Toward an Android Static Analysis Approach for Data Protection
本文提出一种基于静态污点分析的Android应用数据保护诊断方法，通过识别个人数据源并追踪数据流，帮助开发者和评估者确保应用符合GDPR等法律框架。
2024-02-12 cs.CR cs.SE
DevLicOps: A Framework for Mitigating Licensing Risks in AI-Generated Code
The University of Alabama（阿拉巴马大学）；Insitely Technology Solutions（Insitely技术解决方案）；HRMNY HR
本文提出 DevLicOps 框架，通过治理、事件响应和知情权衡帮助 IT 领导者管理生成式 AI 编码助手带来的开源许可合规风险。
2025-08-23 cs.AI cs.SE
Happiness and the productivity of software engineers
软件公司和初创公司经常遵循开发人员蓬勃发展的想法。额外津贴、游乐场客房、免费早餐、远程办公室选择、公司附近的体育设施、公司休养所，你能想到的都有。理由是快乐的开发人员应该更有效率，也应该被留住。但是，快乐的软件工程师是否更有生产力呢？此外，额外津贴是让开发人员高兴的方法吗？开发商们真的很高兴吗？软件工程师不快乐的后果是什么？无论是从生产力的角度，还是从可持续软件开发和工作场所福祉的角度，这些问题都很重要。管理者、团队领导者以及团队成员都应该对这些问题感兴趣。本章概述了我们对软件开发人员幸福感的研究。您将了解为什么让软件开发人员快乐很重要，他们有多快乐，是什么让他们不快乐，以及在开发软件时对快乐和生产力的期望。
2019-04-16 cs.CY cs.SE
Developer Perspectives on Licensing and Copyright Issues Arising from Generative AI for Software Development
University of Sannio（萨尼奥大学）；University of Victoria（维多利亚大学）
本文通过对 574 名开发者的调查与访谈，分析其对 GenAI 编码中版权归属、补偿、许可及数据泄露等问题的看法，为监管决策提供建议。
2025-06-09 cs.AI cs.SE
Examining Software Developers' Needs for Privacy Enforcing Techniques: A survey
University of Cyprus（塞浦路斯大学）
本文通过调查68名开发者，探讨了软件开发者在隐私法律合规中对自动化工具的需求及影响因素，指出隐私促进者的重要性。
2025-12-15 cs.SE
Rational Unified Process
在这篇德国研讨会论文中，这篇论文是2011年在杜伊斯堡大学为应用计算机科学学士讨论会撰写的，我们展示了Rational统一过程（RUP）的简要概述。因此，对软件开发感兴趣的学生或一般感兴趣的人获得了对RUP的第一印象。本文包括对底层过程结构、过程的阶段、其工作流的调查和概述，并描述了RUP开发人员总是假设的软件开发的“最佳实践”。
2016-09-22 cs.SE
Worse Than Spam: Issues In Sampling Software Developers
背景：接触专业软件开发人员是经验软件工程研究的重要组成部分。调查研究是研究实践状况的重要方法之一。由于随机抽取专业软件开发人员进行调查是不可能的，研究人员依赖于各种抽样策略。目的：在本文中，我们报告了我们的经验与不同的抽样策略，我们采用，突出道德问题，并激励需要保持一个关键的人口统计数据收集软件开发人员，以减轻外部有效性的评估研究。方法：我们的报告是基于我们过去进行的两项研究的数据。结果：通过公共媒体联系开发人员被证明是最有效和高效的抽样策略。然而，我们不仅描述了那些有兴趣达到目标的研究人员的观点，比如大量的参与者或高响应率，而且我们还揭示了不同抽样策略的伦理含义。我们提出了一个具体的道德准则，并指出在其他研究社区的辩论开始在软件工程研究社区的讨论，抽样策略应被视为道德。
2017-07-04 cs.SE
"I need to learn better searching tactics for privacy policy laws." Investigating Software Developers' Behavior When Using Sources on Privacy Issues
研究发现开发者在使用个人知识、网络资源和AI助手时均面临隐私问题识别困难，强调了对更易懂和实用隐私资源的需求。
2025-12-08 cs.CR cs.HC cs.SE
Can instability variations warn developers when open-source projects boost?
尽管已经使用各种度量标准研究和测量了架构不稳定性，但仍然需要更深入地分析哪些项目部分不稳定以及这种不稳定性如何随时间变化。虽然拥有更多关于架构不稳定性的信息通常对任何软件开发项目都很有用，但在开发过程的监督更难以实现的开源软件（OSS）项目中尤为重要。特别是，当OSS项目从一个小的受控环境（即，大教堂阶段）到社区驱动的项目（即，市场阶段）。在这样的过渡中，项目经常在软件规模和贡献开发人员的数量方面爆炸。因此，新添加的功能的复杂性以及提交和文件修改的频率可能会导致类和包结构的不稳定性的显著变化。因此，在这份注册报告中，我们提出了分析开放源码软件项目不稳定性的方法，特别是在社区驱动的敏感阶段。我们打算提出一些方法来预测在几个OSS项目的不稳定性的演变。我们的初步结果表明，在项目过度增长之前，似乎可以提供对OSS团队有用的有意义的估计。
2022-04-11 cs.SE
The Role of Code Proficiency in the Era of Generative AI
本文倡导以白箱方法研究生成式AI代码与开发者技能的对齐，以确保软件在AI快速集成下仍可检查、可适应且可信赖。
2024-04-08 cs.SE
Catch the Butterfly: Peeking into the Terms and Conflicts among SPDX Licenses
本文提出基于条款粒度分析主流软件许可证，构建含453个 SPDX 许可证条款与冲突标注的高质量数据集，并通过实证研究揭示许可证差异、copyleft 冲突及 NPM 生态中的使用威胁。
2024-01-19 cs.SE
Understanding the Nature of System-Related Issues in Machine Learning Frameworks: An Exploratory Study
University of South Carolina（南卡罗来纳大学）；Chalmers and the University of Gutenberg（查尔姆斯理工大学与哥德堡大学）；Carnegie Mellon University（卡内基梅隆大学）
现代系统是使用开发框架构建的。这些框架对最终系统的执行方式、配置管理方式、测试方式以及部署方式和部署位置有着重大影响。机器学习（ML）框架和使用它们开发的系统与传统框架有很大不同。当然，在这些框架中出现的问题也可能不同-开发人员解决这些问题的行为也可能不同。我们有兴趣描述ML框架中出现的与系统相关的问题-影响性能，内存和资源使用以及其他质量属性的问题，以及它们与传统框架中的问题有何不同。我们进行了一项中等规模的探索性研究，分析了10个流行的机器学习框架中与现实世界系统相关的问题。我们的研究结果为机器学习系统的开发提供了启示，包括某些问题类型发生频率的差异，关于辩论和时间对问题纠正的影响的观察，以及开发人员专业化的差异。我们希望这种探索性的研究将使开发人员能够提高他们的期望，计划风险，并相应地分配资源时，利用这些框架提供的工具来开发基于ML的系统。
2020-05-13 cs.LG cs.SE
Leaving My Fingerprints: Motivations and Challenges of Contributing to OSS for Social Good
当激励软件开发人员为开源软件做出贡献时，该法案通常被视为构建工具以支持开发人员社区的机会。然而，这并不是推动贡献的唯一费用-对开源的兴趣日益增长也归因于软件开发人员决定利用他们的技术技能来造福于共同的社会利益。为了了解开发人员如何识别这些项目，他们贡献的动机以及他们面临的挑战，我们对OSS for Social Good（OSS 4SG）贡献者进行了21次半结构化访谈。从我们的访谈分析中，我们通过对超过5765名OSS和开源软件社会公益贡献者进行调查，确定了我们希望大规模了解的贡献风格主题。从我们对517份回复的定量分析中，我们发现大多数贡献者表现出OSS 4SG和OSS之间的区别。同样，贡献者描述了基于该项目要缓解的社会问题以及该项目的成果将使谁受益的定义。此外，我们发现OSS 4SG贡献者不太关注通过用新技术技能填充简历来使自己受益，而是更有兴趣在统计上显著地在社会上留下自己的印记。我们还发现，OSS 4SG贡献者对项目所有者的评价明显高于OSS贡献者。这些发现提供了信息，以帮助贡献者识别高社会影响力的项目，帮助项目维护者减少进入障碍，并帮助组织了解为什么贡献者被吸引到这些项目中来保持积极参与。
2021-04-26 cs.CY cs.HC cs.SE
Moldable Development Patterns
可模塑开发通过使软件系统可解释来支持决策制定。这是通过降低向软件中添加大量自定义工具的成本来实现的，将其转变为一个活的、可探索的领域模型。基于多年来在开源和工业系统中应用可模塑开发的经验，我们确定了几个相互支持的模式来解释可模塑开发在实践中是如何工作的。本文的目标是（i）好奇了解可模塑开发的读者，（ii）想要学习最佳实践的Glamorous Toolkit可模塑IDE的当前用户，以及（iii）有兴趣使用其他平台和技术应用可模塑开发的开发人员。
2024-09-27 cs.SE
A Tool for Rejuvenating Feature Logging Levels via Git Histories and Degree of Interest
日志记录是重要的编程实践。由于现代软件应用程序的高度事务性，每天都会生成大量日志，这可能会使开发人员不堪重负。日志记录信息过载对软件应用程序可能是危险的。使用日志级别，开发人员可以打印有用的信息，同时在软件运行时隐藏详细的日志。随着软件的发展，与周围软件功能实现相关联的日志记录语句的日志级别也可能需要改变。维护日志级别需要大量的手动工作。在本文中，我们展示了一种自动化的方法，可以通过匹配开发人员对周围功能的兴趣水平来恢复功能日志级别。该方法是作为一个开源Eclipse插件实现的，使用两个外部插件（JGit和Mylyn）。它在18个开源Java项目上进行了测试，这些项目包含约300万行代码和约4K条日志语句。我们的工具成功地分析了99.22%的日志语句，将日志级别分布增加了约20%，并在错误修复上下文中增加了日志的关注度约83%。有关详细信息，感兴趣的读者可以观看我们的演示视频（www.youtube.com/watch? v=qIULoAXoDv4）。
2022-02-16 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
An Empirical Study on How Well Do COVID-19 Information Dashboards Service Users' Information Needs
持续的COVID-19疫情凸显了仪表板在提供关键实时信息方面的重要性。为了让人们能够及时获取信息，了解复杂的统计数据，疫情期间，不少开发者设计并实现了面向公众的COVID-19“信息仪表盘”。然而，开发往往需要很长的时间，开发者并不清楚很多人的信息需求，导致信息需求和供给之间存在差距。根据我们的实证研究和对流行的COVID-19仪表板的观察，这严重阻碍了信息的获取。我们的研究比较了人们在Twitter上的需求与现有的信息供应商。我们确定，尽管COVID-19的信息目前在现有的仪表板上，但人们也对COVID-19和其他病毒之间的关系、COVID-19的起源、疫苗开发、关于COVID-19的假新闻、对女性的影响、对学校/大学的影响以及对商业的影响感兴趣。其中大多数问题尚未得到妥善解决。我们还总结了仪表板中常用的可视化和交互模式，找到了数据和可视化以及可视化和交互之间的关键模式。我们的研究结果可以帮助开发人员更好地优化他们的仪表板，以满足人们的需求，并为未来的危机管理仪表板开发做出改进。
2022-05-30 cs.HC cs.SE
Can Transformer Models Effectively Detect Software Aspects in StackOverflow Discussion?
Ahsanullah University of Science and Technology（阿萨努拉科技大学）
针对开发者难从社区讨论中快速定位软件关键特性的问题，本文用Opiner数据集测试多种Transformer模型的软件方面检测性能，发现多数场景下优于SVM基线，但部分方面检测效果差，且大架构表现不如小架构。
2022-09-24 cs.CL cs.SE
Self-Admitted GenAI Usage in Open-Source Software
Kyushu University（九州大学）；Nara Institute of Science and Technology（奈良先端科学技术大学院大学）；University of Bari（巴里大学）；Singapore Management University（新加坡管理大学）；University of Osaka（大阪大学）；Shinshu University（信州大学）；Heidelberg University（海德堡大学）
本文研究了生成式人工智能在开源软件中的使用，通过分析20万多个GitHub仓库，发现1292次自认使用记录，揭示开发者在项目中主动管理AI使用的需求。
2026-04-05 cs.SE
Hashing It Out: A Survey of Programmers' Cannabis Usage, Perception, and Motivation
大麻是最常见的精神改变物质之一。它被用于医疗和娱乐，并陷入了复杂和不断变化的法律环境。有证据表明，一些软件开发人员可能会使用大麻来帮助完成一些编程任务。与此同时，禁毒政策和测试在许多软件工程环境中仍然很常见，有时会导致某些工作的招聘短缺。尽管存在这些联系，但实际上对方案拟订时使用大麻的流行率和动机知之甚少。在本文中，我们报告了程序员使用大麻的第一次大规模调查的结果。我们报告了关于803名开发人员（包括450名全职程序员）大麻使用率，感知和动机的调查结果。例如，我们发现一些程序员在编程时经常使用大麻：我们的样本中有35%的人在使用大麻时尝试过编程，18%的人目前至少每月一次。此外，这种大麻的使用主要是出于对某些软件开发技能的增强（例如头脑风暴或进入编程区），而不是医学原因（例如缓解疼痛）。最后，我们发现，尽管大麻的认知和可见性存在差异，但编程员工，经理和学生在编程时使用大麻的比率相似。我们的研究结果对规划工作药物政策和激励未来的研究大麻使用，而编程的影响。
2021-12-17 cs.SE
OSS License Identification at Scale: A Comprehensive Dataset Using World of Code
本研究利用World of Code构建了包含550万个许可证blob的OSS许可证数据集，通过winnowing近似匹配实现高精度识别，准确率达92.08%，支持合规检测与许可趋势研究。
2025-03-11 cs.SE
Reflections on the design, applications and implementations of the normative specification language eFLINT
University of Amsterdam（阿姆斯特丹大学）
本文反思了领域特定语言 eFLINT 的设计，该语言旨在通过结合声明式和程序化元素，形式化法律与计算概念之间的联系，以自动化软件合规检查。
2026-08-05 cs.PL cs.SE
Report on the Designing Accountable Software Systems Workshop
UC Berkeley（加州大学伯克利分校）；Carnegie Mellon University（卡内基梅隆大学）；University of Notre Dame（圣母大学）；ICSI（国际计算机科学研究所）；Yale University（耶鲁大学）；University of Virginia（弗吉尼亚大学）；MIT（麻省理工学院）
本报告总结了2024年11月举办的“设计可问责软件系统研讨会”的成果，该研讨会由美国国家科学基金会资助，汇聚了政府、学术界和工业界的利益相关者，通过小组讨论、特邀演讲和分组会议，探讨了软件系统问责制的维度、概念模型、法律要求来源、法律要求在软件中的操作化、证据保存要求以及影响问责结构成败的挑战和背景因素，并提出了未来研究方向。
2026-06-01 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
