Quantum Software Engineering: Roadmap and Challenges Ahead
本文分析了量子软件工程的研究现状，识别了关键领域与未来几年亟待解决的开放挑战，为推进该领域指明了必要突破与未来研究方向。
2024-12-17 cs.SE
Just Enough, Just in Time, Just for "Me": Fundamental Principles for Engineering IoT-native Software Systems
通过无缝集成日常物品并改变我们与周围环境互动的方式，物联网（IoT）正在大幅改善家庭的生活质量并提高企业的生产力。鉴于物联网独特的特性，物联网应用已经从主流应用类型中脱颖而出。受可编程世界前景的启发，我们进一步预见了设计，开发，部署和维护软件系统的物联网原生趋势。然而，尽管物联网软件项目的挑战经常被讨论，但解决这些挑战仍处于“跨越鸿沟”时期。通过参与几个不同的物联网项目，我们逐渐提炼出了设计物联网原生软件系统的三个基本原则，例如刚刚好、及时和只为“我”。这些原则针对的是与物联网环境最典型特征相关的挑战，从资源限制到物联网设备的技术异构性。我们希望这项研究能够为物联网原生软件工程这一主题引发专门的努力、技术和理论。
2022-01-24 cs.SE
Towards a Roadmap on Software Engineering for Responsible AI
Data61, CSIRO（联邦科学与工业研究组织Data61部门）
尽管人工智能正在改变世界，但人们对其行为和负责任地做出决策的能力存在严重担忧。最近发布了许多关于负责任人工智能的道德法规、原则和框架。但是，它们的水平很高，很难付诸实践。另一方面，大多数人工智能研究人员专注于算法解决方案，而负责任的人工智能挑战实际上贯穿了人工智能系统的整个工程生命周期和组件。为了缩小责任人工智能的可操作性差距，本文旨在为责任人工智能制定软件工程路线图。该路线图的重点是（i）为负责任的人工智能系统建立多级治理，（ii）为负责任的人工智能系统建立包含面向过程的实践的开发流程，以及（iii）通过系统级架构风格，模式和技术将负责任的人工智能设计构建到人工智能系统中。
2022-03-09 cs.AI cs.SE
Integrating LLMs in Software Engineering Education: Motivators, Demotivators, and a Roadmap Towards a Framework for Finnish Higher Education Institutes
本研究通过初步文献综述和主题映射，识别出软件工程教育中LLM集成的25个动机和30个阻碍因素，并归类为四个主题，为芬兰高等教育机构提供集成框架的可行性评估和路线图。
2025-03-28 cs.SE
Software Engineering for IoT-Driven Data Analytics Applications
物联网驱动的数据分析（IoT-DA）有潜力超越智能环境的数据驱动运营。然而，关于如何在软件和系统工程生命周期的背景下设计，实施，运营和发展IoT-DA应用程序的研究有限。本文根据经验推导出一个框架，可用于系统地研究软件工程（SE）流程及其底层实践在设计IoT-DA应用程序中的作用。首先，使用现有的框架和分类法，我们开发了一个评估框架来评估软件过程，方法和其他人工制品的SE为物联网-DA。其次，我们进行了系统的映射研究，定性地选择16个过程（从学术研究和工业解决方案）的SE为物联网-DA。过程活动），对16个SE过程中的每一个进行细粒度的调查。第四，我们将我们提出的框架应用于案例研究，以展示IoT-DA医疗保健应用程序的开发。最后，我们强调了关键的挑战，建议的做法，并吸取了经验教训的基础上框架的支持，以过程为中心的软件工程的物联网-DA。这项研究的结果可以促进研究人员和从业人员工程新兴的和下一代的物联网-DA软件应用程序。
2021-03-20 cs.SE
Foundation Models for Software Engineering of Cyber-Physical Systems: the Road Ahead
Simula Research Laboratory（Simula 研究实验室）；University of Oslo（奥斯陆大学）；Mondragon University（蒙德拉贡大学）
探讨基础模型在网络物理系统软件工程中的应用，指出除语言模型外其他模型潜力大。通过文献等得出前瞻性研究路线图，突出挑战与机会，还讨论了应用模型的常见挑战，为研究和实践提供指导。
2026-07-07 cs.SE
Digital Sovereignty and Software Engineering for the IoT-laden, AI/ML-driven Era
今天的软件工程已经需要应对来自实现物联网产品所需的多学科性的挑战：许多变体由传感器/执行器驱动的系统组成，这些系统今天已经使用AI/ML系统来更好地应对其预期操作设计域（ODD）的非结构化，而与此同时，这些系统需要被监控，诊断，维护，并使用云驱动的仪表板和数据分析管道进行发展，这些管道最好是实时处理、聚合和分析无数数据点。本立场书从软件工程的角度讨论了物联网、人工智能/ML驱动时代与数字主权相关的选定方面：虽然我们可以理所当然地期望从这些解决方案中获得越来越多的好处，但应特别明确说明设计和运行时的挑战和责任，至少要为以下方面做好准备和实现，甚至更好，从软件工程的角度维护和扩展数字主权。
2022-05-27 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
A Requirements Engineering Technology for the IoT Software Systems
Federal University of Rio de Janeiro（里约热内卢联邦大学）
本文提出RETIoT技术，旨在为物联网软件系统需求文档提供方法论、技术及工具支持，包含场景描述技术、检查清单、构建流程及模板，通过可行性研究验证其有效性，但需进一步实验研究以增强其可信度。
2021-03-26 cs.SE
Software Engineering for Internet of Things: The Practitioner's Perspective
基于物联网的系统（简称IoT系统）在不同的工业领域越来越受欢迎，并且它们的发展正在迅速增加，以向最终用户和公民提供增值服务。到目前为止，很少有研究揭示物联网系统所需的核心开发过程生命周期，因此软件工程师发现自己对这种新的系统开发类型没有准备，也不熟悉。为了弥补这一差距，我们进行了一项定量和定性相结合的研究，从现有的物联网文献中得出了一个概念性的过程框架，确定了27项关键任务，可纳入物联网系统的开发过程。该框架随后通过对来自6大洲35个国家的127名物联网系统从业者开发人员的调查进行了验证，他们具有15种不同的行业背景。我们的研究提供了对最重要的开发过程任务的理解，并告知软件工程从业者和研究人员与下一代物联网系统开发相关的挑战和建议。
2021-05-05 cs.SE
Trustworthy and Synergistic Artificial Intelligence for Software Engineering: Vision and Roadmaps
Singapore Management University（新加坡管理大学）
本文梳理了AI4SE的发展历程与核心挑战，提出实现可信、协同AI4SE的两大战略路线图，展望其推动软件工程迈向2.0的愿景，旨在激发领域进一步研究。
2023-10-04 cs.AI cs.SE
Causal Software Engineering: A Vision and Roadmap
University of Naples Federico II（那不勒斯费德里科二世大学）；University of Sheffield（谢菲尔德大学）
研究软件工程在不确定性下决策的关键问题，提出因果软件工程范式，通过因果模型和推理为软件生命周期活动提供信息，还给出工作流程视图、路线图及评估议程。
2026-05-04 cs.AI cs.SE
Search-Based Software Engineering and AI Foundation Models: Current Landscape and Future Roadmap
Simula Research Laboratory（Simula研究实验室）；National Institute of Informatics（日本信息机构）；Kristiania University of Applied Sciences and Oslo Metropolitan University（克里斯蒂安尼亚应用科学大学和奥斯陆 Metropolitan 大学）
本研究梳理了基于搜索的软件工程（SBSE）与AI基础模型（FMs）结合的现状，从五个核心维度提出研究路线图，明确挑战与方向，展望FM时代SBSE的未来发展机遇。
2026-09-25 cs.AI cs.SE
Towards Ontology-Based Requirements Engineering for IoT-Supported Well-Being, Aging and Health
本体是计算机科学、电子工程、系统工程等相关学科知识表示和建模的形式化手段之一。需求工程中的本体可以用于系统需求的形式化表示。在物联网中，本体可以用于表示传感器知识并描述所获取的数据语义。设计一个足够全面的本体，具有适当的知识表达能力，服务于多种目的，从系统需求规范到基于物联网传感器数据的建模知识，是最大的挑战之一。本文提出了一种基于本体的需求工程的方法支持的福祉，老龄化和健康的物联网。这种本体设计的目的不是创建一个新的本体，而是扩展现有的适当本体SAREF4EHAW，以便与福祉，老龄化和健康概念保持一致，并构建该领域内的知识。其他贡献包括福祉，老龄化和健康的概念制定和相关的分类，以及一个福祉，老龄化和健康的概念。已经为新的本体扩展提出了新的属性和关系，以及更新的用例列表和原始本体未涵盖的特定本体需求。未来的工作设想新的本体扩展的完整规范，以及结构化的系统要求和传感器测量参数，以遵循描述逻辑。
2022-11-19 cs.SE
A Roadmap for Simulation-Based Testing of Autonomous Cyber-Physical Systems: Challenges and Future Direction
本文提出面向自主信息物理系统基于仿真的测试路线图，分析测试自动化与质量保证挑战，倡导构建新基准资产和专用自动化工具，为未来研究提供方向。
2024-05-02 cs.SE
Towards AI-Native Software Engineering (SE 3.0): A Vision and a Challenge Roadmap
Queen's University（女王大学）；Centre for Software Excellence, Huawei Canada（华为加拿大软件卓越中心）；York University（约克大学）
本文提出SE 3.0愿景，通过AI原生方法提升软件开发效率，介绍关键技术栈与挑战路线图。
2026-01-09 cs.AI cs.SE
Reflecting on Recurring Failures in IoT Development
随着物联网系统被赋予更多的责任和自主权，它们提供了更大的好处，但也带来了更大的风险。我们相信这种趋势会重新提出软件工程的一个老挑战：如何在市场压力下安全可靠地开发高风险的软件密集型系统？作为第一步，我们对最近的物联网故障进行了系统分析，以确定工程挑战。我们收集并分析了22篇新闻报道，研究了物联网系统故障的来源、影响和修复策略。我们观察了应用程序域内部和跨应用程序域的故障趋势。我们还观察到，失败主题随着时间的推移而持续存在。为了缓解这些趋势，我们概述了针对物联网开发的故障感知软件开发生存周期的研究议程。我们提出了一个百科全书的故障和经验的基础上，系统事后分析，辅以适当的自动化工具。
2022-09-19 cs.SE
Model-Driven Development of Complex Software: A Research Roadmap
模型驱动工程（Model-Driven Engineering，MDE）一词通常用于描述软件开发方法，其中创建软件系统的抽象模型并将其系统地转换为具体的实现。在本文中，我们给出了目前的研究在MDE的概述，并讨论了一些必须解决的主要挑战，以实现软件开发的MDE愿景。我们认为，充分实现MDE的愿景可能不可能在近期到中期，主要是因为涉及的邪恶的问题。另一方面，试图实现这一愿景将提供一些见解，这些见解可用于显著缩小不断发展的软件复杂性与用于管理复杂性的技术之间的差距。
2014-09-22 cs.SE
Toward Agentic Software Project Management: A Vision and Roadmap
Monash University（莫纳什大学）；Prince Sultan University（苏丹亲王大学）
本文提出了一种基于多代理系统的代理项目经理框架，旨在提升软件项目管理效率，并探讨了人类项目经理角色的演变及新技能需求。
2026-01-23 cs.SE
A Road Less Travelled and Beyond: Towards a Roadmap for Integrating Sustainability into Computing Education
本文针对计算教育未充分融入可持续性的问题，通过文献系统审查和行业调查，提出将可持续性原则与技能整合进计算课程的研究路线图，以培养具备可持续性思维的软件工程人才。
2024-06-27 cs.SE
Towards a Software Reference Architecture for Natural Language Processing Tools in Requirements Engineering
Chalmers University of Technology（查尔姆斯理工大学）；University of Gothenburg, Sweden（哥德堡大学）
本文提出面向需求工程中NLP工具的软件参考架构愿景，旨在通过模块化和互操作性提升工具的可持续性和重用性。
2026-02-19 cs.SE
A Research Roadmap for Augmenting Software Engineering Processes and Software Products with Generative AI
University of Naples "Federico II" Napoli Italy；Ruhr Institute for Software Technology (paluno), University of Duisburg-Essen Essen Germany；Karlsruhe Institute of Technology (KIT) Karlsruhe Germany；Gran Sasso Science Institute (GSSI) L'Aquila Italy；University of Naples "Federico II"；Ruhr Institute for Software Technology (paluno), University of Duisburg-Essen；Karlsruhe Institute of Technology (KIT)；Gran Sasso Science Institute (GSSI)
本文提出一个生成人工智能增强软件工程的路线图，通过多轮过程整合证据，系统分析生成人工智能对软件工程过程、方法和工具的影响，并确定未来研究方向。
2026-02-04 cs.AI cs.ET cs.LG
A Model-Driven-Engineering Approach for Detecting Privilege Escalation in IoT Systems
访问控制模型中的软件漏洞可能代表系统中的严重威胁。事实上，OWASP将破坏访问控制列为十大漏洞中严重程度第5位。在本文中，我们研究了一个新兴的智能家居平台，SmartThings的权限模型，并探讨了一种方法，在其权限模型中检测权限升级。我们的方法是基于模型驱动工程（MDE）除了静态分析。与单独的静态分析相比，这种方法可以更好地覆盖权限升级检测，并利用分析携带额外权限详细信息的自由格式文本。我们的实验结果表明，在物联网应用程序中检测过特权漏洞的准确性非常高
2022-05-23 cs.CR cs.SE
Evaluating a Development Framework for Engineering Internet of Things Applications
一个关键的挑战是使物联网应用程序开发与开发过程中所涉及的各种利益相关者的努力最小。在无线传感器网络和普适计算领域，已经提出了应对这一挑战的几种方法，这些方法被认为是现代物联网的先驱。然而，虽然现有的方法提供了广泛的功能，利益相关者有具体的应用程序开发要求，选择一个适当的方法需要在不同的方面进行全面的评估。到目前为止，这方面的研究已经在有限的范围内。有鉴于此，本文基于我们以前对物联网应用程序开发框架的工作提供了一套广泛的评估。具体来说，我们从以下方面评估我们的方法：（1）开发工作量：创建新应用程序所需的工作量，（2）可重用性：在应用程序开发期间软件工件可以重用的程度，（3）表现力：可以使用我们的方法建模的物联网应用程序的特征，（4）内存指标：设备为了在我们的框架下运行应用程序而需要消耗的内存和存储量，以及（5）我们的方法与物联网应用程序开发中的各种维度上的最新技术的比较，这不仅提供了对最新技术的全面了解，而且还指导开发者在给定应用需求的情况下选择方法。我们相信，上述不同方面为研究界提供了评估、选择和开发有用的物联网框架和应用程序的洞察力。
2016-06-07 cs.SE
Engineering Digital Systems for Humanity: a Research Roadmap
本文提出数字系统工程应纳入人类、社会和环境驱动因素，通过分析人类在与数字系统交互中的主动、被动反应、被动承受及信任等角色挑战，构建了涵盖开发过程、需求工程、软件架构与设计、验证与确认四个方向的研究路线图。
2024-12-27 cs.CY cs.HC cs.SE
Requirements Quality Research: a harmonized Theory, Evaluation, and Roadmap
本文提出统一的需求质量理论，评估当前研究现状，并给出研究路线图，指出该领域过度关注规范性规则而忽视需求质量对后续开发活动的影响，为弥补这一差距提供方向。
2023-09-19 cs.SE
Incorporating Failure Knowledge into Design Decisions for IoT Systems: A Controlled Experiment on Novices
物联网（IoT）系统允许软件直接与物理世界交互。最近的物联网故障可以归因于反复出现的软件设计缺陷，这表明物联网软件工程师可能没有从过去的失败中吸取教训。我们研究了使用失败案例来改进物联网系统设计。我们进行了一项实验，以评估失败相关的学习治疗设计决策的影响。我们的实验采用了新手（计算机工程专业的学生）完成设计问卷的主题之间的比较。有三种治疗方法：对照组（N=7）;考虑一组设计指南（N=8）;考虑失败故事（建议治疗，N=6）。我们衡量了他们的设计决策和设计原理。所有受试者都做出了类似的决定。他们的理由因治疗而异：接受指南和失败故事治疗的受试者更多地使用关键性作为理由，而接受失败故事治疗的受试者更频繁地使用安全性作为理由。基于这些发现，我们提出了几个研究方向，以实现故障感知物联网工程过程。
2023-03-20 cs.SE
Software Engineering Approaches for TinyML based IoT Embedded Vision: A Systematic Literature Review
Boise State University（博伊西州立大学）
物联网（IoT）通过无处不在的传感、通信、计算和驱动，使人类能够控制我们的环境。在过去的几年里，物联网与机器学习（ML）联手，在远端嵌入深度智能。TinyML（Tiny机器学习）支持在极其精简的边缘硬件上部署用于嵌入式视觉的ML模型，将物联网和ML的力量结合在一起。然而，TinyML驱动的嵌入式视觉应用仍处于初期阶段，它们刚刚开始扩展到广泛的现实世界物联网部署。为了利用物联网和机器学习的真正潜力，有必要为产品开发人员提供强大的，易于使用的软件工程（SE）框架和最佳实践，这些框架和最佳实践是针对TinyML工程所面临的独特挑战而定制的。通过这一系统的文献综述，我们汇总了TinyML开发人员报告的关键挑战，并确定了大规模计算机视觉、机器学习和嵌入式系统中最先进的SE方法，这些方法可以帮助解决基于TinyML的物联网嵌入式视觉中的关键挑战。总之，我们的研究利用了嵌入式系统开发人员和ML开发人员独立开发的SE专业知识之间的协同作用，以帮助解决基于TinyML的物联网嵌入式视觉工程中的独特挑战。
2022-04-19 cs.CV cs.LG cs.SE
Agentic Software Engineering: Foundational Pillars and a Research Roadmap
Queen's University（女王大学）；Concordia University（Concordia大学）；Nara Institute of Science and Technology（奈ara科学和技术研究院）；Huawei Canada（华为加拿大）
提出代理软件工程（SE 3.0）时代，以“面向人类的SE”和“面向代理的SE”双重模式为基础，重新定义软件工程支柱，并设计代理命令环境（ACE）和代理执行环境（AEE）两种工作台，实现双向人机协作，推动从代理编码到真正代理软件工程的演进。
2026-11-03 cs.AI 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
Envisioning Tool Support for Designing Privacy-Aware Internet of Thing Applications
物联网（IoT）应用的设计和开发过程比桌面、移动或Web应用更复杂。物联网应用需要软件和硬件两者跨多个不同类型的节点（例如，微控制器、片上系统、移动电话、嵌入式单板计算机和云平台）在不同条件下具有不同的能力。物联网应用程序通常收集和分析可用于获取有关个人的敏感信息的个人数据。如果没有适当的隐私保护，物联网应用程序可能会导致严重的隐私侵犯。到目前为止，在设计和开发物联网应用程序时，软件工程过程中尚未明确考虑隐私问题，部分原因是缺乏工具，技术和指导。本文提出了一个研究愿景，认为开发一个隐私感知的物联网应用程序设计工具，以解决上述挑战的重要性。该工具不仅可以将物联网应用程序设计转换为隐私感知应用程序设计，还可以验证和验证它们。首先，我们概述了这个拟议的工具应该如何在实践中工作及其核心功能。然后，我们确定了研究的挑战和潜在的发展方向提出的工具。我们预计，这一拟议的工具将节省许多工程时间，否则工程师将需要花费在开发隐私专业知识和应用它。我们还强调这一工具对隐私教育和隐私合规的实用性。
2020-11-28 cs.SE
Developing a Roadmap to an AI-first Organization: A Case Study in Embedded Software Development
University of Gothenburg（哥德堡大学）；Chalmers University of Technology（查尔姆斯理工大学）
本文通过大型嵌入式系统公司的案例研究，探讨向AI优先组织转型的路线图，分析智能体AI对团队结构、能力与角色的影响，并提出联邦式团队组建及人机协同实践建议。
2026-09-28 cs.AI cs.SE
Data Analytics and Machine Learning Methods, Techniques and Tool for Model-Driven Engineering of Smart IoT Services
Technical University of Munich（慕尼黑工业大学）
本博士论文提出了一种新的方法来加强物联网（IoT）和智能网络物理系统（CPS）的智能服务的发展。所提出的方法提供了抽象和自动化的软件工程过程，以及数据分析（DA）和机器学习（ML）的做法。这是以集成和无缝的方式实现的。我们通过扩展一个名为ThingML的开源建模工具来实现和验证所提出的方法。ThingML是一种特定于领域的语言和建模工具，可为IoT/CPS领域生成代码生成。ThingML和任何其他IoT/CPS建模工具都不支持建模级别的DA/ML。因此，作为博士论文的主要贡献，我们将有关DA/ML方法和技术的必要语法和语义添加到ThingML的建模语言中。此外，我们支持多个ML库和框架的API，用于自动生成Python和Java中目标软件的源代码。我们的方法支持独立于平台的模型以及特定于平台的模型。此外，我们通过在后台（专家模式）提供自动化ML（AutoML），并通过在设计时进行模型检查约束和提示，来帮助执行半自动化DA/ML任务。最后，我们考虑了来自网络安全、智能能源系统和能源交易市场领域的三个用例场景。
2021-02-12 cs.LG cs.SE
Requirements Development for IoT Systems with UCM4IoT
由于与这种自适应系统相关联的固有复杂性，IoT（物联网）系统的工程带来了各种挑战。在开发生存周期的早期阶段解决物联网系统的自适应性对于制定完整而精确的系统规范至关重要。在本文中，我们提出了一种基于用例的建模语言UCM4IoT，以支持物联网系统的需求获取和规范。UCM4IoT考虑到物联网系统的异构性，并提供特定于领域的语言结构来建模物联网系统的不同方面。该语言还包含了异常情况和自适应系统行为的概念。我们的语言支持文本建模环境，以帮助建模者编写用例。该环境支持语法指导的编辑、用例模型的验证和需求分析。所提出的语言和工具进行了演示和评估两个案例研究：智能商店系统和智能火灾报警系统。
2022-12-02 cs.SE
Towards a General Software Engineering Methodology for the Internet of Things
随着物联网领域研究的进展，以及存在大量解决各种问题的建议，需要一种通用的原则性软件工程方法来系统地开发物联网系统和应用。在本文中，通过综合该领域的最新技术，我们试图围绕物联网系统和应用程序的设计和开发的关键概念和抽象框架，并起草了一个以这些抽象为中心的软件工程方法。
2016-01-21 cs.MA cs.SE
Supporting AI Engineering on the IoT Edge through Model-Driven TinyML
Technical University of Munich（慕尼黑工业大学）；Univ. of Antwerp（安特卫普大学）；Flanders Make（法兰德斯制造研究院）；Univ. of Reading（雷丁大学）
以网络为中心的人工智能（AI）和物联网（IoT）支持的网络物理系统（CPS）和服务的软件工程涉及复杂的设计和验证挑战。在本文中，我们提出了一种新的方法，基于模型驱动的软件工程范式，特别是特定领域的建模方法。我们专注于人工智能的一个子学科，即机器学习（ML），并建议将数据分析和ML委托给物联网边缘。通过这种方式，我们可以提高机器学习的服务质量，例如其可用性和性能，无论网络条件如何，以及维护隐私，安全性和可持续性。我们让从业者将机器学习任务分配给异构边缘设备，包括高度资源受限的嵌入式微控制器，其主存储器数量级为千字节，能耗数量级为毫瓦。它被称为TinyML。此外，我们展示了如何在软件开发过程中使用不同层次的抽象，即平台无关和平台特定的模型的软件模型。最后，我们验证了所提出的方法，使用案例研究解决预测维护的液压系统与各种网络传感器和执行器。
2022-04-03 cs.AI cs.LG cs.SE
ML-Quadrat & DriotData: A Model-Driven Engineering Tool and a Low-Code Platform for Smart IoT Services
DriotData UG（DriotData UG公司）；Flanders Make（法兰德斯制造研究院）；Munich Data Science Institute（慕尼黑数据科学研究院）
在本文中，我们提出了ML-Quadrat，这是一个开源的研究原型，它基于Eclipse建模框架（EMF）和智能网络物理系统（CPS）和物联网（IoT）的模型驱动软件工程（MDSE）文献中的最新技术。其设想的用户主要是软件开发人员，他们可能在异构物联网平台和各种人工智能（AI）技术方面没有深入的知识和技能，特别是关于机器学习（ML）。ML-Quadrat在Github上根据Apache 2.0许可证条款发布。此外，我们还展示了DriotData的早期工具原型，DriotData是一个面向公民数据科学家和公民/最终用户软件开发人员的基于Web的低代码平台。DriotData在行业中利用并采用了ML-Quadrat，将其扩展版本作为基于订阅的服务提供给公司，主要是中小型企业（SME）。DriotData目前的初步版本有三种基于Web的模型编辑器：基于文本的，基于树/表单的和基于XML的。后者专为问题或用例领域（即物联网垂直领域）的领域专家而设计，他们可能不具备IT领域的知识和技能。最后，YouTube上有一个演示工具的简短视频：https://youtu.be/VAuz25w0a5k
2022-02-16 cs.AI cs.LG cs.SE
Understanding the Context of IoT Software Systems in DevOps
对连接设备的需求不断增长，以及物联网（IoT）领域投资的增加，导致了该技术市场的增长。物联网渗透到个人生活的各个领域，从智能手表到整个家庭助理和不同领域的解决方案。物联网的概念正在全球范围内逐渐增加。物联网项目引发了软件工程研究的衔接，以准备在与嵌入式软件互连并托管在云中的物理对象和结构中实现的软件系统的开发和操作。物联网项目在开发和运营阶段之间有界限。这项研究在科学文献中寻找证据，通过开发和运营（DevOps）原则来支持这些边界。我们依靠系统性文献综述来研究物联网软件系统中DevOps的关系。因此，我们在文献中先前主要研究报告的知识背景下确定概念，描述受益和挑战。本文的主要贡献是：（i）讨论物联网软件系统中DevOps的好处和挑战，（ii）识别所使用的工具，概念和程序设计语言，以及（iii）这种软件开发的感知管道。
2021-05-11 cs.SE
Designing Privacy-aware Internet of Things Applications
物联网（IoT）应用程序通常收集和分析可用于获取有关个人的敏感信息的个人数据。然而，到目前为止，在设计物联网应用程序时，软件工程过程中尚未明确考虑隐私问题。行为驱动的安全机制的出现，未能解决物联网应用程序设计中的隐私问题，可能会产生安全影响。在本文中，我们将探讨作为一组指导方针制定的隐私设计（PbD）框架如何帮助软件工程师将数据隐私考虑因素集成到物联网应用程序的设计中。我们通过研究软件工程师如何使用它来设计物联网应用程序来研究这个PbD框架的实用性。我们还探讨了使用这套指导方针来影响物联网应用程序设计过程的挑战。除了强调PbD框架在物联网应用程序设计过程中明确隐私功能的好处外，我们的研究还提出了与该方法相关的一些挑战。我们研究的一个关键发现是，PbD框架显著提高了新手和专家软件工程师将隐私设计到物联网应用程序中的能力。
2019-04-11 cs.SE
Low-code Engineering for Internet of things: A state of research
开发物联网（IoT）系统必须应对几个挑战，主要是因为所涉及的子系统和组件的异构性。为了构思支持物联网系统开发的语言和工具，本文介绍了这项研究的结果，这项研究旨在了解现有平台的最新发展状况，特别是开发物联网系统的低代码平台。通过分析16个平台，已经确定了一组相应的功能来表示每个分析平台可以支持的功能和服务。我们还确定了现有方法的局限性，并讨论了未来改进和解决这些问题的可能方法。
2020-09-08 cs.PL cs.SE
Comparison of Code Quality and Best Practices in IoT and non-IoT Software
本文通过比较GitHub上各94个特征匹配的IoT与非IoT系统代码指标，发现IoT软件更复杂、耦合、庞大且难维护，并据此提出面向IoT开发的最佳实践清单。
2024-08-05 cs.SE
Towards a Methodology for Participant Selection in Software Engineering Experiments. A Vision of the Future
背景软件工程（SE）研究人员广泛地使用人类受试者进行实验。需要定义明确的样本以确保外部有效性。通过\textit{purposely}或\textit{convenience}选择样本，限制了结果的普遍性。Objective.我们的目标是描述参与者选择的实证SE的现状，确定主要的威胁，以及如何减轻。我们起草了一个强有力的参与者选择方法。法我们回顾了现有的参与者的选择准则，在SE，并进行了初步的文献综述，以了解参与者的选择是如何在SE在实践中进行。%和3）我们总结了发现的主要问题。结果我们概述了一种新的选择方法，通过1）定义所需人群的特征，2）定位研究人员可用的可能的抽样来源，3）确定并减少所选样本与其相应人群之间的“距离”。结论我们提出了一个路线图，开发和经验验证的选择方法。
2021-08-27 cs.SE
Technical Report: Rapid Reviews on Engineering of Internet of Things Software Systems
我们进行了一系列快速审查，以表征物联网的各个方面。我们格式化了一个通用元协议，该协议针对所呈现的六个方面（连接性，事物，行为，智能，交互性和环境）中的每一个进行了实例化，并考虑了安全问题，这是物联网环境中最重要和最常见的挑战之一。元协议的详细内容和每次审查的结果。
2021-01-14 cs.SE
A Systematic Literature Review of Explainable AI for Software Engineering
内容：近年来，利用机器学习（ML）技术已成为解决许多软件工程（SE）任务的主要解决方案之一，在研究中（ML4SE）。这是通过利用最先进的模型来实现的，这些模型往往更加复杂和黑箱，这导致了更难以解释的解决方案，从而减少了业内专业人士对ML4SE解决方案的信任和采用。目的：一个潜在的补救措施是提供可解释的AI（XAI）方法来提供缺失的可解释性。在本文中，我们的目标是探索XAI在SE社区（XAI4SE）中的研究程度，并全面了解当前的最新技术水平以及未来工作的挑战和路线图。方法：我们对XAI4SE中24项（通过关键词检索选择的869项主要研究中）最相关的已发表研究进行了系统性文献综述。我们有三个研究问题，通过对每篇论文收集的数据进行荟萃分析来回答。结果如下：我们的研究表明，在已确定的研究中，软件维护（68），特别是缺陷预测在SE阶段和正在研究的任务中占有最高的份额。此外，我们发现XAI方法主要应用于经典ML模型，而不是更复杂的模型。我们还注意到文献中明显缺乏XAI方法的标准评估指标，这导致研究人员之间的混乱和缺乏比较基准。结论：XAI已被大多数研究确定为一种有用的工具，我们在系统综述中对此进行了介绍。然而，XAI4SE是一个相对较新的领域，有很多未触及的潜力，包括SE任务，解释ML4SE方法，以及提供的解释类型。这项研究鼓励研究人员致力于论文中报告的已确定的挑战和路线图。
2023-02-13 cs.SE
Self-Organizing Software Models for the Internet of Things
物联网（IoT）设想将物理对象集成到软件系统中，以自动化我们生活的关键方面，例如医疗保健，安全，农业和城市管理。虽然愿景很有希望，但随着硬件和通信技术的快速发展，物联网系统变得越来越动态，大型和复杂，以至于手动管理变得不可行。因此，为构建自主物联网系统提供软件工程基础至关重要。在本文中，我们介绍了一种称为自组织软件模型的新范式，其中物联网软件系统没有显式编程，而是在系统运行期间以分散的方式出现，只有最少或没有人为干预。我们特别介绍了这些模型的概述，包括它们的定义，动机，研究挑战和潜在的方向。
2021-02-25 cs.SE
Quantum Artificial Intelligence for Software Engineering: the Road Ahead
Simula Research Laboratory（Simula 研究实验室）；University of Oslo（奥斯陆大学）；Oslo Metropolitan University（奥斯陆都会大学）；National Institute of Informatics（日本国立情报学研究所）
本文提出将量子人工智能（QAI）应用于软件工程的路线图，涵盖量子优化与量子机器学习，探讨各阶段应用及挑战，旨在以成本效益方式解决复杂软件工程问题。
2025-10-23 cs.SE
SeLoC-ML: Semantic Low-Code Engineering for Machine Learning Applications in Industrial IoT
Siemens AG（西门子股份公司）；Technical University of Munich（慕尼黑工业大学）
物联网（IoT）正在通过弥合信息技术（IT）和运营技术（OT）之间的差距来改变行业。机器正在与连接的传感器集成，并通过智能分析应用程序进行管理，加速数字化转型和业务运营。将机器学习（ML）引入工业设备是旨在促进IT和OT融合的进步。然而，在工业物联网（IIoT）中开发ML应用程序存在各种挑战，包括硬件异构性，ML模型的非标准化表示，设备和ML模型兼容性问题以及应用程序开发缓慢。在这一领域的成功部署需要对硬件、算法、软件工具和应用程序有深入的了解。因此，本文提出了一个名为Semantic Low-Code Engineering for ML Applications（SeLoC-ML）的框架，该框架构建在低代码平台上，通过利用语义Web技术来支持IIoT中ML应用程序的快速开发。SeLoC-ML使非专家能够轻松地大规模建模、发现、重用和匹配ML模型和设备。可以基于匹配结果自动生成项目代码以用于在硬件上部署。开发人员可以从语义应用程序模板（称为配方）中受益，从而快速建立最终用户应用程序的原型。这些评估证实，与工业ML分类案例研究的传统方法相比，工程工作量减少了至少三倍，显示了SeLoC-ML的效率和实用性。我们分享代码并欢迎任何贡献。
2022-07-18 cs.AI cs.DB cs.IR
Classical to Quantum Software Migration Journey Begins: A Conceptual Readiness Model
近年来，随着量子计算机的发展，量子软件工程的研究领域逐渐兴起。量子软件在开发量子计算系统的全部潜力方面发挥着关键作用。因此，最近越来越多的人关注提供概念，原则和指导方针来解决量子软件开发的持续挑战。这个主题的重要性促使我们呼吁采取行动，开发一个就绪模型，帮助组织评估其从经典软件工程迁移到量子软件工程的能力。所提出的模型将基于现有的多域文献，工业经验研究，对过程领域的理解，可能影响量子软件工程过程的挑战性因素和使能因素。我们相信，所提出的模型将提供一个路线图，软件开发组织来衡量他们的准备工作，从经典的量子软件工程的建议最佳实践和突出重要的过程领域，挑战，和使能因素。
2022-09-12 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
Software Security Analysis in 2030 and Beyond: A Research Roadmap
本文提出了未来软件安全分析的研究路线图，针对生成式AI编写代码、系统异构性和供应链依赖等新挑战，探讨了未来漏洞检测与系统防护的方法，并指出了该领域的开放性机遇与长期前景。
2024-09-26 cs.CR cs.SE
Cloud Native Software Engineering
本文从从业者角度构建了云原生软件工程的格局，指出了支持云原生应用的软件工程研究机会，并探讨了云架构及物联网/边缘计算带来的工程挑战。
2023-07-03 cs.SE
The Software Engineering Simulations Lab: Agentic AI for RE Quality Simulations
South Westphalia University of Applied Sciences (FH SWF)（西南威斯特法伦应用科学大学）
本文提出利用代理AI进行RE质量模拟，通过标准化代理复制软件工程过程，为RE研究提供新工具和可行性研究。
2026-03-18 cs.SE
Addressing Age-Related Accessibility Needs of Senior Users Through Model-Driven Engineering
本文针对老年用户因年龄相关UI需求未被满足而面临软件无障碍障碍的问题，提出以WCAG为参考框架、通过模型驱动工程和领域特定语言建模老年用户无障碍场景的研究路线图。
2023-05-05 cs.SE
RoadmapBench: Evaluating Long-Horizon Agentic Software Development Across Version Upgrades
UniPat AI；Peking University（北京大学）；Fudan University（复旦大学）；The University of Hong Kong（香港大学）；Tsinghua University（清华大学）；G Labs（0G实验室）；Pipeline Lab（Pipeline实验室）
本文提出RoadmapBench，一个基于真实开源版本升级的115个长期编码任务的基准，旨在评估长期多目标软件开发，发现现有基准无法有效评估此类任务，表明长期软件开发仍是难题。
2026-05-19 cs.AI cs.SE
