A Systematic Literature Review on Task Recommendation Systems for Crowdsourced Software Engineering
本文依据Kitchenham和Charters指南对65项研究进行SLR,分类梳理CSE任务推荐系统的数据来源、方法、优势局限、任务类型、平台特征及人为因素,并指出研究空白与未来方向。
2025-03-18 cs.SE
A Systematic Mapping Study of Crowd Knowledge Enhanced Software Engineering Research Using Stack Overflow
该研究开展系统映射研究,分析18个知名SE期刊会议的384篇基于Stack Overflow的论文,划分10个主题,明确各领域使用情况、发文趋势及高潜力方向,为SE研究者利用SO数据提供参考。
2024-08-15 cs.SE
From Law to Gherkin: A Human-Centred Quasi-Experiment on the Quality of LLM-Generated Behavioural Specifications from Food-Safety Regulations
University of Ottawa(渥太华大学)
本文通过准实验评估LLMs从法律文本生成Gherkin规范的能力,发现其在相关性和清晰性方面表现良好,但需人类监督以纠正遗漏和幻觉。
2026-03-11 cs.SE
Crowdsourcing: A Framework for Usability Evaluation
本研究针对传统软件可用性评估成本高、耗时长的问题,通过系统映射研究、多组对比实验及案例研究,构建并验证了众包可用性检查框架,证明新手在启发式规则指导下可达到专家评估水平,为预算有限的软件公司提供了可行的可用性评估方案。
2024-08-13 cs.HC cs.SE
Crowdsourced Behavior-Driven Development: Implementing Microservices through Microtasks
软件工程众包方法有效性的关键是工作流设计,描述如何将复杂的工作组织成小的,相对独立的微任务。在本文中,我们介绍了一种行为驱动开发(BDD)工作流,用于通过自包含的微任务完成编程工作,该工作流作为一个称为Crowd微服务的预配置环境实现。在我们的方法中,代表软件团队的客户端将微服务描述为一组具有路径、请求和响应的端点。然后,群组实现端点,识别它们测试、实现和调试的各个端点行为,创建新函数并根据需要与持久性API交互。为了评估我们的方法,我们进行了一项可行性研究,其中一小群人致力于实现小型ToDo微服务。人群创建了一个只有四个缺陷的实现,完成了350个微任务,实现了13个功能。我们讨论了这些研究结果的影响,将众包编程的贡献到传统的软件项目。
2020-09-02 cs.HC cs.SE cs.SI
Towards Better Requirements from the Crowd: Developer Engagement with Feature Requests in Open Source Software
本研究考察开源软件中功能请求的自然语言缺陷及开发者澄清行为,发现请求常存在歧义或不完整,但开发者更关注项目目标与可行性而非文本澄清。
2025-07-17 cs.SE
Agile and Student-Centred Teaching of Agile/Scrum Concepts
本文介绍了以Agile/Scrum为核心的软件工程项目管理课程的教学改革经验,分析了适配大规模学生、兼顾真实性与可扩展性的混合式课程结构及在线评估方案。
2025-06-17 cs.SE
Multilingual Crowd-Based Requirements Engineering Using Large Language Models
提出基于大语言模型的DeeperMatcher方法,帮助敏捷团队匹配问题与用户评论,实现多语言众包需求工程,并在英文和巴西葡萄牙语数据上初步验证,准确性依赖文本嵌入方法。
2024-08-12 cs.SE
Bootstrapping Cookbooks for APIs from Crowd Knowledge on Stack Overflow
成熟的库通常都有API文档。然而,它们经常缺乏示例和解释,可能难以有效地重用它们。Stack Overflow是一个面向软件开发相关问题的问答网站。尽管越来越多地采用堆栈溢出,但与特定主题相关的信息(例如,API)分布在整个网站上。因此,Stack Overflow仍然缺乏对现有群众知识的组织。我们的目标是通过提供一个替代工件来解决API文档质量差的问题,该工件基于Stack Overflow上可用的群众知识来记录API,称为群众食谱。烹饪书是一本以食谱为导向的书,我们将我们的烹饪书称为人群烹饪书,因为它包含了人群生成的内容。烹饪书的目的是通过探索过程来使用,即浏览。在本文中,我们提出了一种半自动的方法,该方法组织了Stack Overflow上可用的人群知识,以构建API的食谱。我们已经为软件开发社区广泛使用的三种API生成了食谱:SWT,LINQ和QT。我们还定义了人群食谱必须满足的期望属性,并且我们对人类受试者的食谱进行了评估。结果表明,使用我们的方法构建的食谱,一般来说,满足这些属性。作为一个亮点,大多数食谱被认为是适当的,在食谱和有自我包含的信息。我们的结论是,我们的方法是能够自动生成足够的食谱,这可以是手动制作的食谱一样有用。这为API设计者提供了一个机会,可以用来自人群的不同观点来丰富现有的食谱,甚至可以生成新食谱的初始版本。
2019-03-21 cs.SE
Generating Code Summaries Using the Power of the Crowd
执行大多数软件维护活动(如更新功能或修复错误)的第一步是对程序的源代码有相对较好的理解,这些代码通常由其他开发人员编写。代码摘要是关于程序实体的描述(例如,它的方法),这有助于开发人员在更短的时间内更好地理解代码。然而,生成代码摘要可能是一项具有挑战性的任务。为了缓解这个问题,在本文中,我们介绍了CrowdSummarizer,这是一个代码摘要平台,它受益于众包、游戏化和自然语言处理的概念,可以自动为Java程序的方法生成高级摘要。我们已经实现了CrowdSummarizer作为Eclipse插件,以及一个基于Web的代码摘要游戏,可以由人群玩。两个实证研究,评估方法的适用性和生成的摘要的质量的结果表明,CrowdSummarizer是有效的生成质量的结果。
2016-12-12 cs.SE
Query Expansion Based on Crowd Knowledge for Code Search
由于代码搜索是软件开发实践中频繁的开发人员活动,因此提高代码搜索的性能是一项关键任务。在基于文本检索的代码检索技术中,术语不匹配问题是影响检索效率的关键语言问题。查询扩展通过对查询的重新定义,为解决术语不匹配问题提供了有效的途径。在本文中,我们提出了查询扩展基于群体知识(QECK),一种新的技术,以提高代码搜索算法的性能。QECK从Stack Overflow上的高质量伪相关反馈问题和答案对中识别特定于软件的扩展词,以自动生成扩展查询。此外,我们将QECK的经典Rocchio的模型,并提出基于QECK的代码搜索方法QECKRocchio。我们进行了三个实验,以评估我们的QECK技术和调查QECKRocchio在一个大规模的语料库,包含真实世界的代码片段和问答对集合。结果表明,QECK在精度上提高了三种码搜索算法的性能,提高了64%,在NDCG上提高了35%。同时,与现有的查询扩展方法相比,QECK Rocchio方法在精度上提高了22%,在NDCG上提高了16%。
2017-03-04 cs.SE
Human-Centred Requirements Engineering for Critical Systems: Insights from Disaster Early Warning Applications
School of Information Technology, Deakin University(迪肯大学信息技术学院);Faculty of Information Technology, Monash University(蒙纳士大学信息技术学院)
提出以人为中心的需求工程过程,通过结构化文献综述和实证验证,为灾害预警系统生成包容性设计需求目录,并评估其有效性。
2026-06-16 cs.SE
From Zero to The Hero: A Collaborative Market Aware Recommendation System for Crowd Workers
Stevens Institute of Technology(史蒂文斯理工学院)
软件众包的成功依赖于活跃和值得信赖的工人供应池。人群工作者行为的不确定性使得预测工作者的成功并相应地计划具有挑战性。在竞争激烈的众包市场中,对共享任务的成功竞争给众包工作者的决策过程增加了另一层不确定性。对软件工作者行为的初步分析显示,82.9%的任务丢失率令人震惊。这些因素导致需要一个自动化的推荐系统,以提高CSD工作人员在竞争中成功的可见性和可预测性。为此,本文提出了一个协同推荐系统的人群工作者。建议的推荐系统方法使用五个输入指标的基础上工人的合作历史,工人的喜好,在采取任务的奖金和持续时间,工人的专业,和工人的熟练程度。然后,所提出的方法建议最合适的任务,工人竞争的基础上,工人的成功概率的任务。对260名活跃人群工作者的实验结果表明,仅遵循任务推荐的前三个成功概率,工作者的成功率可达86%
2021-07-06 cs.HC cs.LG cs.SE
Do Research Software Engineers and Software Engineering Researchers Speak the Same Language?
本文研究研究软件工程师与软件工程研究者之间的术语分歧,通过系统化术语映射方法识别概念对齐与知识差距,为促进双方相互学习和协作奠定基础。
2025-07-03 cs.SE
Reframing Societal Discourse as Requirements Negotiation: Vision Statement
空间规划方面的挑战包括根据人口的增加或减少调整住区模式;还包括在农村和周边环境中组织粮食运送。讨论通常从一个开放的问题开始,并寻求全面和创新的解决方案。通常需要软件来实现创新。空间规划问题的特点是涉及大量不同的利益攸关方群体,如市政当局、公司、利益集团、公民、妇女和男子、青年和儿童。目前的参与技术缓慢、费力、昂贵,往往会错过许多利益攸关方或利益集团。我们提出了一个三重转变的观点:(1)话语被重新定义为一个明确的目标,以国家的软件,硬件和组织的需求过程。(2)由于空间规划问题的上述特点,我们建议使用需求工程(RE)和CrowdRE的利益相关者(例如用户组)参与的技术。(3)我们建议将视频作为一种媒介,在官员、公民、儿童和老人的混合人群中有效地沟通问题、解决方案和争论。虽然很少有空间规划问题可以单独通过软件解决,但这种新的视角无论如何都有助于集中讨论。可再生能源技术可以帮助找到共同点,尽管有不同的利益相关者群体,例如公民。数字需求和视频非常适合通过互联网促进分发,反馈和话语。在本文中,我们提出了这个新的视角作为一个及时的机会,空间规划领域-作为一个日益重要的应用领域的CrowdRE。
2017-08-01 cs.SE
Requirements Elicitation and Modelling of Artificial Intelligence Systems: An Empirical Study
人工智能(AI)系统在最近的过去获得了巨大的吸引力,在构建AI软件系统时,在需求工程(RE)中产生了新的挑战。人工智能实践的RE研究不多,也缺乏实证研究。此外,许多人工智能软件解决方案往往专注于技术方面,而忽视了以人为本的价值观。在本文中,我们报告了一个案例研究,使用我们的框架和支持工具,为人工智能系统以人为本的RE引出和建模的要求。我们的案例研究是一个移动健康应用程序,用于鼓励2型糖尿病患者减少久坐行为。我们与应用程序团队的三位专家进行了研究-软件工程师,项目经理和数据科学家。我们在研究中发现,在开发第一个版本的应用程序时,最初并没有考虑到大多数以人为本的方面。我们还报告了可再生能源在健康应用中面临的其他见解和挑战,例如,经常变化的要求。
2023-02-13 cs.SE
Towards a question answering assistant for software development using a transformer-based language model
问答平台,如Stack Overflow,已经极大地影响了开发人员如何为他们的编程问题寻找解决方案。这些平台提供的群众知识内容也被用来利用软件开发工具。自然语言处理的最新进展,特别是更强大的语言模型,已经证明了增强文本理解和生成的能力。在这种情况下,我们的目标是调查的因素,可以影响这种模型的应用程序,了解源代码相关的数据,并产生更多的交互式和智能助手的软件开发。在这个初步的研究中,我们特别调查,如果一个如何问题过滤器和上下文的水平的问题可能会影响的结果,一个问答转换器为基础的模型。我们认为,微调模型与语料库的基础上如何问题可以在模型中产生积极的影响,更多的语境化的问题也会导致更客观的答案。
2021-03-17 cs.SE
From Personas to Programming: Gender-specific Effects of Design Thinking-Based Computing Education at Secondary Schools
Technical University of Darmstadt(达姆施塔特工业大学);University of Passau(帕绍大学);University of Victoria(维多利亚大学)
研究探讨设计思维导向的计算教育是否能缩小性别差异,发现女生在自信心、兴趣和可持续性话题参与度上提升显著,而男生在技术任务中感到无聊但整体受益。
2026-03-27 cs.SE
Handling Numerous Stakeholders Requirements A Research Agenda and Preliminary Outcomes
本研究旨在设计与发展一种新的需求优先化方法,以分析与优先化软件产品回馈中所提到的涉众需求。本文介绍了博士研究议程和早期分析的初步成果。还概述了为实现目标结果而应遵循的拟议研究方法论的路线图。迄今为止的结果表明,需求优先级问题已经得到了广泛的研究,但是,在考虑处理大量众包需求的技术时,仍然存在差距。此外,需求优先级作为一个问题影响到软件工程以外的许多领域。因此,来自其他领域的知识对于软件工程领域的需求优先级实践是有用的。
2019-07-24 cs.SE
Integrating Mental Health, Well-Being, and Sustainability into Software Engineering Education
Technical University of Darmstadt(达姆施塔特工业大学);Chalmers University of Technology(查尔姆斯理工大学)
本文探讨通过设计关注幸福感的软件项目和课堂干预,将心理健康、可持续性和幸福感融入软件工程教育,提升学生的人文视角与社会责任感。
2026-03-25 cs.CY cs.SE
SHAPR: Operationalising Human-AI Collaborative Research Through Structured Knowledge Generation
School of Business, University of Southern Queensland(南昆士兰大学商学院)
SHAPR框架通过迭代循环和结构化知识单元,实现人机协作研究的透明、可重复和系统性改进,推动可扩展的知识导向研究实践。
2026-03-26 cs.SE
A Call to Promote Soft Skills in Software Engineering
多年来,我们一直在思考软件工程的其他方面;工程软件中缺少的环节是软件开发过程中必不可少的软技能集。虽然软技能是软件开发中最重要的方面之一,但它们往往被教育工作者和实践者所忽视。这种忽视的主要原因之一是,软技能通常与社会和个性因素有关,即,团队合作,动机,承诺,领导力,多元文化,情感,人际交往能力等。这篇社论是一个宣言,宣布软技能的重要性,在软件工程的意图,提请专业人士注意这些主题。我们已经通过提及我们对该领域的了解,我们认为是显而易见的,以及哪些主题需要进一步调查来解决这个问题。支持我们主张的重要参考资料也包括在内。软件工程师以其技术专长的深度为荣,这使他们从人群中脱颖而出。什么样的人才能成为一名优秀的软件工程师?首先,它是有关方法和技术的技术知识(即硬技能),以及在实践中应用这些知识所需的技能。第二,但仍然很重要,它是一套软技能,特别是协作,沟通,解决问题和类似的人际关系和批判性思维技能,这是软件工程专业人员所期望的。换句话说,软件工程师需要硬技能和软技能,才能在工作场所取得成功。
2018-12-12 cs.SE
Integrating Human-Centric Approaches into Undergraduate Software Engineering Education: A Scoping Review and Curriculum Analysis in the Australian Context
本文通过 PRISMA-ScR 范围综述识别 HCSE 教学主题与方法,并分析澳大利亚本科软件工程课程,提出与软件工程过程对齐的主题支架建议。
2024-08-08 cs.SE
Let's hear it from RETTA: A Requirements Elicitation Tool for TrAffic management systems
交通管理(TM)领域的特点是不确定性,复杂性和不精确性。软件系统的复杂性,在TM领域,这有助于一个更具挑战性的需求工程(RE)的工作主要源于利益相关者的多样性和复杂性的需求获取在这一领域。这项工作带来了一个交互式的解决方案,探索交通管理领域的软件依赖系统的功能和非功能需求。我们对RETTA工具进行了原型设计,该工具利用了大众的智慧,并将其与自然语言处理和朴素贝叶斯等机器学习方法相结合,以帮助完成TM领域的需求启发和分类任务。这弥合了软件开发和交通工程领域的利益相关者之间的差距。RETTA原型主要是为TM领域的需求工程师和软件开发人员设计的,可以在基于Android的设备上使用。
2017-07-06 cs.SE
The EmpathiSEr: Development and Validation of Software Engineering Oriented Empathy Scales
Faculty of IT, Monash University(莫纳什大学信息技术学院);Monash Centre for Health Research & Implementation, Monash Health(莫纳什健康莫纳什健康研究与实施中心)
本文针对软件工程领域缺乏专用共情测量工具的问题,开发了并验证了两个特定领域的共情量表EmpathiSEr-P和EmpathiSEr-U,涵盖认知、情感和共情响应三个维度,为评估和增强软件团队及用户交互中的共情提供了首个心理测量学验证工具。
2026-10-05 cs.SE
Human Factors in Model-Driven Engineering: Future Research Goals and Initiatives for MDE
本文探讨了模型驱动工程(MDE)中被忽视的人为因素,26位专家通过研讨深入分析了建模者经验、多样性、协作等五个主题,并提出了未来研究目标与倡议,以构建关注人为因素和价值的MDE社区。
2024-04-29 cs.SE
Towards Extracting Software Requirements from App Reviews using Seq2seq Framework
本文提出将需求提取重构为基于Seq2seq的命名实体识别任务,设计融合BiLSTM、自注意力、GloVe和CRF的框架,在两个数据集上取得优于现有方法的F1表现。
2025-07-20 cs.SE
From Bugs to Benefits: Improving User Stories by Leveraging Crowd Knowledge with CrUISE-AC
针对需求不完整导致软件缺陷的问题,提出完全自动化方法 CrUISE-AC,利用 NLP 和 LLM 集成挖掘问题跟踪器信息,为敏捷用户故事生成额外验收标准,专家评估显示 80-82% 的生成标准能补充相关需求。
2025-05-02 cs.SE
The Divine Software Engineering Comedy -- Inferno: The Okinawa Files
本文基于2024年冲绳FUSE软件工程未来研讨会的讨论,以讽刺视角提炼出软件工程行业面临的三大发展噩梦,对行业未来走向作出了略带暗黑风格的解读。
2025-10-28 cs.SE
A Systematic Analysis of Higher Education on Software Engineering in the Netherlands
Open University(开放大学);Eindhoven University of Technology(埃因霍温理工大学);University of Florence(佛罗伦萨大学);University of Twente(特文特大学);Utrecht University(乌得勒支大学)
该研究对荷兰10所大学207门软件工程课程进行众包分析,通过源自SWEBOK的关键知识领域映射课程,经多阶段分析得出知识领域覆盖情况、集群及相关结论,还识别出代表性不足领域并邀请全球研究者借鉴此方法比较教育项目。
2026-07-10 cs.SE
Do the Machine Learning Models on a Crowd Sourced Platform Exhibit Bias? An Empirical Study on Model Fairness
Iowa State University(爱荷华州立大学)
机器学习模型越来越多地用于重要的决策软件中,例如批准银行贷款,推荐刑事判决,雇用员工等。重要的是确保这些模型的公平性,以便不会基于受保护的属性(例如,种族、性别、年龄)。已经开发了算法来测量不公平并在一定程度上减轻它们。在本文中,我们专注于对真实世界机器学习模型的公平性和缓解措施的实证评估。我们创建了一个由Kaggle中的40个顶级模型组成的基准,用于5个不同的任务,然后使用一套全面的公平性指标来评估它们的公平性。然后,我们在这些模型上应用了7种缓解技术,并分析了公平性,缓解结果以及对性能的影响。我们已经发现,一些模型优化技术的结果诱导模型中的不公平。另一方面,虽然在机器学习库中有一些公平性控制机制,但它们没有被文档化。缓解算法还表现出常见的模式,例如后处理中的缓解通常是昂贵的(就性能而言),并且在大多数情况下,预处理阶段中的缓解是优选的。我们还提出了不同的权衡选择的公平缓解决策。我们的研究提出了未来的研究方向,以减少理论上的公平意识算法和软件工程方法之间的差距,以利用它们在实践中。
2020-09-22 cs.LG cs.SE stat.ML
Gathering GitHub OSS Requirements from Q&A Community: an Empirical Study
跨社区合作可以利用不同社区人群的专业知识和知识。最近,越来越多的开源软件(OSS)社区(如GitHub)的用户试图从问答(Q&A)社区(如Stack Overflow(SO))收集软件需求。为了研究这种新兴的跨社区协作现象,本文对GitHub中OSS项目的跨社区需求收集进行了探索性研究。我们手动采样3266个实践案例,并定量分析了现象的流行程度,收集的需求的特点,以及跨社区的协作行为。研究结果表明:从SO收集的需求中,超过一半是增强型需求,大部分是非功能型需求,而且在收集过程中,OSS开发人员可以直接从SO中获得相关的解决方案和贡献。
2020-08-06 cs.SE
Mining Reddit Data to Elicit Students' Requirements During COVID-19 Pandemic
本研究提出从问题本身而非软件反馈中挖掘需求,利用 Reddit 数据与机器学习技术识别疫情期间学生需求,F 分数达 0.79,验证了可行性。
2023-07-26 cs.SE
Two's a Crowd: Human and AI-Based Copresence for Developers with ADHD
University of Michigan(密歇根大学)
本研究通过访谈14名ADHD软件工程师,揭示其依赖人机共在维持责任感与心流、避免社交焦虑,并基于Goffman理论与SPACE框架为AI工具提出包容性设计建议。
2026-10-26 cs.HC cs.SE
Semantically-enhanced Topic Recommendation System for Software Projects
Technical University of Delft(代尔夫特理工大学);University of Waterloo(滑铁卢大学);Bowling Green State University(博林格林州立大学)
软件相关的平台已经使得它们的用户能够协作地用主题来标记软件实体。用相关主题标记软件存储库可以用于促进各种下游任务。例如,为存储库分配一组正确且完整的主题可以提高其可见性。因此,这改善了诸如浏览、搜索、导航和组织存储库等任务的结果。不幸的是,分配的主题通常是非常嘈杂的,并且一些存储库没有良好分配的主题。因此,有努力推荐主题的软件项目,然而,这些主题之间的语义关系还没有被利用到目前为止。我们提出了两个推荐模型标记的软件项目,将主题之间的语义关系。我们的方法有两个主要阶段;(1)我们首先采取协作的方法来策划一个专门针对软件工程和开发领域的质量主题数据集。我们还丰富了这些数据与这些主题之间的语义关系,并封装在一个知识图谱,我们称之为SED-KGraph。然后,(2)我们建立了两个推荐系统;第一个系统只基于分配给知识库的原始主题列表和我们的知识图谱中指定的关系。然而,第二个预测模型假设没有主题可用于存储库,因此它继续基于软件项目的文本信息和SED-KGraph来预测相关主题。我们在一个众包项目中构建了SED-KGraph,有来自学术界和工业界的170名贡献者。实验结果表明,我们的解决方案优于基线,忽略主题之间的语义关系,至少有25%和23%的ASR和MAP指标。
2022-12-07 cs.IR cs.LG cs.SE
Realigning Incentives to Build Better Software: a Holistic Approach to Vendor Accountability
本文针对商业软件安全质量不足的问题,提出以软件责任为核心、整合法律、技术与金融机制的整体性技术和政策框架,并结合欧盟环境、OSS、AI 风险及 CrowdStrike 案例分析其作用。
2025-06-10 cs.CR cs.SE econ.TH
Improving Performance of Commercially Available AI Products in a Multi-Agent Configuration
Crowdbotics;Microsoft(微软)
本研究针对市售AI工具多智能体协同的实际案例较少的问题,测试了Crowdbotics PRD AI与GitHub Copilot的上下文共享,显著提升了代码建议能力和开发者任务成功率。
2024-10-29 cs.AI cs.SE