Understanding coordination in global software engineering: A mixed-methods study on the use of meetings and Slack
鉴于全球软件工程领域协调的相关性,开展这项工作是为了进一步了解协调机制。具体来说,我们调查了会议和协作工具Slack。我们进行了一项纵向案例研究,采用混合方法,包括调查、观察、访谈和聊天记录。我们的定量结果显示,全球项目的员工平均每周花7小时45分钟参加预定会议,花8小时54分钟参加非预定会议。此外,分布式团队明显大于协同工作的团队,在分布式团队中工作的人每天花在会议上的时间更多。我们发现,关键人员的可用性低,对计划外会议缺乏组织支持,以及团队成员在会议和Slack上的活动不平衡,这些都是跨站点有效协调的障碍。在分布式团队中使用协作工具的积极方面是提高了团队意识和非正式沟通,并减少了对电子邮件的需求。我们的研究强调了反思全球软件工程团队如何使用会议和协作工具进行协调的重要性。我们为更好地组织会议提供实用的建议,并为在全球项目中更有效地使用协作工具提供建议。
2020-07-05 cs.SE
On Decision Support for Remote Industrial Facilities using the Collaborative Engineering Framework
如何支持采矿等偏远工业设施的合作是一个重要的主题,特别是在澳大利亚,主要采矿点距离人口中心可能超过1000公里。基于软件的协作和维护解决方案可以帮助降低与这些远程设施相关的成本。在本文中,我们报告我们的合作工程项目提供了一个决策支持解决方案,为澳大利亚的需求。我们提出了两个应用实例:一个涉及工业自动化中的事件处理,另一个涉及智能能源系统领域。
2018-02-06 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
Collaboration Challenges in Building ML-Enabled Systems: Communication, Documentation, Engineering, and Process
Carnegie Mellon University(卡内基梅隆大学);University of Toronto(多伦多大学);Carnegie Mellon Software Engineering Institute(卡内基梅隆软件工程研究所)
在软件项目中引入机器学习(ML)组件,使得软件工程师需要与数据科学家和其他专家合作。虽然协作总是具有挑战性的,但ML在探索性模型开发过程中引入了额外的挑战,需要额外的技能和知识,测试ML系统的困难,需要持续的进化和监控,以及非传统的质量要求,如公平性和可解释性。通过采访来自28个组织的45名从业者,我们确定了团队在构建ML系统并将其部署到生产中时面临的关键协作挑战。我们报告了生产ML系统开发中的常见协作点,以满足需求,数据和集成,以及相应的团队模式和挑战。我们发现,这些挑战大多围绕着沟通、文档、工程和流程,并收集解决这些挑战的建议。
2022-02-10 cs.LG cs.SE
Taxing Collaborative Software Engineering
本文探讨了跨国企业中跨境协作式软件工程被忽视的税务问题,介绍了国际税收基本原则,提出了三大征税挑战,并通过测量跨国公司的跨境代码审查评估了其工业意义。
2023-11-21 cs.SE
Robust Machine Learning in Critical Care -- Software Engineering and Medical Perspectives
在临床实践中使用机器学习对这些系统的可解释性、可靠性、可复制性和鲁棒性提出了严格的要求。因此,开发用于监测危重患者的可靠软件需要医生和软件工程师之间的密切合作。然而,这两个不同的学科需要找到自己的研究视角,以有助于医学和软件工程领域。在本文中,我们解决的问题是如何建立一个合作的地方,软件工程和医学满足设计强大的机器学习系统用于病人护理。我们描述了我们如何设计的软件系统,用于监测颈动脉内膜切除术下的患者,特别是集中在研究团队的知识建设的过程。我们的研究结果显示了在建立这样的合作时应该考虑什么,它是如何随着时间的推移而发展的,以及基于它可以构建什么样的系统。我们得出结论,主要的挑战是找到一个好的研究团队,其中不同的能力致力于一个共同的目标。
2021-03-15 cs.SE
Human-AI Collaboration and the Transformation of Software Engineering Work
Saudi Data and Artificial Intelligence (SDAIA)(沙特数据与人工智能局)
本文通过结构化综合分析方法,研究了生成式AI和智能体AI如何将软件工程从以人类编写代码为中心转变为以指导、验证和管理自主及半自主系统为中心,并提出了一个包含技术、认知、社会技术、治理和组织五个维度的未来工程师能力框架。
2026-06-02 cs.SE
Agile Minds, Innovative Solutions, and Industry-Academia Collaboration: Lean R&D Meets Problem-Based Learning in Software Engineering Education
本研究将精益研发与基于问题的学习相结合,在产学研合作项目中应用,通过案例研究评估,发现该方法能提升学生知识熟练度并获利益相关者满意,为软件工程教育提供新途径。
2024-07-22 cs.SE
Aleena: Alignment Agent for Research Software Engineering Collaborations
eScience Institute(eScience研究院);University of Washington(华盛顿大学)
研究软件协作中决策易失依据致相关人员心智模型不同,提出智能AI可支持对齐与跟踪。介绍开源的Aleena,以GitHub为协作平台,转化交互为结构化记录,揭示风险等,还阐述其动机、设计、原型及场景。
2026-07-10 cs.AI cs.SE
Enablers and Impediments for Collaborative Research in Software Testing: An Empirical Exploration
当涉及到工业组织时,当前在软件工程研究中的协作努力通常保持在内部,剥夺了这些组织建立独立协作研究所需的技能。目前的趋势,经验软件工程研究,需要建立一定的标准,这将指导这些合作努力,建立一个强大的伙伴关系,促进独立的,以证据为基础的,软件工程研究。本文探讨了在软件测试领域中有效和高效的行业-学术界合作的关键因素。该研究的一个主要发现是,虽然技术是更好合作的强大推动力,但必须辅之以行业开放性,以披露研究结果和使用专用工具平台。我们使用自动化测试生成方法作为一个例子,该方法是在过去两年中与瑞典的庞巴迪运输公司合作开发的。
2015-03-10 cs.SE
An Exploratory Study of V-Model in Building ML-Enabled Software: A Systems Engineering Perspective
本文从系统工程视角探索V模型在构建机器学习使能系统中的应用,通过从业者访谈提出8条命题,发现V模型特性能有效应对跨学科协作挑战,并建议未来研究利用其系统分解、清晰边界和V&V一致性开发新过程模型与工具。
2024-05-05 cs.SE
A Preliminary Study on the Impact of AI in the Creativity and Collaboration in Software Teams
Universidade Federal de Pernambuco (UFPE)(巴西国立伯南布哥联邦大学);University of Southampton(南安普顿大学)
研究人工智能对软件团队创造力和协作的影响,通过对13名软件专业人员半结构化访谈,发现人工智能拓宽创意范围但缩窄独立构思,削弱同伴学习指导,团队发展出开发者、同事和人工智能共同推理的三方协作模式。
2026-07-21 cs.SE
AsynCodeBench: Benchmarking Collaboration of Asynchronous Multi-Agent Systems in Software Engineering
University of Houston(休斯顿大学);New York University(纽约大学);Texas A&M University(德克萨斯农工大学);UCSD(加州大学圣地亚哥分校);Worcester Polytechnic Institute(伍斯特理工学院);Oregon State University(俄勒冈州立大学)
提出依赖为中心的异步多智能体协作基准AsynCodeBench,用ADPR和DRS度量协作,发现编码能力与协作能力存在差距,并识别出跳跃窗口模式。
2026-09-29 cs.AI cs.MA cs.SE
Application of Collaborative Learning Paradigms within Software Engineering Education: A Systematic Mapping Study
本文通过系统映射研究考察协作学习理论在软件工程教育中的应用,识别出14篇论文并分为四种范式,发现CSCL研究受关注但证据水平不足,提出未来应加强社会与社区层面的学习研究。
2023-10-28 cs.SE
On Using Network Science in Mining Developers Collaboration in Software Engineering: A Systematic Literature Review
本研究的目标是识别,审查和分析已发表的研究工作,使用网络分析作为工具,了解人类协作的不同层次的软件开发。本文的研究结果对软件工程从业者和研究人员利用网络科学领域的工具挖掘软件资源库具有一定的参考价值。我们进行了系统的文献综述,根据纳入和排除标准分析了来自不同数字图书馆的一些选定论文。我们从4个数字图书馆中识别出$35$主要研究(PS),然后根据预定义的数据提取表从每个PS中提取数据。我们的数据分析结果表明,并不是所有在PS中使用的构建网络都是有效的,因为这些网络的边缘并不反映网络实体之间的真实关系。此外,在PS中使用的措施在许多情况下不适合所使用的网络。此外,在大多数情况下,PS报告的分析结果未使用任何统计模型进行验证。最后,许多PS没有为软件从业者提供可以改进软件工程实践的课程或指南。虽然网络分析在挖掘开发者协作中的应用在一些PS中显示出了令人满意的结果,但网络分析的应用需要更谨慎地进行。也就是说,所构建的网络应该具有代表性和意义,所使用的度量需要适合于上下文,并且应该考虑结果的验证。除此之外,我们还指出了一些可以应用网络科学的研究差距,并指出了一些可用于挖掘协作网络的最新进展。
2017-12-04 cs.SE cs.SI
Gender Influence on Student Teams' Online Communication in Software Engineering Education
本研究通过分析39名学生八周GitHub项目中的Slack沟通,发现性别相关的协作行为差异及其与软件开发理解的显著关联,为公平协作教学提供依据。
2025-02-20 cs.SE
Bridging the Socio-Emotional Gap: The Functional Dimension of Human-AI Collaboration for Software Engineering
Chalmers University of Technology and University of Gothenburg(查尔姆斯理工大学和哥德堡大学)
本文研究了人机协作中社会情感鸿沟问题,提出通过功能等效设计实现有效协作,而非复制人类情感智能特征。
2026-01-27 cs.HC cs.SE
Psychological Safety in Software Engineering Teams: A Systematic Mapping Study of Team Processes and Performance
LUT University(拉彭兰塔-拉赫蒂理工大学);University of Derby(德比大学);University of Limerick(利默里克大学)
本研究通过系统映射分析112项研究,揭示心理安全作为多维、情境依赖的团队构念,与软件工程团队绩效和流程紧密相关,并指出干预措施需纵向、情境化研究。
2026-10-08 cs.SE
Facilitating Trustworthy Human-Agent Collaboration in LLM-based Multi-Agent System oriented Software Engineering
Chalmers University of Technology — University of Gothenburg(查尔姆斯理工大学——戈尔达堡大学)
本文针对基于LLM的多智能体系统在软件工程中人机任务分配的可信性问题,提出一个基于RACI的框架及实施指南,以促进高效协作、确保责任并降低自动化风险。
2025-05-07 cs.AI cs.MA cs.SE
Human-AI Collaboration in Requirements Engineering: Evidence of the Negative Effect of LLMs on Requirements Inspection
CNR–ISTI, Pisa, Italy(意大利比萨国家研究委员会信息与通信技术研究所);Chalmers University of Technology, Gothenburg, Sweden(瑞典哥德堡查尔姆斯理工大学);Monash University, Melbourne, Australia(澳大利亚墨尔本蒙纳士大学);University of Florence, Florence, Italy(意大利佛罗伦萨大学);University of Duisburg-Essen(德国杜伊斯堡-埃森大学);Trinity College Dublin, Dublin, Ireland(爱尔兰都柏林三一学院)
该研究通过控制交叉实验发现,大语言模型(LLM)支持会降低新手需求检查员的气味检测准确率,且先使用LLM学习需求检查会减缓技能获取。
2026-08-24 cs.SE
Reconsidering Requirements Engineering: Human-AI Collaboration in AI-Native Software Development
Faculty of Information Technology, University of Jyväskylä(信息技术学院,约赫斯库利亚大学)
本文探讨AI原生软件开发中AI对传统需求工程的增强路径,分析其带来的机遇与挑战,呼吁践行AI伦理并加强产学研协作,打造可信实用的AI解决方案。
2025-10-05 cs.AI cs.HC cs.SE
Rethinking Software Engineering for Agentic AI Systems
Saudi Data and Artificial Intelligence Authority (SDAIA)(沙特数据与人工智能管理局)
本文探讨面向代理AI系统软件工程应转向协作与验证,并分析其对教育、工具和实践的影响。
2026-04-12 cs.SE
The Influence of Human Aspects on Requirements Engineering-related Activities: Software Practitioners Perspective
需求工程(RE)相关的活动需要在软件工程(SE)中的各种角色之间进行高度协作,例如需求工程师,利益相关者,开发人员等。他们的人口统计,观点,对技术的理解,工作风格,沟通和协作能力使RE高度依赖于人。确定动机、领域知识、沟通技巧、个性、情感、文化等“人的方面”如何影响可再生能源相关活动,将有助于我们从总体上改善可再生能源和可持续能源。本研究的目的是更好地了解当前行业的角度对人的方面的影响,对RE相关的活动,特别是专注于动机和个性,针对软件从业人员参与RE相关的活动。我们的研究结果表明,软件从业者认为动机,领域知识,态度,沟通技巧和个性非常重要的人的方面时,参与RE相关的活动。一组因素被确定为软件从业者的动机因素时,参与RE相关的活动,并确定了重要的个性特征时,参与RE。我们还确定了因素,使个人参与RE相关的活动时,效率较低,并获得了初步的想法,测量个人的性能时,参与RE。我们的研究结果表明,各个领域需要更多的调查,我们总结了一套关键的建议,以进一步研究。
2022-06-06 cs.SE
IoT Roadmap: Support for Internet of Things Software Systems Engineering
路线图是在博士学位的背景下进行的。在里约热内卢联邦大学系统工程和计算项目实验软件工程小组(COPPE/UFRJ)和法国高等理工大学工业和人类自动化控制、机械工程和计算机科学实验室(LAMIH UMR CNRS 8201)的合作下,该研究项目已于2011年12月12日在巴黎大学完成。路线图是对物联网应用特殊性的调查结果。它是从不同实验研究中收集的概念和证据的具体组织。它支持物联网软件系统的定义,并为项目团队提供特定项目来讨论和定义与指定、设计和实施物联网应用程序相关的基本方面。
2021-07-12 cs.SE
Educating the Agentic Engineer: Curricula, Collaboration, and Continuous Learning in the AI Era
Saudi Data and Artificial Intelligence (SDAIA)(沙特数据与人工智能局)
针对AI时代软件与系统工程的转型需求,本文提出ACCEL框架,构建智能体工程师的教育架构,明确核心能力与实施路径,识别风险并主张开展系统性教育变革。
2026-08-03 cs.SE
How Developers Interact with AI: A Taxonomy of Human-AI Collaboration in Software Engineering
School of Computing and Information Systems(计算与信息系统学院);Singapore Management University(新加坡管理大学);School of Informatics, Computing, and Cyber Systems(信息学、计算与网络系统学院);Northern Arizona University(北亚利桑那大学)
本文提出开发者与AI工具交互的十一类分类体系,并据此规划优化交互、增强控制及解决信任与可用性问题的研究议程,以推动更有效的AI开发工具研究。
2025-02-05 cs.AI cs.HC cs.SE
Towards an Engineering Workflow Management System for Asset Administration Shells using BPMN
本文探讨了在工程工作流中结合 Asset Administration Shell (AAS) 与 BPMN 定义结构化自动化流程,提出分布式 AAS 写时复制基础设施以增强安全性和跨组织协作,并引入工作流管理原型实现 AAS 操作与工程工作流自动化,提升效率与可追溯性。
2025-07-10 cs.SE
Towards autonomous normative multi-agent systems for Human-AI software engineering teams
Decision Systems Lab University of Wollongong(伍伦贡大学决策系统实验室);Monash University(莫纳什大学);Macquarie University(麦考瑞大学);University of British Columbia(不列颠哥伦比亚大学)
本文提出自主规范的多智能体系统,通过大型语言模型赋能,实现人机协作的高效软件开发。
2025-12-02 cs.SE
From Correctness to Collaboration: Toward a Human-Centered Framework for Evaluating AI Agent Behavior in Software Engineering
Google LLC(谷歌公司)
本文提出以人为中心的评估框架,旨在评估AI代理在软件工程中的协作行为,通过定义代理行为期望和引入情境适应框架,推动AI代理向协作智能发展。
2025-12-29 cs.AI cs.HC cs.SE
A Bibliometric Study of Asia Pacific Software Engineering Conference from 2010 to 2015
亚太软件工程会议(APSEC)是一个久负盛名的会议,截至2015年已成功举办了二十多年。我们进行了一项基于文献计量学和科学出版物挖掘的研究,以了解会议在过去六年(2010年至2015年)中的发展情况。我们的目标是对APSEC的现状进行深入研究,以便APSEC社区能够确定会议的优势,改进领域和未来方向。我们的实证分析基于各种视角,例如:论文提交接受率趋势,会议地点,学术生产力和各国的贡献,分析基调,研讨会,会议组织者和赞助商,教程,多产作者的识别,计算论文和贡献作者的引用影响,内部和外部合作,大学和行业的参与和合作,性别不平衡测量,主题分析,年度作者流失和程序委员会特征。
2016-10-30 cs.DL cs.SE
A transformation approach for collaboration based requirement models
分布式软件工程被广泛认为是一项复杂的任务。在固有的复杂性是从其全球需求规格获得系统设计的过程。本文涉及这样的转换过程,并提出了一种方法来获得一个给定的系统组件的行为,在分布式有限状态机的形式,从全球系统的需求,在一个增强的UML活动图符号的形式。建议的方法的过程中总结为三个步骤:定义适当的源元模型(需求元模型),目标设计元模型的定义和定义的规则来管理在派生过程中的转换。派生过程将描述为UML图活动(通过协作扩展)的全局系统需求转换为表示为UML有限状态机的系统角色行为。该方法使用Atlas转换语言(ATL)实现。
2012-02-08 cs.SE
Think Like an Engineer: A Neuro-Symbolic Collaboration Agent for Generative Software Requirements Elicitation and Self-Review
本文提出 RequireCEG 智能体,通过神经-符号协作架构结合因果效应图,分层分析用户叙述、构建自修复 CEGs 并优化 Gherkin 场景,在 RGPair 数据集上实现 87% 覆盖率和 51.88% 多样性提升。
2025-07-20 cs.SE
Engineering Signals of Human-AI Collaboration in the Agentic Coding Era: A Longitudinal Analysis of 33,228 Pull Requests from vLLM and SGLang with Implications for Biomedical AI Agents and Bioinformatics Pipeline Developmen
Georgia Institute of Technology(佐治亚理工学院)
该研究对vLLM和SGLang的33228个拉取请求进行纵向分析,发现AI辅助开发提升了开源软件的吞吐量、贡献者参与度及人机协作信号,且增长主要由人类驱动,为生物医学智能体开发提供启示。
2026-08-17 cs.AI cs.ET cs.HC
Collaboration between SAML Federations and OpenStack Clouds
在本文中,我们提出了一种新的解决方案,使OpenStack云系统之间的协作在SAML联合会与独立的属性机构,如国家研究和教育联合会或eduGAIN的设计过程。实现系统集成的软件解决方案作为一个案例研究,以显示如何在开发阶段实现在设计过程开始时固定的抽象理想的工程特性。分析了早期几代的OpenStack相关的发展,试图解决同样的问题。这种软件集成的许多方面可以概括为联邦云访问的模板。
2015-10-14 cs.NI cs.SE
Exploring Empathy in Software Engineering: Insights from a Grey Literature Analysis of Practitioners' Perspectives
本研究针对软件工程中同理心研究不足的问题,通过分析DEV和Medium的55篇从业者文章及专家调查,明确其定义、障碍与培养实践,构建概念框架,为改善团队动态提供依据。
2025-07-07 cs.SE
Industrial Requirements for Supporting AI-Enhanced Model-Driven Engineering
将人工智能技术和方法与MDE相结合的研究越来越受到人们的关注。然而,人工智能和MDE实践之间以及研究人员和实践者之间存在差距。本文通过报告这一领域的工业要求来解决这一差距。在AIDOaRt研究项目中,从业者和研究人员在人工智能增强自动化方面进行合作,支持网络物理系统的建模、编码、测试、监控和持续开发。该项目特别位于工业和学术界合作的交叉点,具有多个工业用例。通过启发和完善过程,确定了78项高级别要求,并由AIDOaRt伙伴归纳为30项通用要求。本文的主要贡献是该项目的一套通用要求,用于通过人工智能,DevOps和模型驱动工程来增强网络物理系统的开发,确定MDE和AI交互中的行业需求热点。未来的工作将在行业环境中完善,实施和评估这些要求的解决方案。
2022-08-29 cs.SE
How do Practitioners Perceive the Relevance of Requirements Engineering Research? An Ongoing Study
需求工程(RE)研究与从业人员的相关性是该领域问题驱动研究的先决条件,也是将研究成果长期传播到日常实践的关键。为了更好地了解行业从业人员如何看待可再生能源研究的实际意义,我们启动了RE-Pract项目,这是一项进行实证研究的国际合作。该项目选择复制以前在两个不同领域所做的工作,并依赖于调查研究。为此,我们设计了一项调查,将发送给世界各地不同公司的数百名行业从业者,并要求他们对2010年至2015年期间在RE,ICSE,FSE,ESEC/FSE,ESEM和REFSQ会议上发表的418篇RE论文中描述的研究的实际相关性进行评估。在本文中,我们总结了我们的研究方案,并提出了我们的研究现状和计划的未来步骤。
2017-06-14 cs.SE
Requirements Engineering for Machine Learning: A Review and Reflection
National Engineering Research Center for Big Data Software(国家大数据软件工程技术研究中心);School of Software, Tsinghua University(清华大学软件学院)
如今,许多工业流程正在经历数字化转型,这通常需要在业务流程中集成易于理解的领域模型和最先进的机器学习技术。然而,关于何时、何地以及如何将各种领域模型和端到端机器学习技术适当地嵌入到给定的业务工作流中的需求获取和设计决策需要进一步探索。本文旨在提供一个概述的需求工程过程中的机器学习应用程序的跨域协作。我们首先回顾了有关机器学习需求工程的文献,然后一步一步地完成协作需求分析过程。还讨论了与上述步骤相关的工业数据驱动智能应用的示例情况。
2022-10-03 cs.LG cs.SE
SyncMind: Measuring Agent Out-of-Sync Recovery in Collaborative Software Engineering
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Northwestern University(西北大学)
提出 SyncMind 框架与含 24,332 个实例的 SyncBench 基准,系统评估 LLM 智能体在协作软件工程中的失步恢复、协作意愿及资源感知能力。
2025-06-09 cs.AI cs.CL cs.SE
A Use-Case Driven Approach in Requirements Engineering : The Mammogrid Project
我们报告的应用程序的用例建模技术,以确定和指定的用户需求的MammoGrid项目的增量和控制迭代的方法。建模是与临床医生和放射科医生密切合作进行的,他们没有使用案例的经验。这项研究揭示了应用这种技术的优势和局限性,在乳腺癌筛查和乳房X线摄影研究领域的需求规范,更普遍的医学成像的影响。此外,这项研究表明,在需求工程过程的阶段之间的较短的差距,用例建模的投资回报。这种分析的定性结果使我们提出,用例建模方法可能会导致减少医疗成像的需求工程过程的周期。
2004-02-02 cs.DB cs.SE
Bridging the Research-Practice Gap in Requirements Engineering through Effective Teaching and Peer Learning
在本文中,我们介绍了研究实践差距的概念,因为它是在软件需求工程领域的看法。对这一差距的分析表明,研究与实践差距的两个主要原因是缺乏有效的沟通和大学课程中要求工程材料的覆盖面相对较低。我们讨论了软件需求工程(SRE)硕士课程的设计和交付,旨在克服一些问题,造成了研究实践的差距。通过鼓励学生在同伴学习环境中分享他们的经验,我们的目标是提高学生(其中许多人是当前的行业从业者)和研究人员(包括学术人员)之间的共同理解,以提高有效合作的潜力,同时发展入学学生的需求工程技能。学生在课程中的反馈进行了讨论,并为课程的未来发展和学习策略的方向。
2014-07-16 cs.CY cs.SE
Engineering Systems for Data Analysis Using Interactive Structured Inductive Programming
Dept. of Computer Science \& Information Systems, BITS Pilani, Goa, India School of Computer Science \& Engineering, University of New South Wales, Australia
iProg通过交互式结构归纳编程工具,实现科学数据分祈系统的高效开发,提升性能与代码质量。
2026-03-08 cs.AI cs.SE
SWE-Protégé: Learning to Selectively Collaborate With an Expert Unlocks Small Language Models as Software Engineering Agents
Meta;University of Michigan(密歇根大学);Stanford University(斯坦福大学)
SWE-Protégé通过选择性协作专家,使小型语言模型在软件工程任务中取得显著提升,实现42.4%的Pass@1成绩。
2026-02-25 cs.AI cs.CL cs.LG
Identifying collaborators in large codebases
source{d}
开发人员在团队内部,特别是跨团队的协作方式经常会逃过管理层的注意,尽管有一个正式的组织和指定的团队被定义。实际的、有机形成的工程结构的可观察性为决策者提供了宝贵的额外工具来管理他们的人才库。为了识别现有的团队间和团队内的互动-并建议适当的合作的相关机会-本文研究了贡献者的提交活动,程序设计语言的使用,并通过嵌入和聚类代码标识符主题。我们与GitLab组织合作评估了我们的发现,分析了他们的117个开源项目。我们表明,我们能够广泛地恢复他们的工程组织,并揭示隐藏的编码协作以及证明内部技术决策的合理性。
2019-05-07 cs.LG cs.SE cs.SI
Artificial Intelligence as a Catalyst for Innovation in Software Engineering
本文探讨人工智能如何通过机器学习和自然语言处理提升软件工程的敏捷性和创新性,展示AI在自动化任务和优化开发流程中的关键作用。
2026-03-11 cs.AI cs.SE
Why AI Agents Still Need You: Findings from Developer-Agent Collaborations in the Wild
Microsoft(微软)
本研究通过观察19名开发者使用IDE内SWE智能体解决33个真实仓库问题,发现增量协作和主动迭代能提升成功率,并建议智能体应主动挑战和讨论而非迎合。
2025-10-09 cs.HC cs.SE
Cross-Organizational SysML Model Integration: A Survey of Challenges and AI-Supported Tasks
本文通过29名MBSE利益相关者的问卷调查,揭示跨组织SysML模型集成面临多维对齐挑战,并指出AI在分析任务中受青睐但需人机协同,旨在增强而非取代工程责任。
2026-11-13 cs.AI cs.SE
The Rise of AI Teammates in Software Engineering (SE) 3.0: How Autonomous Coding Agents Are Reshaping Software Engineering
Queen's University(女王大学)
本文提出首个大规模数据集 AIDev,通过分析五个主流自主编码智能体在真实环境中的超 45 万个 PR,实证揭示了 AI 队友在速度与接受率之间的信任差距,为 SE 3.0 研究提供开放基础。
2025-07-20 cs.AI cs.CE cs.LG