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 Socio-Technical Grounded Theory on the Effect of Cognitive Dysfunctions in the Performance of Software Developers with ADHD and Autism
本文运用社会技术扎根理论，基于对25名神经发散和5名神经典型软件从业者的访谈与调查，揭示ASD和ADHD相关认知功能障碍对软件工程绩效的影响及其调节机制，并提出包容性敏捷实践建议。
2024-11-21 cs.SE
Measuring Cognitive Load of Software Developers Based on Nasal Skin Temperature
最近，衡量开发人员的认知负荷变得越来越重要。这是因为在高认知负荷下继续开发可能会导致人为错误。因此，为了自动测量认知负荷，现有的研究使用了生物特征测量，如脑电波和心率。然而，开发人员在测量时往往需要配备某些设备，因此可能会造成身体负担。在这项研究中，我们评估了基于鼻皮肤温度的非侵入性生物测量的可行性。鼻皮肤温度已被广泛应用于其他领域，以衡量精神状态。在本实验中，受试者创建小的Java程序，我们估计他们的认知负荷使用建议的生物计量措施的基础上，鼻腔皮肤温度。结果表明，拟议的生物鉴别措施比非生物鉴别措施更有效。因此，基于鼻皮肤温度的生物特征测量有希望用于估计开发人员的认知负荷。
2022-04-01 cs.SE
Combined Intuition and Rationality Increases Software Feature Novelty for Female Software Designers
克服社会的复杂问题需要新的解决方案。在设计针对这些问题的软件时，应用不同的认知风格可以促进新颖性。通过对80名软件设计从业者的实验，我们发现，偏好一种以上认知风格（直觉和理性）的女性从业者产生了所有参与者中最新颖的软件功能。
2020-12-10 cs.SE
From Technical Debt to Cognitive and Intent Debt: Rethinking Software Health in the Age of AI
University of Victoria（维多利亚大学）
本文提出三债务模型，探讨生成式AI如何改变软件健康中技术、认知和意图债务的相对重要性及应对方法。
2026-04-06 cs.SE
Beyond Productivity: Measuring Developers' Cognitive Load During GenAI-Supported Software Development
Hasso Plattner Institute, University of Potsdam（波茨坦大学哈索·普拉特纳研究所）；SAP Labs（SAP实验室）
本研究通过四天工业现场实验，发现GenAI使用和任务背景与开发者感知认知负荷相关，生理数据仅提供有限补充信息，建议结合工作背景评估认知负荷。
2026-09-30 cs.HC cs.SE
Consensus in Software Engineering: A Cognitive Mapping Study
背景资料：包括柯林斯、费耶阿本德、库恩和拉图尔在内的科学哲学家都强调了科学实践共同体内部共识的重要性。共识对于保持与外界的合法性，协调未来的研究，开发教育课程和商定行业标准非常重要。相反，低共识会破坏一个领域的声誉，阻碍同行评议。目的：本文旨在调查软件工程学术团体内关于成员的软件工程隐含理论的共识程度。方法：一个方便的样本60软件工程研究人员制作的图表，描述他们的核心软件工程结构之间的因果关系的个人理解。然后分析图表的模式和聚类。结果如下：至少有三个思想流派正在形成;然而，它们的解释并不清楚，因为它们与社区内已知的划分不一致（例如敏捷与计划驱动方法）。此外，超过三分之一的参与者不属于任何集群。结论：虽然社会科学中普遍存在低共识，但在软件工程中观察到的快速创新表明，如果重新致力于实证主义和循证实践，则可以实现高度共识。
2018-02-18 cs.SE
Using CognitIDE to Capture Developers' Cognitive Load via Physiological Activity During Everyday Software Development Tasks
本文提出使用基于 IntelliJ 的插件 CognitIDE，在开发者执行日常软件开发任务时收集、映射并可视化其生理活动数据，以无干扰地捕获认知负荷，实验证明该插件能有效支持长达一小时的数据收集并反映任务期间的认知负荷变化。
2025-03-05 cs.SE
Cognitive Process of Comprehension in Requirement Analysis in IT Applications
需求分析是软件开发中的一个重要阶段，它涉及到对客户需求的理解。它包括从客户那里收集信息，这些信息是关于客户的需求以及他对要开发的软件的期望。通过这样做，你可以更好地了解客户的实际需求，从而可以按照客户的要求提供输出。目前正在进行研究，以改进需求分析过程，从而尽量减少软件开发中的错误，从而提供更好和可靠的产品。
2010-02-16 cs.SE
Automatizing Software Cognitive Complexity Reduction through Integer Linear Programming
本文针对代码认知复杂度降低问题，提出将重构操作序列建模为整数线性规划，利用高效求解器替代穷举枚举，以实现在大规模程序中的最优解。
2024-02-08 cs.CC cs.SE
How Does Cognitive Capability and Personality Influence Problem Solving in Coding Interview Puzzles?
RMIT University（皇家墨尔本理工大学）；Heidelberg University（海德堡大学）；Monash University（蒙纳士大学）
研究探讨了认知能力和个性特征对编码面试问题解决的影响，发现尽责性和开放性与问题解决准确性正相关，神经质则呈负相关。
2026-01-29 cs.SE
Multi-objective Integer Linear Programming approach for Automatic Software Cognitive Complexity Reduction
University of Málaga（马拉加大学）；Ayesa Advanced Digital Services Limited (ASDA)（阿耶萨高级数字服务有限公司）
本文提出多目标整数线性规划方法，用于自动降低软件的认知复杂度，通过平衡代码行数与复杂度来提升代码可维护性。
2026-01-29 cs.CL cs.SE
Implementing GenAI-Supported Learning in Software Engineering and Computer Science Education using Bloom's Taxonomy
Queen’s University Belfast（贝尔法斯特女王大学）；Azerbaijan Technical University（阿塞拜疆技术大学）；Qarabağ University（卡拉巴赫大学）
本研究设计布鲁姆分类法对齐的生成式AI框架，通过多课程实验发现：学生认为生成式AI对高阶认知活动最有价值，明确指导能促进反思性使用，为负责任使用生成式AI提供了可扩展的教学框架。
2026-06-29 cs.SE
Cognitive-Driven Development Helps Software Teams to Keep Code Units Under the Limit!
本文研究了巴西科技公司团队使用认知驱动开发（CDD）从零构建学习管理工具的经验，发现CDD能有效控制代码单元规模并简化测试，但开发者会根据实际复杂性适当放宽限制。
2023-05-24 cs.SE
Epistemological Debt: A Conceptual Framework for AI-Dependent Software Engineering
TalentGuard；Georgia Institute of Technology（佐治亚理工学院）；Purdue University（普渡大学）
本文研究AI依赖软件工程中认知退化与系统崩溃问题，提出知识债务概念，揭示过度依赖AI验证对人类认知的影响，并通过亚马逊2026年故障案例，强调需建立严谨的人工智能教育标准以维持系统韧性。
2026-10-19 cs.CY cs.SE
Cognitive Biases in LLM-Assisted Software Development
University of Southern California（南加州大学）；Naval Postgraduate School（海军研究生院）
本文研究了大语言模型辅助软件开发中的认知偏差，通过混合方法分析发现LLM相关行动更易产生新型偏差，并提出15种偏差类别及缓解建议。
2026-01-12 cs.HC cs.SE
"I'm Not Reading All of That": Understanding Software Engineers' Level of Cognitive Engagement with Agentic Coding Assistants
York University（约克大学）
研究探讨软件工程师在使用代理编码助手时的认知参与度变化，指出当前设计缺乏反思和验证机制，提出通过更丰富的交互方式和认知强制机制来提升深度思考。
2026-03-18 cs.AI cs.HC cs.SE
Cognitive Agents Powered by Large Language Models for Agile Software Project Management
本文研究在SAFe框架中集成LLM驱动的认知智能体，通过CogniSim平台模拟验证其在任务委派、智能体间通信和项目生命周期管理中的能力，证明其能显著提升任务完成时间、交付物质量和通信连贯性，为敏捷软件项目管理带来范式转变。
2025-08-21 cs.MA cs.SE
Theory of Troubleshooting: The Developer's Cognitive Experience of Overcoming Confusion
University of Victoria（维多利亚大学）
本文提出了一种基于认知科学的调试理论，旨在解释开发者在调试过程中面临挑战及认知疲劳的原因，并通过实证研究为开发者经验研究提供理论基础。
2026-02-16 cs.SE
Infusion of Blockchain to Establish Trustworthiness in AI Supported Software Evolution: A Systematic Literature Review
Concordia University（康科迪亚大学）
本文通过系统文献综述探讨了区块链在提升AI支持的软件演进中可信度的作用，指出需建立可衡量的可信度框架以确保安全和合规的AI驱动软件生态系统。
2026-02-02 cs.SE
Is General-Purpose AI Reasoning Sensitive to Data-Induced Cognitive Biases? Dynamic Benchmarking on Typical Software Engineering Dilemmas
Collegium Helveticum, ETH Zurich（瑞士苏黎世联邦理工学院）；University of Zurich（苏黎世大学）；University of Italian-speaking Switzerland（意大利语瑞士大学）；ETH Zurich（苏黎世联邦理工学院）；University of Bologna（博洛尼亚大学）
本文通过动态基准测试框架评估GPAI在软件工程中对数据诱导认知偏差的敏感性，发现GPAI系统在面对偏见诱导语言线索时易产生错误推理。
2025-11-29 cs.AI cs.HC cs.SE
Computer-Supported Collaborative Learning in Software Engineering Education: A Systematic Mapping Study
自20世纪90年代初以来，计算机支持的协作学习（CSCL）一直是一个稳定的研究课题，并一直持续到今天。CSCL在课堂上的基本好处已经在许多教育领域建立起来，特别是提高学生的动机和批判性思维。本文对软件工程教育中计算机支持的协作学习的研究现状进行了系统的映射研究。这项研究调查了2003年至2013年发表的文章，以了解这一科学领域的进展情况。CSCL在软件工程教育中正在进行的研究主题涉及更广泛的学习社区和不同协作方法的有效性。我们发现，虽然研究确定了CSCL在从本地到全球的几个不同环境中的好处，但这些方法并不总是足够详细和比较，以确定哪些因素使其成功。
2019-06-25 cs.CY cs.SE
Process Evolution Supported by Rationale: An Empirical Investigation of Process Changes
在没有回顾的情况下发展软件过程模型，因此，在没有理解过程发展的情况下，可能会给软件开发组织带来严重的问题，例如，由于任意引入变化或难以证明符合给定标准而导致的低效率性能。获取关于变更背后的基本原理的信息可以为更好地理解流程演变提供一种手段。本文介绍了一个探索性研究的结果，目的是了解在给定的背景下的过程变化的性质。它提出了最重要的问题，激励过程工程师在工业项目中改变重要的航空航天软件过程标准。这项研究是研究工作的一部分，旨在逐步定义一个系统的机制，过程演变的基本原理信息的支持。
2014-01-20 cs.SE
From Copilot to Pilot: Towards AI Supported Software Development
University of Toronto（多伦多大学）；University of Victoria（维多利亚大学）
人工智能支持的编程已经到来，正如用于代码的大语言模型的引入和成功所表明的那样，例如Copilot/Codex（Github/OpenAI）和AlphaCode（DeepMind）。在编程挑战上的人类平均表现现在是可能的。然而，软件工程远不止解决编程竞赛。从代码完成转向人工智能支持的软件工程将需要一个人工智能系统，它可以理解如何避免代码气味，遵循语言习惯，并最终（也许！）提出合理的软件设计。在这项研究中，我们探讨了目前像Copilot这样的人工智能支持的代码完成工具的局限性，并提供了一个简单的分类法来理解这个领域中人工智能支持的代码完成工具的分类。我们首先对Copilot关于语言习惯和代码气味的代码建议进行了探索性研究。Copilot不遵循语言习惯，并避免在我们的大多数测试场景中出现代码气味。然后，我们进行额外的调查，以确定当前的边界AI支持的代码完成工具，如Copilot通过引入软件抽象层次的分类，其中“基本的编程功能”，如代码编译和语法检查是在最抽象的水平，软件架构分析和设计是在最抽象的水平。最后，我们讨论了未来开发AI支持的代码完成工具所面临的挑战，以达到我们分类法中的设计抽象级别。
2023-03-07 cs.AI cs.LG cs.SE
Non-cognitive abilities of exceptional software engineers: a Delphi study
软件工程概念的重要构建块无疑是技术性的。在过去的十年中，对非技术性的研究和实际兴趣已经增长，揭示了构建模块是纯技术知识之外的各种技能和能力。人们曾多次尝试对这些模块进行分类，但迄今为止，很少有国际研究通过询问工业界和学术界的专家来确定技能：开发人员需要哪些能力才能在软件工程行业中脱颖而出？为了回答这个问题，我们进行了一项德尔菲研究，邀请了来自全球11个不同国家的36位专家，隶属于21个国际知名机构。这项研究提出了55个确定和排名的技能，分为四个主要领域：沟通技能（移情，积极倾听等），协作技能（分担责任，相互学习等），解决问题的能力（验证假设，解决方案导向的思维等），和个人技能（好奇心，对想法持开放态度等），其中比较了技术专家，企业专家和学者的意见。我们希望这项工作能激励教育工作者和从业者调整他们的培训计划，缩小行业和学术界之间的差距。
2019-10-22 cs.CY cs.SE
Compiler.next: A Search-Based Compiler to Power the AI-Native Future of Software Engineering
Centre for Software Excellence - Huawei Canada（华为加拿大软件卓越中心）；School of Computing, Queen’s University（女王大学计算机学院）
Compiler.next是一种基于搜索的编译器，旨在通过降低技术门槛，实现AI原生软件的自动化开发与高效演进。
2026-03-11 cs.SE
The Affect of Software Developers: Common Misconceptions and Measurements
情感的研究（即，在过去的15年里，工作场所的情绪（情绪，情绪）受到了很多关注。尽管事实上，软件开发已被证明是智力的，创造性的，并由认知活动驱动，影响有很深的影响认知活动，软件工程的研究缺乏对软件开发人员的影响的理解。本说明提供了（1）在处理工作满意度，动机，承诺，幸福感和幸福感时对影响的常见误解;（2）用于影响测量的有效测量工具;以及（3）我们在测量软件开发人员的影响时的建议。
2015-05-18 cs.HC cs.SE
Understanding the Affect of Developers: Theoretical Background and Guidelines for Psychoempirical Software Engineering
情感--情绪和心境--对个体的认知加工活动和工作绩效有影响。已经确定，软件开发任务是通过认知处理活动进行的。因此，我们提出将心理学理论和测量方法引入软件工程研究中。我们称之为“心理经验主义软件工程”。然而，我们发现，现有的SE研究往往陷入误解的影响，开发人员，缺乏背景理论和如何成功地采用心理测量的研究。本文的贡献有三个方面。(1)它强调了进行适当的心理学与情感相关的研究的挑战;（2）它提供了一个全面的文献综述在情感理论;（3）它提出了指导方针进行心理经验软件工程。
2015-09-17 cs.HC cs.SE
To What Extent Cognitive-Driven Development Improves Code Readability?
认知驱动开发（CDD）是一种编码设计技术，旨在减少开发人员在理解给定代码单元（例如，类）。通过遵循CDD设计实践，预计编码单元将更小，因此更容易维护和发展。然而，到目前为止还不知道这些使用CDD标准编码的较小代码单元是否确实更容易理解。在这项工作中，我们的目标是评估CDD如何提高代码的可读性。为了实现这一目标，我们进行了两个阶段的研究。我们首先邀请专业软件开发人员投票（并证明他们的理由）最可读的代码片段对（从一组10对）;其中一对是使用CDD实践编码的。共收到133个回复。在第二阶段，我们将最先进的可读性模型应用于10对CDD指导的重构。我们观察到一些相互矛盾的结果。一方面，开发人员认为（10个中的）7个CDD引导的重构比它们的对应重构更具可读性;对于另外两个CDD引导的重构，开发人员尚未决定，而只有在一个CDD引导的重构中，开发人员更喜欢原始代码片段。另一方面，我们注意到只有一个CDD引导的重构具有更好的性能可读性，由最先进的可读性模型评估。我们的研究结果提供了初步的证据，CDD可能是一个有趣的软件设计方法。
2022-06-21 cs.SE
"Should I Give Up Now?" Investigating LLM Pitfalls in Software Engineering
University of Toronto（多伦多大学）；Northeastern University（东北大学）；University of Chicago（芝加哥大学）
研究LLM在软件工程中的缺陷，通过分析26名参与者的复杂网页开发任务数据，发现九种失败类型，包括不准确或不完整响应、认知过载和上下文丢失，发现不帮助的响应增加了放弃的可能性，而更多提示减少了放弃概率。
2026-04-13 cs.SE
Code Drones
我们提出并探索了一种称为代码无人机的新范式，其中每个软件工件（如类）都是智能和社交活跃的实体。在这种模式中，人性化的工件带头并编排（社会上，与其他智能软件工件和人类合作）自动化软件工程解决方案，以应对无数的开发和维护挑战，包括API迁移，重用，文档编制，测试，修补和重构。我们讨论了具有社会和智能/认知软件工件，指导自己的自我完善的影响。
2016-02-17 cs.SE
The Software Infrastructure Attitude Scale (SIAS): A Questionnaire Instrument for Measuring Professionals' Attitudes Toward Technical and Sociotechnical Infrastructure
Dalhousie University（达尔豪斯大学）；University of Helsinki（赫尔辛基大学）；Northwestern University（西北大学）；University of Calgary（卡尔加里大学）；Mahidol University（玛希隆大学）；New York Institute of Technology（纽约理工学院）；King Saud University（沙特国王大学）；NADI, University of Namur（纳穆尔大学 NADI）；Shinshu University（信州大学）；Heidelberg University（海德堡大学）；University of Bayreuth（拜罗伊特大学）；Bilkent University（比尔肯特大学）
本文提出SIAS量表，用于测量软件专业人员对技术和社会技术基础设施的态度，通过心理测量方法验证了其有效性。
2025-11-30 cs.SE
Unit Testing Past vs. Present: Examining LLMs' Impact on Defect Detection and Efficiency
本文通过实验对比LLM支持与手动单元测试，发现LLM支持显著提升单元测试生成数量、缺陷检测率和测试效率，为LLMs在软件测试中的实际应用提供实证依据。
2025-02-13 cs.SE
Tether: A Personalized Support Assistant for Software Engineers with ADHD
本文提出 LLM 驱动的桌面应用 Tether，融合活动监控、RAG 与游戏化，为患 ADHD 的软件工程师提供情境化专注与对话支持。
2025-09-02 cs.SE
A Human-Centred Architecture for Large Language Models-Cognitive Assistants in Manufacturing within Quality Management Systems
Laboratory for Machine Tools and Production Engineering (WZL) of RWTH Aachen University（鲁姆哈根工业大学机械加工与生产工程实验室）
本文提出一种基于组件的架构，用于将LLM-CAs集成到制造业QMS中，提升灵活性、可扩展性和知识管理。
2026-03-17 cs.AI cs.SE
Watson: A Cognitive Observability Framework for the Reasoning of LLM-Powered Agents
Centre for Software Excellence, Huawei Canada（华为加拿大卓越软件中心）；Queen's University, Kingston, Canada（皇后大学）
Watson框架通过提示归因技术追溯推断LLM智能体的隐式推理过程，在不改变其行为的前提下实现认知可观测性，并在多个基准和智能体上验证了其对提升Agentware系统透明度和可靠性的实用价值。
2025-09-19 cs.AI cs.SE
Human and Machine: How Software Engineers Perceive and Engage with AI-Assisted Code Reviews Compared to Their Peers
该研究通过访谈20名软件工程师，对比分析了LLM辅助代码评审与人类同行评审在认知、情感和行为参与维度上的差异，揭示了LLM评审降低情绪调节需求但可能增加认知负荷，且其反馈采纳受信任和上下文缺失限制，为AI与人类在软件工程中的协作提供了见解。
2025-01-03 cs.SE
The Cognitive Circuit Breaker: A Systems Engineering Framework for Intrinsic AI Reliability
Jonathan Pan
本文提出认知电路断路器框架，通过提取模型前向传递中的隐藏状态，计算认知不一致度，以实现低延迟的内在可靠性监控，同时展示其在分布外泛化中的有效性。
2026-04-15 cs.AI cs.SE
Comprehension Debt in GenAI-Assisted Software Engineering Projects
Karlstad University（卡尔斯特德大学）
研究探讨生成人工智能工具在软件工程项目中导致理解债务的机制，识别四种积累模式和一种缓解模式，强调通过验证实践和结构化回顾减少集体认知债务。
2026-04-14 cs.SE
Assessing Practitioner Beliefs about Software Defect Prediction
仅仅因为软件开发人员说他们相信“X”，并不一定意味着“X”是真的。正如这里所示，在最近的软件工程文献中列出了许多信念，这些信念只得到一小部分可用数据的支持。因此，我们要问，信念和证据之间的这种脱节的根源是什么？为了回答这个问题，我们在数十个开源项目中看到的30万多个变化中寻找十个信念的证据。其中一些信念在所有项目中都得到了强有力的支持;特别是，“涉及更多添加和删除行的提交更容易出现bug”和“由其所有者（贡献最多更改的人）贡献较少行的文件更容易出现bug”。大多数被研究的广泛持有的信念在数据中只得到零星的支持;即大的影响可能出现在项目数据中，然后在随后的发布中消失。这种零星的支持解释了为什么开发人员相信与他们以前的工作相关的东西，但不一定是他们当前的工作。我们的结论是，我们需要改变与软件工程争论的性质。具体而言，虽然报告当前有效的影响很重要，但报告随着时间的推移会发生哪些影响也很重要。
2020-04-08 cs.SE
Assessing the Software Security Comprehension of Large Language Models
University of Notre Dame（诺丁汉大学）
本研究评估了五种大语言模型在软件安全方面的认知能力，发现其在低阶任务表现良好，但在高阶任务如推理和系统设计上存在显著不足，并识别出51种常见误解模式。
2025-12-24 cs.CR cs.LG cs.SE
Corporate Training in Brazilian Software Engineering: A Quantitative Study of Professional Perceptions
CESAR School（CESAR学院）
本文通过定量分析，探讨影响软件工程师对企业培训质量与效果感知的因素，发现认知参与、活动多样性及教师表现是主要预测因素，强制参与降低动机和培训质量。
2026-04-06 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
Lowering the Barrier to Reuse through Test-Driven Search
专门的软件搜索引擎可以为开放源码软件库或内部软件资产编制索引，从而大大提高了找到适合重用的软件组件的机会。然而，他们仍然把评估和测试组件的工作留给开发人员。为了显著地改变软件重用中涉及的风险-成本-收益权衡，搜索引擎需要由用户友好的环境支持，该环境将代码搜索功能非侵入性地提供给开发人员的指尖。
2013-03-22 cs.SE
Studying and Automating Issue Resolution for Software Quality
William & Mary（威廉与玛丽学院）
本研究通过提升issue报告质量、表征开发者工作流程和自动化解决任务，推动AI驱动的issue解决，提升软件质量。
2025-12-11 cs.SE
AI IDEs or Autonomous Agents? Measuring the Impact of Coding Agents on Software Development
Carnegie Mellon University（卡内基梅隆大学）
研究探讨了基于LLM的编码代理对软件开发的影响，发现其在提升开发速度方面效果有限，但对软件质量产生持续负面影响，强调了需加强质量保障和选择性部署自主代理的重要性。
2026-01-27 cs.SE
Digital Mentor: towards a conversational bot to identify hypotheses for software startups
软件创业公司开发创新的软件密集型产品和服务。这种背景导致了他们正在构建的软件的不确定性。实验是一个测试产品假设的过程，可以帮助这些公司通过不同的循证方法减少不确定性。实验的第一步是确定要检验的假设。HyMap是一种技术，在这种技术中，引导者帮助软件初创公司的创始人绘制一张认知地图，代表她对上下文的理解，并在此基础上创建关于要构建的软件的假设。在本文中，我们提出了数字导师，一个正在进行的对话机器人，以帮助创建一个HyMap，而不需要一个人的主持人。我们报告的解决方案，包括一个Web应用程序与后端的自然语言理解系统，目前的发展状况，我们面临的挑战，到目前为止，我们计划向前迈进的下一步。
2022-04-01 cs.SE
Assisting Novice Developers Learning in Flutter Through Cognitive-Driven Development
本研究通过线下Flutter训练营，探索认知驱动开发（CDD）对新手学习者的帮助，发现其能降低代码复杂度，更严格限制使代码量减少20%，提升质量与可读性。
2024-08-20 cs.SE
Mitigating Prompt-Induced Cognitive Biases in General-Purpose AI for Software Engineering
Collegium Helveticum at ETH Zurich（ETH苏黎世学院）；University of Zurich（苏黎世大学）；University of Italian-speaking Switzerland（意大利语瑞士大学）
研究探讨了提示诱导认知偏差对软件工程决策支持系统的影响，通过动态基准测试发现，提示工程未能显著降低偏差敏感性，但引入基于最佳实践的推理方法可平均降低51%的偏差敏感性。
2026-04-22 cs.AI cs.SE
Rocks Coding, Not Development--A Human-Centric, Experimental Evaluation of LLM-Supported SE Tasks
Beijing University of Posts and Telecommunications（北京邮电大学）；University of Melbourne（墨尔本大学）
本文通过109人参与的受控实验评估ChatGPT在编码与典型软件开发任务中的实际表现，发现其擅长简单编码但对典型开发任务支持有限，并揭示人机交互与结果的关系，进而呼吁设计新型交互机制以提升开发者与LLM协作效果。
2024-02-21 cs.AI cs.SE
From Domain Understanding to Design Readiness: a playbook for GenAI-supported learning in Software Engineering
Carnegie Mellon University（卡内基梅隆大学）
本文探讨了利用生成式AI辅助学习在软件工程领域理解与建模方法中的应用，通过实验发现AI tutor在准确性与相关性方面表现优异，但支持性不足，提出17项教学实践以优化AI辅助学习效果。
2026-03-31 cs.AI cs.SE
Applying SHAPR in AI-Assisted Research Software Development: Lessons Learnt from Building a Share Trading System
School of Business, Law, Humanities and Pathways University of Southern Queensland（南昆士兰大学商业、法律、人文与路径学院）
本文通过构建模块化股票交易系统案例，展示了SHAPR框架在AI辅助软件开发中的应用，强调持续文档更新、合同稳定编码、源码层提升连贯性等核心方法与贡献。
2026-04-16 cs.HC cs.SE
Tool-Supported Architecture-Based Data Flow Analysis for Confidentiality
针对设计阶段评估系统机密性的需求，本文基于现有概念重新实现了一个基于Java架构的数据流分析工具，用于识别访问违规，评估表明其在特定场景下比现有分析具有更好的可扩展性。
2023-08-03 cs.CR cs.SE
LLMs taking shortcuts in test generation: A study with SAP HANA and LevelDB
THK-AI Research Cluster（THK人工智能研究集群）；TH Köln（TH科伦大学）
本文研究大语言模型在软件自动化测试生成中的行为，通过对比开源系统LevelDB与商用数据库SAP HANA的测试表现，揭示LLMs在熟悉领域表现优异但面对新复杂领域时依赖编译性而非语义有效性，强调需建立惩罚捷径、奖励泛化的能力评估框架。
2026-04-15 cs.AI cs.SE
