固定思维模式问题。
2023-07-03 cs.SE
Hidden Figures in Software Engineering: A Replication Study Exploring Undergraduate Software Students' Awareness of Distinguished Scientists from Underrepresented Groups
本研究通过全球复制调查发现软件工程本科生对代表性不足群体的杰出科学家认知有限，强调需提升多样性认知并开发包容性教育实践。
2024-12-20 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
AI for software engineering: from probable to provable
本文探讨了通过结合人工智能的创造性与形式化规范方法和验证技术，解决AI在编程中目标指定困难和幻觉现象的问题，提升程序正确性。
2026-04-22 cs.AI cs.SE
Significance of the teamwork in agile software engineering
一个软件工程项目很大程度上取决于团队的表现，就像任何涉及人类交互的活动一样。在过去的几年里，软件开发的传统观点正在发生变化，敏捷方法受到了相当大的关注。在其他属性中，年龄学家声称培养创造力是应对当今软件开发常见问题和挑战的关键之一。新软件产品的开发需要产生新颖而有用的想法。它是2001年敏捷宣言中引入的概念框架。本文的写作是为了支持敏捷实践，团队合作对软件项目成功的重要性。采用问卷调查的研究方法，了解团队合作的重要性。
2014-08-26 cs.SE
Exploring the Power of Diffusion Large Language Models for Software Engineering: An Empirical Investigation
针对自回归大语言模型在软件工程中代码结构处理弱、推理延迟高的问题，首次全面评估扩散大语言模型在多类SE任务的表现，7B参数量模型在大规模基准上准确率显著提升且效率更优，确立其为SE任务的更优范式。
2025-10-06 cs.SE
Exploring Opportunities in Usable Hazard Analysis Processes for AI Engineering
将人工智能嵌入系统对现代工程实践提出了重大挑战。危险分析工具和程序尚未充分适应新的模式。本文描述了关于人工智能相关危害分析的当前实践以及用于进行这项工作的工具的初步研究和发现。我们这项初步研究的目标是更好地了解从业者的需求，以及考虑人工智能产品和服务的危害和风险所面临的新挑战。我们的主要研究问题是：我们能否开发新的结构化思维方法和系统工程工具，以支持有效和引人入胜的方式，预先考虑人工智能系统中的故障模式？我们对文献的回顾和对从业者的采访的初步发现突出了将危险分析整合到现代人工智能开发过程中的各种挑战，并为探索可用的、以人为本的危险分析工具提供了机会。
2022-03-29 cs.SE
Large Language Models for Software Engineering: Survey and Open Problems
本文综述了大型语言模型在软件工程各领域的应用，指出其涌现特性带来的机遇与挑战，并强调混合技术（传统SE加LLMs）对可靠部署的关键作用。
2023-11-11 cs.SE
Exploring the Role of Security Experience and ChatGPT Usage Strategies on Secure Software Engineering Education
Trinity College Dublin（都柏林三一学院）；University College Dublin（都柏林大学）
本研究通过实证分析26名研究生在漏洞修复作业中使用ChatGPT的日志，发现使用策略多样性而非安全经验与作业表现正相关，为安全软件工程教育中引导LLM有效使用提供了依据。
2026-09-11 cs.SE
Exploring a multi_stage feedback teaching mode for graduate students of software engineering discipline based on project_driven competition
National University of Defense Technology（国防科技大学）；Shanxi Supercomputing Center（山西超级计算中心）；Taiyuan University of Technology（太原理工大学）
针对当前研究生软件工程课程教学重理论、轻实践、缺乏创新能力等问题，提出了一种基于竞赛项目驱动的软件工程研究生多阶段反馈式教学模式。该模式以竞赛项目为驱动，从软件工程课程任务的阶段分配与能力培养、竞赛案例设计与过程评价改进等方面给出了实施建议，通过该教学模式的实施，期望能激发学生学习的积极性和主动性，提高学生专业技能和综合能力的全面发展，满足社会对软件工程技术人才的需求。
2022-12-19 cs.AI cs.SE
Exploring Gender Bias in Remote Pair Programming among Software Engineering Students: The twincode Original Study and First External Replication
上下文软件工程（SE）由于性别偏见，男性更擅长编程，女性代表性较低。结对编程（PP）在行业中很常见，可以增加学生对SE的兴趣，特别是女性;但如果性别偏见影响PP，它可能会阻止女性加入该领域。Objective.我们探讨PP中的性别偏见。在一个远程设置，学生不能看到他们的同龄人的性别，我们研究如何感知生产力，技术能力和协作/互动行为的SE学生不同的感知性别的远程合作伙伴。法我们开发了一个在线PP平台（twincode），带有协作编辑窗口和聊天窗格。对照组没有关于他们的伴侣的性别信息，而治疗组看到的性别化身是男性或女性。化身性别在任务之间交换，以分析45个变量，包括塞维利亚大学原始研究中的46对协作编码行为，聊天话语和问卷回答，以及加州大学伯克利分校复制的23对。结果性别偏见处理或感知伴侣性别与受试者性别之间的交互作用对原始研究中的任何变量都没有显著影响。在重复实验中，实验组内的四个变量在中等到大的尺寸上有显着的效果，比较对象是男性和女性时的行为。
2023-03-10 cs.SE
Exploring motivation and teamwork in a large software engineering capstone course during the coronavirus pandemic
在2020年春季，信息学系涵盖了软件工程的20个ECTS顶点课程，主要集中在开发复杂的应用程序。该课程采用主动学习方法，240名学生在42个跨职能敏捷团队中工作。新型冠状病毒引起的大流行对奥斯陆大学的教学产生了重大影响，因为从3月12日起，所有体育教学和团队之间的合作都必须数字化。在学期结束时，我们进行了一项调查，重点是1）团队合作的各个方面（例如，团队中的沟通和协调）以及与团队绩效的关系（例如，应用产品）和2）学生通过数字平台合作的动机和能力。41个敏捷学生团队中共有151名受访者回答了调查。本研究旨在探讨虚拟工作环境对学生团队合作及学习动机的影响。该结果与2019年同一课程的结果以及2016年对71个专业团队进行的类似调查进行了比较。我们的结果显示，团队合作的评估与2019年进行的调查评估和2016年的专业团队评估相似。学生们的积极性仍然很高，尽管他们必须在虚拟环境中合作。
2021-03-14 cs.SE
Exploring the Reasoning Depth of Small Language Models in Software Architecture: A Multidimensional Evaluation Framework Towards Software Engineering 2.0
Faculty of Computer Science and Engineering Ho Chi Minh City University of Technology (HCMUT), VNU-HCM（胡志明市理工大学计算机科学与工程系）；The Business School RMIT University（皇家墨尔本理工大学商学院）
本研究通过多维评估框架评估小型语言模型在软件架构中的推理深度，发现参数阈值影响推理能力，揭示了中等大小模型在短上下文下的校准机制及语义多样性与幻觉的相关性。
2026-03-07 cs.SE
Exploring the Relationship Between Personality Traits and User Feedback
本研究针对用户人格对软件工程协作的影响尚不明确的问题，通过56名学生的实验发现神经质与反馈详尽度、功能评分显著相关，提示需求工程中需考虑人格因素。
2023-07-22 cs.SE
Human-Centered AI Transformation: Exploring Behavioral Dynamics in Software Engineering
本研究采用行为软件工程视角，通过对四个转型期组织的定性访谈，揭示了AI转型在个体、群体和组织层面的行为动态与六大挑战，强调成功转型需平衡技术、人为及伦理因素。
2024-11-13 cs.SE
Toward Inclusion of Children as Software Engineering Stakeholders
背景：今天，越来越多的软件可供儿童使用。儿童既使用专门为他们开发的软件，也使用为一般用户开发的软件。虽然他们从软件中获得了明显的好处，例如获得创造性工具和学习资源，但儿童也面临着一些风险和不利因素，例如侵犯隐私，不活动或甚至可能导致死亡的安全风险。研究和开发界正在逐一处理和调查软件对儿童的积极和消极影响，但没有一个综合模式将软件工程与儿童作为利益攸关方联系起来。目的：这一系列研究的最终目标是提出有效的方法，使儿童可以参与软件工程活动的利益相关者。具体来说，在本文中，我们调查的质量方面，儿童的利益，质量是一个至关重要的方面，在任何类型的软件开发，特别是对利益相关者，如儿童。方法：我们的贡献主要是基于软件工程（特别是软件质量）和儿童计算机交互之间的交叉点的研究分析。结果如下：我们确定了一组质量和一套初步的指导方针，可以用于研究人员和从业人员在理解软件工程和儿童之间的复杂的相互关系。基于质量和指导方针，研究人员可以设计实证调查，以获得更深入的洞察力的现象，并提出新的软件工程知识，这种类型的利益相关者。结论：这种概念化是迈向一个框架，以支持儿童利益相关者在软件工程的第一步。
2021-01-07 cs.SE
Exploring the Experiences of Experts: Sustainability in Agile Software Development -- Insights from the Finnish Software Industry
本研究通过访谈芬兰软件行业专家，探究敏捷软件开发中的可持续性现状，发现Scrum最常用、各可持续性维度存在连锁效应，并为2030软件工程路线图提出三项关键建议。
2024-07-09 cs.SE
Exploring the Efficacy of Large Language Models (GPT-4) in Binary Reverse Engineering
University of Calgary（卡尔加里大学）
本文通过两阶段实验评估GPT-4在二进制逆向工程中的表现，发现其在一般代码理解上较强，但在深度技术与安全分析上仍有局限，为未来改进提供了依据。
2024-06-09 cs.AI cs.SE
Exploring the Garden of Forking Paths in Empirical Software Engineering Research: A Multiverse Analysis
本文通过多宇宙分析揭示经验软件工程研究中方法学选择对结果的深远影响，提出结构化分类模型以提高分析的稳健性和可重复性。
2026-02-23 cs.SE
Exploring Explainability: A Definition, a Model, and a Knowledge Catalogue
软件系统日益复杂，软件支持的决策在我们的社会中产生了影响，这就唤醒了对透明、负责和值得信赖的软件的需求。可解释性被认为是实现这些品质的一种手段。它被认为是一种新兴的非功能需求（NFR），对系统质量有重大影响。然而，为了将这个NFR整合到系统中，我们需要从软件工程的角度理解可解释性意味着什么，以及它如何影响系统中的其他质量方面。这允许对不同质量方面之间的相互关系所产生的好处和可能的设计问题进行早期分析。然而，可解释性是目前在需求工程领域的研究不足，缺乏概念模型和知识目录，支持需求工程过程和系统设计。在这项工作中，我们通过提出一个定义，一个模型和一个可解释性目录来弥合这一差距。它们说明了可解释性如何与其他质量方面相互作用，以及它如何影响系统的各个质量维度。为此，我们进行了跨学科的系统性文献综述，并与专家在研讨会上验证了我们的研究结果。
2021-08-06 cs.SE
The Role of Humour in Software Engineering -- A Literature Review and Preliminary Taxonomy
本文通过文献综述提出软件工程团队幽默分类法，整合幽默理论、风格、模型与量表，旨在提升生产力与沟通并营造积极工作环境，同时强调负责任使用和进一步实证验证的必要性。
2025-07-04 cs.SE
Exploring Individual Factors in the Adoption of LLMs for Specific Software Engineering Purposes
Aalborg University Copenhagen（奥尔堡大学哥本哈根分校）；University of Salerno（萨莱诺大学）
本文研究个体因素如何影响软件工程师在特定软件工程任务中采用LLMs，通过结构方程模型分析五个关键目的中的相关属性，揭示不同因素对LLM采用的影响。
2026-04-14 cs.SE
Exploring Empathy in Software Engineering: Insights from a Grey Literature Analysis of Practitioners' Perspectives
本研究针对软件工程中同理心研究不足的问题，通过分析DEV和Medium的55篇从业者文章及专家调查，明确其定义、障碍与培养实践，构建概念框架，为改善团队动态提供依据。
2025-07-07 cs.SE
DevPhish: Exploring Social Engineering in Software Supply Chain Attacks on Developers
本文全面探究攻击者在软件供应链关键步骤中利用社会工程学诱骗软件工程师交付恶意软件的策略，为威胁建模和安全差距分析提供见解。
2024-09-27 cs.CR cs.SE
From Defects to Demands: A Unified, Iterative, and Heuristically Guided LLM-Based Framework for Automated Software Repair and Requirement Realization
Kagekai（影海科技）；University of Michigan（密歇根大学）
本文提出统一、迭代且启发式引导的 LLM 框架，结合形式化验证、TDD 与架构指导，用于自动化软件修复和需求实现，并在 SWE-bench 上显著提升准确率。
2024-12-06 cs.AI cs.SE
Some things never change: how far generative AI can really change software engineering practice
本文通过调查软件工程从业者对生成式人工智能的期望，识别出人类专业知识、创造力和项目管理等难以被 GenAI 深刻改变的领域，为未来研究指明了方向。
2024-06-14 cs.SE
Not Only for Developers: Exploring Plugin Maintenance for Knowledge-Centric Communities
Universidad Rey Juan Carlos（雷乌斯·胡安·卡洛斯国王大学）；The University of Osaka（大阪大学）
研究探讨了非开发者主导社区中插件生态系统的维护，通过分析Obsidian平台的插件发现六个知识管理相关主题，并揭示了其工程结构和可持续性问题。
2026-02-19 cs.SE
"The Law Doesn't Work Like a Computer": Exploring Software Licensing Issues Faced by Legal Practitioners
本研究通过调查30名法律从业者及16次访谈，揭示了开源软件许可证合规生态系统的现状、具体实践及面临的挑战，得出14项关键发现，填补了软件工程社区对法律从业者经验的认知空白。
2024-03-22 cs.SE
Creative and Correct: Requesting Diverse Code Solutions from AI Foundation Models
本研究通过HumanEval实验，系统探究AI基础模型生成代码时多样性与正确性的权衡，识别出帕累托最优的参数与策略组合，为软件工程师提供实用指导。
2024-03-20 cs.SE
Total Recall, Language Processing, and Software Engineering
软件工程问题的一个广泛的类别可以概括为“总召回问题”。这篇短文声称，在软件工程中识别和探索全召回语言处理问题是一项具有广泛适用性的重要任务。为了实现这一点，我们表明，通过应用和适应最先进的主动学习和文本挖掘，总召回问题的解决方案，可以帮助解决两个重要的软件工程任务：（a）支持大型文献综述和（b）识别软件安全漏洞。此外，我们推测（c）测试用例优先级和（d）静态警告识别也可以归类为总召回问题。“全面回忆”在软件工程中的广泛应用表明，存在一些基础框架，不仅包括自然语言处理，还包括广泛的重要软件工程任务。
2018-08-31 cs.SE
Hidden Populations in Software Engineering: Challenges, Lessons Learned, and Opportunities
本文探讨了软件工程中隐藏群体研究的挑战与经验，强调识别和接触边缘化参与者的复杂性，并呼吁研究社区重视该问题以推动行业多元化和包容性。
2024-01-17 cs.SE
Navigating Complexity in Software Engineering: A Prototype for Comparing GPT-n Solutions
导航的非平凡的软件工程任务的不同解决方案空间需要技术知识，解决问题的技能和创造力的组合。由于有多种可能的解决方案，每种方案都有自己的权衡，因此程序员必须评估各种选项并选择最适合项目特定要求和约束的选项。无论是从一系列库中进行选择，权衡不同架构和设计解决方案的利弊，还是找到满足用户需求的独特方法，创造性思维的能力对于做出明智的决策至关重要，这将导致高效和有效的软件。然而，目前面向程序员的聊天机器人工具的界面，如OpenAI的ChatGPT或GitHub Copilot，都是针对单一解决方案进行优化的，即使是复杂的查询。虽然可以请求其他解决方案，但默认情况下不会显示这些解决方案，并且无法直观地访问。在本文中，我们提出了我们的工作在进行中的原型“GPTCompare”，它允许程序员直观地比较多个源代码的解决方案GPT-n模型生成的相同的编程相关的查询突出其相似性和差异。
2023-01-28 cs.HC cs.SE
Software Engineering Education Beyond the Technical: A Systematic Literature Review
高等教育为有抱负的软件开发人员提供了坚实的理论和实践，但主要是技术背景。然而，研究表明，毕业生仍然没有达到行业的期望。这些缺陷不仅限于技术缺陷。不断变化的“精益”企业软件开发环境要求工程师具备超越技术的能力。在这种情况下，高等教育如何帮助学生成为伟大的软件开发人员？作为回答这个问题的第一步，我们提出了一个系统的文献综述的结果，专注于非认知能力，更好地称为“软技能”。我们的研究结果确定自我反省，解决冲突，沟通和团队合作作为前四名教授的技能。实习和顶点项目需要更多的关注，作为一个教学方面，以促进多种技能的学习，包括创造力。跨学科教学和小组组成是影响学习的其他重要因素。通过对非认知能力和教学方面之间的关系提供新的见解，这项工作有助于软件工程课程的不断改进。这些发现也可以作为进一步调查某些被低估的技能的跳板。
2019-10-22 cs.CY cs.SE
Diversity in Software Engineering Education: Exploring Motivations, Influences, and Role Models Among Undergraduate Students
本研究调查软件工程专业本科生的动机与影响，发现职业发展、技术热情和个人成长是主要驱动力，榜样（尤其科技影响者和家人）对维持代表性不足学生的兴趣至关重要。
2024-12-16 cs.CY cs.SE
Copilot for Xcode: Exploring AI-Assisted Programming by Prompting Cloud-based Large Language Models
Nanyang Technological University（南洋理工大学）；City University of Hong Kong（香港城市大学）
本文提出了Copilot for Xcode，一款集成云端LLM与Xcode的AI辅助编程工具，利用NLP技术实现代码生成等功能，并通过案例研究验证了其有效性。
2023-07-08 cs.AI cs.SE
SaaSBench: Exploring the Boundaries of Coding Agents in Long-Horizon Enterprise SaaS Engineering
University of Science and Technology of China（中国科学技术大学）；AMAP, Alibaba Group（阿里云实验室）
本文提出SaaSBench，首个针对企业SaaS工程的基准，旨在探索AI代理在复杂系统中的边界，通过30个任务和5370个验证节点，涵盖8种编程语言、6种数据库和13种框架，揭示了当前最先进代理在多组件系统配置和集成中的主要瓶颈。
2026-05-17 cs.AI cs.SE
The Rise and Fall(?) of Software Engineering
Università della Svizzera Italiana（瑞士意大利语大学）；Universidad de los Andes（安第斯大学）
本文探讨AI对软件工程的深刻影响，分析AI驱动的自动化与人类创造力如何协同演进，并提出在保留人类核心创造力的前提下实现AI顺利融入软件工程的关键要素。
2024-06-14 cs.AI cs.SE
Exploring CoCo Challenges in ML Engineering Teams: Insights From the Semiconductor Industry
Chair of Software Engineering, TUM School of Computation, Information and Technology, Technical University of Munich（慕尼黑技术大学计算、信息与技术学院软件工程系）；Business School, Pforzheim University（弗劳恩霍夫大学商学院）；Software and Sustainability (S2) Group, Vrije Universiteit Amsterdam（阿姆斯特丹自由大学软件与可持续性（S2）组）
本文通过分析半导体行业机器学习工程团队的协作挑战，揭示了跨学科协作中的关键问题与解决策略，强调了角色不明确对长期系统维护的影响。
2026-05-08 cs.LG cs.SE
Exploring the Use of ChatGPT by Computer Science Students in Software Development: Applications, Ethical Considerations, and Insights for Engineering Education
University College London（伦敦大学学院）
本研究通过半结构化访谈定性调研英国高校计算机专业学生在软件开发中使用ChatGPT的策略与伦理认知，揭示学生学习模式的转变、使用行为特征与现存问题，为工程教育中规范AI工具使用提供启示。
2025-11-17 cs.HC cs.SE
A Layered Architecture for Developing and Enhancing Capabilities in Large Language Model-based Software Systems
CSIRO’s Data61（联邦科学与工业研究组织数据61部门）；ArcBlock
本文提出一种分层架构来组织基于大语言模型的软件系统开发，通过将能力与不同层次对齐，帮助开发者系统化选择合适技术，以平衡工程复杂性、可扩展性和成本，从而提升系统稳健性与可扩展性。
2024-11-19 cs.AI cs.CL cs.MA
Exploring LLMs for Verifying Technical System Specifications Against Requirements
本研究实验探讨了大型语言模型在需求验证中的潜力，通过向 LLMs 提供需求和文本系统规格来评估满足情况，发现 GPT-4o 和 Claude 3.5 Sonnet 在识别未满足需求时 f1-scores 达 79% 至 94%，展现出应用前景。
2024-11-18 cs.SE cs.SY eess.SY
From LLMs to LLM-based Agents for Software Engineering: A Survey of Current, Challenges and Future
School of Electrical and Computer Engineering, The University of Sydney（悉尼大学电气与计算机工程学院）；University at Buffalo, SUNY（纽约州立大学布法罗分校）；University of Chicago（芝加哥大学）
本文综述LLMs与基于LLM的智能体在软件工程中的应用现状，区分二者差异，分析六个关键主题的相关工作及模型基准，为该领域未来研究提供启示。
2025-04-13 cs.AI cs.CL cs.SE
