Toward Practical Deductive Verification: Insights from a Qualitative Survey in Industry and Academia
ETH Zurich(苏黎世联邦理工学院)
本文通过调研工业和学术界验证从业者,探讨了演绎验证成功应用的关键因素及阻碍其广泛采用的障碍,并提出改进可用性、自动化和工作流程集成的建议。
2026-01-23 cs.SE
Navigating the Path of Women in Software Engineering: From Academia to Industry
本文通过面向巴西女性的横断面混合方法调查,揭示其从大学到软件产业持续遭遇的性别偏见、骚扰与归属感缺失等系统性障碍,并提出组织改进建议。
2023-12-08 cs.SE
Industry-academia research collaboration and knowledge co-creation: Patterns and anti-patterns
Simula Research Laboratory(西穆拉研究实验室);Sintef Digital(挪威科技工业研究院数字分部);Sweetzpot(Sweetzpot公司)
增加软件工程研究在软件行业和整个社会的影响一直是软件工程社区高度优先关注的问题。两种文化的问题,在真空中进行的研究(与现实世界脱节),或不一致的时间范围只是阻碍成功的产学合作的许多复杂挑战中的一部分。本文报道了软件工程中工业界和学术界之间的研究合作和知识共同创造的经验,作为弥合研究与实践合作差距的一种方式。我们的经验跨越了软件工程研究人员与欧洲和挪威软件和IT行业之间14年的合作。使用参与观察和访谈的方法,我们收集并分析了大量的定性数据记录。根据研究结果和获得的经验,我们提供了一组14个模式和14个反模式的产学合作,旨在支持其他研究人员和从业人员在建立和运行研究合作项目在软件工程。
2022-04-29 cs.LG cs.SE
Beyond the Classroom: Bridging the Gap Between Academia and Industry with a Hands-on Learning Approach
本文介绍了一门融合理论与实践、结合行业技术的自适应软件系统课程,通过客座讲座和行业评委展示提升学生能力,经21名学生反馈及实证分析证明课程有效,还总结了教学挑战以指导相关新兴主题教育。
2025-04-14 cs.SE
Bridging the Quantum Divide: Aligning Academic and Industry Goals in Software Engineering
该立场文件探讨量子软件工程领域学术界与产业界的目标鸿沟,分析其成因与关键差距,提出通过协作开发实用工具和方法弥合鸿沟,促进双方对齐与生态可持续发展。
2025-02-10 cs.SE
Industry-Academia Research Collaboration in Software Engineering: The Certus Model
Simula Research Laboratory(西姆拉研究实验室)
内容:软件工程产业界和学术界之间的研究合作可以为双方带来重大利益,包括提高产业界的创新能力,以及激励和验证研究想法的现实环境。然而,在软件工程中建立可扩展和有效的研究合作是具有挑战性的。虽然这样的挑战可以是多种多样的,在本文中,我们专注于实现参与性知识创造的产业和学术界之间的积极对话和持续致力于联合解决问题的支持的挑战。目的:本文旨在了解成功的产学合作的要素是什么,使参与式知识创造的文化。方法:我们进行了参与观察收集定性数据之间的软件工程研究小组对软件V&V和挪威IT部门8年的合作研究。对收集的数据进行分析,并将其合成为一个实用的协作模型,称为Certus模型。结果:该模型分为七个阶段,描述了从设立研究项目到利用研究成果的活动。因此,Certus模型通过描绘涵盖参与性研究知识创造的完整生存周期的不同阶段,推进了文献中的其他合作模型。结论:Certus模型描述了软件工程研究人员和从业人员之间的研究协作过程的要素,基于研究知识共同创造和持续致力于联合解决问题的原则。该模式可以在其他情况下应用和测试,通过实验可以适应当地情况。
2022-04-23 cs.LG cs.SE
Bridging the Gap: A Study of AI-based Vulnerability Management between Industry and Academia
本文通过基于讨论的研究识别出工业界难以采用学术AI漏洞管理模型的三大障碍,并提出未来方向以提升研究的实际可用性并促进产学协同。
2024-05-03 cs.CR cs.SE
Bridging the Gap: Adapting Evidence to Decision Frameworks to support the link between Software Engineering academia and industry
Federal University of Mato Grosso do Sul (UFMS)(南马托格罗索联邦大学);Federal University of Amazonas (UFAM)(亚马孙联邦大学)
本文提出将证据到决策框架引入软件工程,以提升系统文献综述结果对产业实践的指导作用,并探讨其实施挑战。
2026-02-08 cs.SE
Insights from Publishing Open Data in Industry-Academia Collaboration
本文通过调查欧洲研究项目及分析Zenodo元数据,探讨产学研合作中开放数据发布的动机与经验,发现数据规划关键、复用脚本稀缺、许可证认知不足,并指出合成数据具有重要价值。
2025-01-24 cs.CY cs.SE
ResearchBot: Bridging the Gap between Academic Research and Practical Programming Communities
ResearchBot 通过模块化流程(理解问题、检索 CrossRef 论文、总结内容并回答)弥合学术研究与产业实践鸿沟,为开发者提供简洁的研究摘要以支持学习与决策。
2025-05-22 cs.SE
Aligning Academia with Industry: An Empirical Study of Industrial Needs and Academic Capabilities in AI-Driven Software Engineering
Beihang University(北京航空航天大学);Monash University(蒙纳士大学);Peking University(北京大学);Singapore Management University(新加坡管理大学)
本文通过分析学术研究与工业需求的差距,揭示AI驱动软件工程中的关键挑战,旨在引导未来研究更贴近实际应用。
2025-12-17 cs.SE
AI for Better UX in Computer-Aided Engineering: Is Academia Catching Up with Industry Demands? A Multivocal Literature Review
Siemens AG(西门子公司);Chalmers University of Technology(查尔姆斯理工大学);Eindhoven University of Technology(埃因霍温理工大学);Malmö University(马尔默大学)
本文通过多来源文献综述揭示AI提升CAE用户体验方面学术界与行业实践之间的显著差距,指出AI引导、自适应界面和工作流自动化是未来研究的关键机遇。
2025-07-22 cs.AI cs.HC cs.SE
An Experience Report On Applying Software Testing Academic Results In Industry: We Need Usable Automated Test Generation
软件工程研究对当前工业实践的影响是什么?在本文中,我报告了我作为博士/博士后在软件工程研究项目中工作的直接经验,然后在接下来的五年里在两家不同的公司担任工程师(第一家是我在博士后期间合作的公司)。鉴于我有软件工程研究的背景,在开发和测试这些公司的系统时,我在日常工作中使用了哪些学术界的尖端技术和工具?关于确认和验证(我的主要研究领域),答案相当简短:据我所知,只有FindBugs。在本文中,我报告了为什么会出现这种情况,并讨论了我们在工业中面临的所有具有挑战性的,复杂的开放性问题,这些问题在学术界被“忽视”了。特别是,我将首先讨论我在日常工作中可以使用的实际工具,例如JaCoCo和Selenium。然后,我将讨论我面临的主要开放问题,特别是与环境模拟器,单元和Web测试有关的问题。然后介绍了当前学术界的热门话题,如UML、回归测试和变异测试。然后讨论了他们对我在工业界工作的项目类型缺乏影响。最后,从这个行业的经验,我提供了我的意见,如何改善这种情况,特别是有关如何评估学者,并倡导更多地参与开源项目。
2019-01-12 cs.SE
Adopt-an-AI-Researcher: Bootstrapping Industry-Academia Collaboration to Identify and Prioritise Generative AI Use Cases
Tampere University(坦佩雷大学)
本研究以能源公司为例,通过半结构化访谈等收集数据,分析员工对人工智能采用的理解,确定其有用领域及引入方式,为能源行业人工智能应用提供概述及实施切入点,助力跨行业比较研究。
2026-10-06 cs.CY cs.SE
GitHub Marketplace: Driving Automation and Fostering Innovation in Software Development
本研究针对学术与产业软件自动化实践脱节的问题,对2017年推出的GitHub Marketplace开展系统性分析,对比产业工具趋势与学术进展,明确学界可助力实际创新的方向。
2025-08-02 cs.SE
The Future of Generative AI in Software Engineering: A Vision from Industry and Academia in the European GENIUS Project
Akkodis Germany Solutions GmbH(德国Akkodis解决方案公司);University of Hildesheim(希尔德斯海姆大学);University of Innsbruck(因斯布鲁克大学);Bilkent University(比尔肯特大学);King’s College London(伦敦国王学院)
本文基于欧洲GENIUS项目提出GenAI驱动软件工程的愿景,系统梳理SDLC各阶段应用挑战,展望未来五年技术方法进展与专业人员角色转变,并强调通过实用工具和工业验证推动可靠、可扩展的产业级解决方案。
2025-11-06 cs.AI cs.SE
Transferring Interactive Search-Based Software Testing to Industry
基于搜索的软件测试(SBST)是将优化算法应用于软件测试中的问题。在以前的工作中,我们已经实现和评估了基于交互式搜索的软件测试(ISBST)工具原型,目标是成功地将技术转移到行业。虽然SBSE解决方案通常在基准问题上进行验证,但需要在操作环境中验证它们。本文件讨论了SBST工具的开发和部署,供工业界使用,并反映了这些技术向工业界的转让。除了以前的工作讨论的ISBST原型的开发和验证,一个新版本的原型ISBST系统进行了评估,在实验室和工业。该评估基于工业系统测试(SUT),并与工业从业人员一起进行。技术转移模型是用来作为一个框架来描述的ISBST系统的开发和评估的进展。本文介绍了以前的工作开发和评估的ISBST原型,以及提出一个评估,在学术界和工业界,该原型的最新版本的综合。本文介绍了一个概述的开发和部署的ISBST系统在工业环境中,使用的技术转移模型的框架。我们的结论是,ISBST系统是能够发展有用的测试用例的设置,虽然系统使用的方法来传达信息给用户的改进仍然需要。此外,还列出并讨论了从该项目中吸取的一系列经验教训。我们的目标是帮助其他研究人员,希望在工业中验证基于搜索的系统,并提供更多的信息,这些系统的优点和缺点。
2018-04-24 cs.SE
Engineering a Governance-Aware AI Sandbox: Design, Implementation, and Lessons Learned
Faculty of Information Technology and Communication Sciences, Tampere University(坦佩雷大学信息与传播科学学院);DIMECC Ltd(DIMECC有限公司)
针对产学研协作AI实验中的治理需求,设计并实现了一个多租户AI沙箱,采用分层参考架构,支持受控访问、可追溯实验和可复用评估证据,并总结了开发经验。
2026-06-25 cs.SE
Towards an Architecture-centric Methodology for Migrating to Microservices
针对微服务迁移缺乏系统指导、从业者难用学术成果的问题,本文设计以架构为中心的迁移方法论,提出覆盖三阶段的指导框架,整合各类科研方法技术,后续将配套工具助力架构师高效完成迁移。
2022-07-01 cs.SE
Painting the Landscape of Automotive Software in GitHub
汽车行业已经从机电行业转变为软件密集型行业。目前的高端生产车辆包含1亿多行代码,超过了现代飞机,大型强子对撞机,Android操作系统和Facebook的前端软件,在代码大小上有很大的优势。今天,据报道,包括苹果、谷歌、华为、百度和索尼在内的全球软件公司都在努力将他们的汽车推向道路。本文探讨了开源汽车软件的前景,第一次看到了这个多学科的行业,该行业有着悠久的闭源开发历史。我们通过描述汽车软件的特点和开发风格,描绘了GitHub上汽车软件的前景。这一格局是由15,000多名用户在2010年至2021年的12年内创建的约600个积极开发的汽车软件项目所定义的。这些项目包括与车辆动力学相关的软件; LiDAR和摄像头等传感器的固件和驱动程序;感知和运动控制算法;以及集成上述内容的完整操作系统。该领域的发展由工业界和学术界共同引领,三分之一的积极开发的汽车软件库由一个组织拥有。我们观察到了多个维度的变化,包括从MATLAB到Python的首选语言,以及感知和决策相关软件相对于传统汽车软件的流行。这项研究见证了开源汽车软件的蓬勃发展,为未来的研究和实践带来了许多影响。
2022-03-27 cs.SE
"Don't Be Afraid, Just Learn": Insights from Industry Practitioners to Prepare Software Engineers in the Age of Generative AI
William & Mary(威廉与玛丽学院)
本文通过调研51名行业从业者和11次访谈,发现生成式AI对软件工程师技能需求产生影响,提出教育界应整合GenAI并改进评估方法的建议。
2026-04-07 cs.AI cs.SE
From Academia to Software Development: Publication Citations in Source Code Comments
学术出版物根据其对研究界的影响进行了评估,这些影响基于许多指标,例如引用次数。另一方面,学术出版物对产业的影响却很少被研究。本文通过分析开源软件库中源代码注释中的学术出版物引用,研究了学术出版物如何为软件开发做出贡献。本文提出了一种基于命名实体识别的学术出版物自动检测方法,检测精度达到了$F_1$中的0.90。我们进行了一项大规模的研究出版物引用319,438,977评论收集从25,925活跃的存储库写在七个程序设计语言。我们的研究结果表明,学术出版物可以为软件开发的知识来源。这些引用的出版物尤其来自期刊。在知识转移方面,算法是从出版物中转移的最普遍的知识类型,所提出的公式或方程通常在源代码文件中的方法或函数中实现。在仔细研究引用学术出版物的GitHub存储库时,我们发现科学相关的存储库在有出版物引用的GitHub存储库中是最常见的,并且这些出版物中的绝大多数被与出版物作者不同的存储库所有者引用。我们还发现,引用旧的出版物可能会导致与过时的知识有关的潜在问题。
2020-05-01 cs.DL cs.SE
Preserving Privacy in Software Composition Analysis: A Study of Technical Solutions and Enhancements
针对软件成分分析(SCA)需上传源代码至远程服务器导致的隐私问题,首次分析其隐私需求并提出技术方案全景图,优化基于多方计算(MPC)的框架,将开销从184倍降至8.5%且不损失隐私与准确性。
2024-12-01 cs.CR cs.SE
Privacy Engineering From Principles to Practice: A Roadmap
本文提出隐私工程从原则到实践的路线图,指出尽管已有多种低层原语和高层方法,仍需在研究和实践中考虑更多因素以推动其在现实系统中的采用。
2024-04-04 cs.CR cs.CY cs.SE