The Impact of AI-Generated Solutions on Software Architecture and Productivity: Results from a Survey Study
本研究通过调查软件从业者，发现AI工具显著提升生产力，但收益随项目复杂度增加而降低；对较小代码片段无质量负面影响，复杂问题需架构师进行分解与集成。
2025-06-21 cs.SE
On the Value of Project Productivity for Early Effort Estimation
一般来说，使用用例点（UCP）大小估计软件工作量需要使用生产率作为第二个预测因素。然而，这种方法存在三个缺点：（1）没有明确的程序来预测早期阶段的生产率;（2）使用固定或有限的生产率比率无法使研究反映软件行业的现实;（3）根据历史数据进行生产率分析往往具有挑战性。新的UCP数据集使我们能够对生产率变量进行进一步的实证研究，以估计UCP的努力。因此，使用了基于生产率的四种不同的预测模型。结果表明，从历史数据中学习生产力比使用依赖于默认或有限生产力值的经典方法更有效。此外，根据历史环境因素预测生产率往往不准确。从这里，我们得出结论，生产力是一个有效的因素，估计软件工作量的基础上UCP在存在和不存在以前的历史数据。此外，生产力的衡量应该是灵活的，在有历史数据的情况下可以调整
2022-05-10 cs.SE
An Integrated Approach for Identifying Relevant Factors Influencing Software Development Productivity
管理软件开发的生产力和努力是软件组织的关键问题。识别影响项目绩效的最相关因素对于通过选择和调整适当的改进活动来实施业务战略至关重要。然而，有许多潜在的影响因素。本文提出了一种新的方法来识别影响软件开发生产力的最相关的因素。该方法采用多准则决策支持技术，将数据分析和专家判断相结合，对相关因素进行筛选。在工业背景下的方法的实证评估表明，它提供了一套不同的因素相比，个人的数据和专家为基础的因素选择方法。此外，集成方法的应用显着提高了性能的努力估计的准确性和精度。最后，该研究没有重复观察到类似的调查，提高估计性能的因素集减少了基于数据的选择方法。
2014-01-21 cs.SE
Looking at Software Sustainability and Productivity Challenges from NSF
本文是对计算科学与工程软件可持续性和生产力挑战（CSESSP挑战）研讨会（https：//www.nitrd.gov/csessp/）的贡献，该研讨会由网络和信息技术研究与开发（NITRD）软件设计和生产力（SDP）协调小组主办，于2015年10月15日至16日在美国华盛顿特区举行。它介绍了软件在美国国家科学基金会（NSF）和NSF软件基础设施持续创新（SI 2）计划中的作用，然后描述了SI 2计划已经确定的挑战，包括资助模式，职业道路，激励措施，培训，跨学科工作，可移植性和传播，以及已经吸取的教训。
2015-08-17 cs.CY cs.SE
How Developers and Managers Define and Trade Productivity for Quality
在本文中，我们提出了调查研究的结果，调查开发人员和管理人员如何定义和权衡开发人员的生产力和软件质量（两个相关的镜头到软件开发）。我们发现，开发人员和管理人员作为一个群体，在他们对生产力的看法上并不一致（开发人员认为生产力是从活动的角度来考虑的，而更多的管理人员认为生产力是从绩效的角度来考虑的）。我们还发现，开发人员在预测经理对生产力的看法方面并不准确。在质量方面，我们发现单个开发人员和管理人员对质量对他们意味着什么有着非常不同的看法，但作为群体，他们在不同的观点上是紧密一致的，两组中的大多数人都从健壮性的角度定义质量。超过一半的开发人员和管理人员报告说，质量可以换取更高的生产力，以及为什么这种权衡是合理的，而三分之一的人认为质量是生产力的必要组成部分，不能交易。我们还提出了一个新的描述性框架的质量，TRUCE，我们综合调查的反应。我们呼吁开发人员和管理人员之间就他们各自认为重要的软件质量属性进行更多的讨论，并就软件质量如何与开发人员的生产力以及应该或不应该进行哪些权衡进行公开辩论。
2022-04-27 cs.SE
The Impact of AI on Developer Productivity: Evidence from GitHub Copilot
生成式人工智能工具有望提高人类生产力。本文介绍了使用GitHub Copilot（一个AI配对程序员）进行的受控实验的结果。被招募的软件开发人员被要求尽快用JavaScript实现HTTP服务器。使用AI配对编程器的治疗组比对照组快55.8%完成任务。观察到的异质效应显示，AI配对程序员有望帮助人们过渡到软件开发职业。
2023-02-13 cs.SE
Do feelings matter? On the correlation of affects and the self-assessed productivity in software engineering
背景：软件工程研究（SE）缺乏解决软件开发中人的方面的理论和方法。发展任务是通过认知加工活动进行的。情感（情绪，情绪，感觉）与认知处理活动和个人的生产力有关。SE研究需要纳入影响测量，以评价人为因素，并提高管理风格。目的：分析软件开发人员的效价、唤醒和支配的情感维度及其与自我评估生产力（sPR）的实时相关性。方法：重复测量设计，8名参与者（4名学生，4名专业人员），方便地取样，并在90分钟的编程中单独研究。通过拟合线性混合效应（LME）模型进行分析。结果：效价和优势度与sPR呈正相关。该模型能够表达与sPR的约38%的偏差。许多经验教训时，采用心理测量SE和拟合LME。结论：这篇文章论证了在SE中应用心理测试的价值，并响应了对软件开发人员的人性化、个性化方面进行评价的呼吁。它报告了一系列关于影响的知识，它们的分类，它们的测量，以及使用LME模型在SE中进行心理测量的最佳实践。
2014-08-07 cs.SE
Long-term Productivity for Long-term Impact
我们提出了一个新的概念定义的“生产力”可持续发展的研究软件。现有的定义是有缺陷的，因为它们有短期偏见，从而贬低了我们认为是主要目标的长期影响。从长远的角度看待生产力有助于解决这个问题。我们将开发过程的产出视为知识和用户满意度。用户满意度被用作有效质量的代表。明确强调产生的所有知识，而不仅仅是可操作的知识（代码），这意味着人类可重用的知识，即文档，在生产研究软件时也应该非常重视。
2020-09-29 cs.SE
Supporting Developers in Porting Software via Combined Textual and Structural Analysis of Software Artifacts
这是计算科学与工程软件可持续性和生产力挑战（CSESSP挑战）研讨会的立场文件，由网络和信息技术研究与开发（NITRD）软件设计和生产力（SDP）协调小组主办，于2015年10月15日至16日在美国华盛顿特区举行。它讨论了角色推荐系统，基于源代码中的文本和结构信息，并通过挖掘相关应用程序进一步增强，可以在提高科学和工程软件的可移植性。
2015-08-17 cs.SE
Analyzing the Relationship between Project Productivity and Environment Factors in the Use Case Points Method
项目生产力是从用例点（UCP）中产生工作量估计的关键因素，特别是在缺乏历史数据集的情况下。UCP工作量估算模型的第一个版本对所有新项目使用固定数量或非常有限数量的生产率。这些方法在大量的项目中没有得到很好的检验，因此这些研究的有效性是一个值得批评的问题。新获得的大型软件数据集使我们能够对软件开发工作量估计的生产力有用性进行进一步研究。具体来说，我们研究了项目生产力和UCP环境因素之间的关系，因为它们对软件项目所需的生产力有重大影响。因此，我们设计了四项研究，使用各种分类和回归方法，以检查这种关系的有用性及其对UCP努力估计的影响。我们得到的结果是令人鼓舞的，并显示潜在的改善努力估计。此外，由于数据汇集的质量，这种关系的效率优于来自行业的数据集。我们对研究结果的评论是，最好从计算UCP中排除环境因素，并使其仅用于计算生产力。该研究还鼓励项目经理了解如何更好地评估环境因素，因为它们确实对生产力有重大影响
2017-05-28 cs.SE
What's DAT? Three Case Studies of Measuring Software Development Productivity at Meta With Diff Authoring Time
Meta Platforms, Inc.（Meta平台公司）
本文通过三个案例研究展示DAT如何通过差异作者时间测量软件开发生产力，验证了DAT在提升开发效率和优化内部工作流程方面的有效性。
2026-04-13 cs.SE
Are Happy Developers more Productive? The Correlation of Affective States of Software Developers and their self-assessed Productivity
几十年来，人们一直声称提高软件开发人员生产力的一种方法是关注人。事实上，虽然人的因素已经在软件工程研究中得到了认可，但很少有实证研究试图验证这一说法。开发任务是通过认知处理能力来完成的。情感状态-情绪，情绪和感觉-对工作相关的行为，认知处理活动和个人的生产力有影响。在本文中，我们报告了一项实证研究的影响，情感状态对软件开发人员的性能，而编程。两个情感状态维度与自我评估的生产力呈正相关。我们展示了应用心理测量学在软件工程研究中的价值，并呼吁对软件开发人员的人性化、个性化方面进行评价。我们引入并验证了测量工具和线性混合效应模型来研究软件开发人员的情感状态和生产力的相关性。
2013-06-07 cs.HC cs.SE
Self-Assessing Creative Problem Solving for Aspiring Software Developers: A Pilot Study
我们开发了一个自我评估工具，计算学生在高等教育，以衡量他们的创造性解决问题的能力。我们的调查包括7个方面的创造力，根据现有的验证规模和进行焦点小组。这些因素是：技术知识、沟通、约束、批判性思维、好奇心、创造性思维和创造性技术。主轴因子分析将维度分为三个总体结构：能力，心态和互动。一个试点研究（n = 269）的结果提供了证据的心理测量质量，使它成为一个有用的工具，教育研究者调查学生的创造性技能。
2022-03-25 cs.SE
A survey on the impact of emotions on the productivity among software developers
本研究通过两阶段调查结合偏最小二乘法分析，证实软件开发者情绪状态对感知生产力有强正向显著影响，强调情绪管理对提升开发生产力的重要性。
2025-10-06 cs.HC cs.SE
The Daily Life of Software Engineers during the COVID-19 Pandemic
随着COVID-19疫情爆发及随后的封锁，软件工程师的日常生活受到干扰，并突然被迫在家远程工作。这一变化深刻影响了典型的工作程序，影响了福祉和生产力。此外，这场流行病将对软件行业产生长期影响，几家科技公司允许员工无限期在家工作，如果他们愿意的话。因此，分析和理解在家工作时典型的工作日是什么样子以及个人活动如何影响软件开发人员的福祉和生产力是至关重要的。我们进行了一项两波纵向研究，涉及近200名全球精心挑选的软件专业人士，推断日常活动与感知的幸福感，生产力和其他相关的心理和社会变量。结果表明，软件工程师在家做特定活动的时间与在办公室工作的时间相似。然而，我们也发现了一些显著的平均差异。开发人员在每项活动上花费的时间与他们的幸福感、感知生产力和其他变量无关。我们的结论是，远程工作本身对组织或开发人员来说并不是一个挑战。
2021-01-12 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
A Deep Dive on the Impact of COVID-19 in Software Development
背景：COVID-19疫情影响全球不同行业。Objective.本研究调查了COVID-19对软件项目和软件开发专业人员的影响。方法：我们使用10个不同的指标，基于100个用Java开发的GitHub项目进行了挖掘软件存储库研究。接下来，我们调查了279名软件开发专业人士，以更好地了解COVID-19对日常活动和健康的影响。结果：我们确定了12个与生产力、代码质量和幸福感相关的观察结果。结论：我们的研究结果强调，COVID-19的影响不是二元的（降低生产力与提高生产力），而是一个频谱。对于我们的许多观察，相当大比例的受访者有不同的意见。我们认为，需要更多的研究来揭示导致某些结果更加普遍的特定条件。
2020-08-17 cs.SE
"How Was Your Weekend?" Software Development Teams Working From Home During COVID-19
2019冠状病毒病大流行期间，大规模在家工作的转变彻底改变了许多软件开发团队的协作和沟通方式。为了调查团队文化和团队生产力如何受到影响，我们在一家大型软件公司进行了两次调查。第一项调查是在疫情爆发的最初几个月进行的探索性调查，共有2，265名开发人员回复，调查显示，许多开发人员在达到里程碑时面临挑战，他们的团队生产力也发生了变化。我们还发现，通过定性分析，重要的团队文化因素，如沟通和社会联系受到了影响。例如，简单的短语“你的周末怎么样？”“已经成为一种微妙的方式来表达同伴的支持。在第二次调查中，我们对第一次调查中出现的团队文化因素进行了定量分析，以了解报告的变化的普遍性。从608名开发人员的回复中，我们发现74%的受访者错过了与同事的社交互动，51%的人表示他们与同事的沟通难度下降。我们使用第二次调查的数据来构建回归模型，以确定建模团队生产力的重要团队文化因素。我们发现，与同事进行头脑风暴的能力，与同事沟通的困难以及对社交活动互动的满意度是与开发人员如何报告其软件开发团队的生产力相关的重要因素。我们的研究结果为大型软件公司的管理者和领导者如何在危机时期及以后支持持续的团队生产力提供了信息。
2021-02-11 cs.SE
Predictors of Well-being and Productivity among Software Professionals during the COVID-19 Pandemic -- A Longitudinal Study
COVID-19大流行迫使世界各国政府对其公民实施行动限制。尽管这些限制对降低病毒繁殖率至关重要，但也带来了深远的社会和经济后果。在本文中，我们调查的影响，这些限制在个人层面上的软件工程师谁在家工作。尽管软件专业人员习惯于使用数字化工具工作，但并非所有人都是远程工作，在他们的日常工作中，突然和强制的在家工作环境导致了软件工程社区前所未有的情况。在一项两波纵向研究（N=192）中，我们涵盖了50多个以前与幸福感或生产力相关的心理，社会，情境和生理因素。例子包括焦虑，分心，应对策略，心理和生理需求，办公室设置，压力和工作动机。这种设计使我们能够确定解释幸福感和生产力独特差异的变量。结果包括：（1）社会交往的质量正向预测，压力负向预测一个人的幸福感时，控制其他变量一致的两个波;（2）无聊和分心负向预测生产力;（3）与第一次相比，第二次生产率与所有预测变量的相关性较低，这表明软件工程师随着时间的推移适应了封锁的情况;（4）纵向分析没有提供证据表明任何预测变量因果解释幸福感和生产力的变化。总的来说，我们得出结论，在家工作本身对软件工程师来说并不是一个重大的挑战。
2021-01-24 cs.CY cs.SE
AI Tools in Software Development: Developer Perceptions and Usage Patterns
研究通过调查147名专业开发者，探讨AI工具使用与开发者感知的生产力、代码质量和采用意图之间的关系，发现高频和广泛使用AI工具与更高的生产力和代码质量感知相关，且无速度与质量的权衡。
2026-05-11 cs.SE
The Innovative Behaviour of Software Engineers: Findings from a Pilot Case Study
内容：在工作场所，有些人为了个人绩效、团队效率或组织的利益，自愿和有意地产生、推广和实现新想法。文献将这种现象归类为创新行为。尽管创新行为对创新的发展很重要，但在软件工程中，创新行为还没有得到充分的研究。目的：了解软件工程实践中支持或抑制创新行为的因素。方法：我们进行了一个试点的案例研究，在加拿大的软件公司使用访谈和观察作为数据汇集技术。通过定性分析，我们确定了其他领域研究未涉及的相关因素和关系。结果如下：个人的创新行为受到个人态度的影响，也受到情境因素的影响，如工作场所的关系，组织特征和项目类型。我们建立了一个模型来表达这些因素的相互作用。结论：创新行为取决于个人和环境因素。我们的研究结果有助于对研究和实践的相关影响，以及值得进一步研究的主题。
2016-12-02 cs.SE
Revisiting Aristotle vs. Ringelmann: The influence of biases on measuring productivity in Open Source software development
本文通过复现苏黎世联邦理工学院两个团队关于开源软件生产力与团队规模关系的研究，发现抽样偏差只能部分解释其相反结论，仪器偏差才是造成差异的主要原因。
2024-08-08 cs.SE
Formal methods and software engineering for DL. Security, safety and productivity for DL systems development
深度学习（DL）技术现在已经广泛应用，并被集成到许多重要的系统中。它们的分类和识别能力确保了它们与多个应用领域的相关性。作为依赖于训练而不是算法编程的机器学习，它们提供了高度的生产力。但它们可能容易受到攻击，并且验证其正确性只是作为一种科学和工程可能性才刚刚出现。本文是对以前发表的调查的重大更新，试图涵盖这一领域的所有最新出版物。它还涵盖了一个更近的趋势，即设计用于生成和训练神经网络的特定领域语言。
2019-01-31 cs.DC cs.SE
The Role of GitHub Copilot on Software Development: A Perspective on Productivity, Security, Best Practices and Future Directions
Virginia Tech（弗吉尼亚理工大学）；BML Munjal University（BML Munjal大学）；Indiana Tech（印第安纳理工大学）
本文通过文献调查综合分析了 GitHub Copilot 对软件开发生产力和安全性的影响，指出其在加速编码的同时存在安全与知识产权风险，并提出负责任采用 AI 的最佳实践与未来方向。
2025-05-02 cs.AI cs.SE
Long-Term Productivity Based on Science, not Preference
这份立场文件认为，科学软件开发的过程、工具、技术和软件工件（如用户手册、单元测试、设计文档和代码）的决定应该由科学驱动，而不是由个人偏好驱动。决策不应基于轶事证据、直觉或阻力最小的路径。此外，决定应根据用户和背景而有所不同。在大多数感兴趣的情况下，这意味着应该采取更长远的观点。我们需要采用一种基于明确定义、经验证据、假设检验和严格程序的科学方法。通过了解投入时间花在哪里，什么最有助于用户满意度，以及如何利用产生的知识，我们可以确定哪些干预措施相对于投入的努力具有最大的价值。我们将能够推荐证明其价值的软件生产过程，因为与所需的投入资源相比，长期的产出效益很高。生产力的初步定义，以及如何衡量这种质量的想法。我们简要地探讨了通过一种方法来提高生产力的想法，在这种方法中，所有的工件都是从编码的知识中生成的。
2021-12-15 cs.SE
Assessing Practitioner Beliefs about Software Engineering
软件工程是一门高度动态的学科。因此，随着时代的变化，我们对这一领域核心过程的信念也会发生变化。本文检查了过去几十年中产生的关于（i）开发人员生产力;（ii）软件质量和（iii）多年开发经验之间关系的五个信念。使用1995年至2006年期间从1,356名开发人员收集的数据，我们发现只有一个支持五个信念，题为“质量需要生产力”。我们没有发现其他四个基于程序设计语言和软件开发人员的信念的明确支持。然而，从其他四个信念的零星证据中，我们了解到，一个狭窄的范围可能会欺骗从业者，使他们误解某些影响，从而在日常工作中保持下去。最后，通过评估这五个信念的汇总视图，我们发现程序设计语言是开发人员生产力和软件质量的混杂因素。因此，这项工作的总体信息是，它是既重要又可能重新审视SE的旧信念。研究人员和实践者应该定期重新测试旧的信念。
2021-05-24 cs.SE
Empirical Analysis on Productivity Prediction and Locality for Use Case Points Method
用例点（UCP）方法已经存在了二十多年。虽然，有大量的批评有关的代数结构和因素评估的UCP，它仍然是一个有效的早期规模估计方法。从UCP预测软件工作量仍然是一个永远存在的挑战。UCP方法的早期版本建议使用生产率作为成本驱动因素，其中固定或几个预定义的生产率比率已得到广泛认可。虽然这种方法在没有足够的历史数据时是成功的，但它不再被接受，因为软件项目在开发方面是不同的。因此，最好了解生产率与其他UCP变量之间的关系。本文研究了数据局部性方法对多个UCP变量的生产率和工作量预测的影响。环境因素被用作分区因素，以产生本地同质数据的基础上，他们的影响力水平或使用聚类算法。不同的机器学习方法，包括独奏和集成方法，被用来构建基于本地数据的生产率和努力预测模型。结果表明，基于本地数据创建的预测模型优于使用整个数据的模型。此外，结果表明，符合生产力和环境因素之间的假设假设并不一定是成功的地方。
2021-02-11 cs.SE
Software developers, moods, emotions, and performance
研究表明，当涉及到生产力时，软件开发人员的快乐会得到回报。
2014-06-20 cs.SE
Investigating the Awareness of Applying the Important Web Application Development and Measurement Practices in Small Software Firms
本文旨在讨论约旦小型软件公司目前的发展和测量实践的试点研究和分析。之所以这样做，是因为大多数开发人员在构建Web应用程序时没有使用任何特定的开发方法，也不知道如何在过程中集成合适的度量，以改善和减少开发生存周期的缺陷、时间和返工。此外，这项试点研究的目标是首先确定约旦小型软件公司的实际特点。其次，调查当前的开发和测量实践。第三，研究小型软件公司对构建Web应用程序的新开发方法的需求。因此，在约旦小型软件公司进行了试点调查。采用描述性统计分析，根据其重要性对开发和测量方法进行排序。本文介绍了试点调查的数据、分析和发现。这些实际调查结果将有助于建立新的方法，开发Web应用程序的小型软件公司考虑到如何将合适的测量程序集成到整个开发过程中，也将提供有用的信息，那些谁是在同一领域的研究。
2012-01-10 cs.SE
A Hybrid Model for Estimating Software Project Effort from Use Case Points
早期的软件工作量估算是成功的软件项目管理的标志。建立可靠的工作量估算模型通常需要历史数据。不幸的是，由于在软件开发的早期阶段可用的信息是稀缺的，建议使用软件规模度量作为工作量估计的关键成本因素。用例点（UCP）是一个主要为面向对象项目设计的突出的规模度量。然而，目前还没有一个成熟的模型可以将UCP转化为相应的努力，因此，大多数模型都将生产力作为第二成本驱动因素。这些模型中的生产率通常是由专家猜测的，不依赖于历史数据，这使得它具有不确定性。因此，这些模型没有使用大量的历史数据进行很好的检验。在本文中，我们设计了一个混合模型，包括分类和预测阶段，使用支持向量机和径向基神经网络。所提出的模型是在从工业和学生项目中收集的大量观察结果上构建的。该模型与以前的UCP预测模型进行了比较。验证和实证结果表明，所提出的模型显着优于所有数据集上的这些模型。主要结论是：利用UCP的环境因子可以对生产力进行分类和评价。
2016-10-08 cs.SE
A Longitudinal Cohort Study on the Retainment of Test-Driven Development
背景资料：测试驱动开发（TDD）是一种敏捷的软件开发实践，它被认为可以提高软件产品的外部质量和开发人员的生产力。目的：我们想研究（i）TDD对软件产品的外部质量以及开发人员的生产力的影响，以及（ii）在五个月内TDD的保留情况。方法：我们对意大利巴里大学计算机科学专业的30名三年级本科生进行了一项（定量）纵向队列研究。结果如下：TDD的使用对软件产品的外部质量和开发人员的生产力都没有统计上的显著影响。然而，我们观察到使用TDD的参与者比那些应用非TDD开发过程的参与者产生了更多的测试，并且TDD的保留在编写的测试数量中特别明显。结论：我们的结果应该鼓励软件公司采用TDD，因为实践TDD的人往往会编写更多的测试-在测试软件系统或定位错误时，有更多的测试可以派上用场-而且新手开发人员似乎会保留TDD。
2018-07-09 cs.SE
Evaluating the Impact of Pair Documentation on Requirements Quality and Team Productivity
本文通过对照实验比较结对文档与传统文档，发现两人协作编写需求可显著提升SRS质量与团队生产力，为组建高效需求工程团队提供依据。
2023-04-27 cs.SE
Three Controlled Experiments in Software Engineering with the Two-Tier Programming Toolkit: Final Report
三个控制实验测试的好处，Java程序员获得使用两层编程工具包最近已经结束。第一个实验提供了统计学上显著的证据（p值：0.02），程序员谁进行了最低限度的（1小时）培训，在使用当前的原型表现出76%的生产力提高在软件开发和维护的关键任务。第二个实验表明，使用TTP工具包可能（p值：0.10），程序员执行与软件质量相关的任务的准确性几乎提高了三倍。第三个实验表明，TTP工具包在执行非常短的时间（10分钟以下）时没有提供显着的生产率提高。任务
2010-09-01 cs.SE
The Transformative Influence of LLMs on Software Development & Developer Productivity
本文系统综述了LLMs作为AI编程助手对软件开发的影响，揭示了隐私、偏见等挑战，并提出12个开放问题。
2025-07-05 cs.HC cs.SE
Analyzing the Productivity of GitHub Teams based on Formation Phase Activity
我们的目标是了解GitHub上高绩效团队的特征。为此，我们从软件存储库中收集数据，并通过检查生产力的差异来评估团队。我们的研究集中在团队形成阶段，即存储库创建后的前六个月。为了更好地理解团队活动，我们根据他们的工作活动的比例对存储库进行了聚类，并发现了团队中的三种工作风格：沟通者，沟通者和合作者。根据我们的研究结果，我们认为GitHub上软件开发存储库中的早期活动建立了协调流程，随着时间的推移实现了有效的协作。
2020-11-06 cs.SE cs.SI
Derivation of UML Based Performance Models for Design Assessment in a Reuse Based Software Development Approach
基于重用的软件开发为提高软件产品的质量和生产力提供了机会。软件系统质量的一个最关键的方面是它的性能。在整个开发过程中系统地应用软件性能工程技术，可以帮助确定设计替代方案，保留所需的质量，如可扩展性和可重用性，同时满足性能目标。在目前的情况下，大多数性能失败是由于在开发过程的早期，特别是在设计阶段，缺乏对性能问题的考虑。这些性能故障会导致客户关系受损、用户生产力损失、调整或重新设计导致的成本超支以及错过市场窗口。在本文中，我们提出了基于UML的性能模型的设计评估在一个基于重用的软件开发方案。
2009-05-29 cs.SE
The Impact of AI Coding Assistants on Software Engineering: A Longitudinal Study
University of Auckland（奥克兰大学）
通过纵向混合方法调查，研究AI编码助手对专业软件工程师任务专注度、开发者体验和生产力的影响，发现工作重心从创建转向验证，并提出监督工程工作概念，同时揭示生产力-体验悖论。
2026-11-05 cs.SE
Beyond Productivity: Measuring Developers' Cognitive Load During GenAI-Supported Software Development
Hasso Plattner Institute, University of Potsdam（波茨坦大学哈索·普拉特纳研究所）；SAP Labs（SAP实验室）
本研究通过四天工业现场实验，发现GenAI使用和任务背景与开发者感知认知负荷相关，生理数据仅提供有限补充信息，建议结合工作背景评估认知负荷。
2026-09-30 cs.HC cs.SE
A Pilot Study on Detecting Software Design Patterns with Large Language Models: An Empirical Evaluation
School of Computing, University of Otago（奥塔哥大学计算机学院）
本文评估了四种大语言模型和两种集成方法在检测五种设计模式（单例、适配器、桥接、组合和装饰器）中的性能，发现NextCoder和Gemma 3在准确性上表现更优，集成方法提升了整体效率。
2026-04-19 cs.SE
How do Copilot Suggestions Impact Developers' Frustration and Productivity?
本文提出并计划通过准实验研究检验两个对立理论：自动代码建议可能因无关建议降低有经验开发者的生产力，但可能通过减少新手陷入困境的挫败感而提升其生产力，并采用 IDE 监控、屏幕录制和生理数据测量进行验证。
2025-04-09 cs.SE
At What Cost? Software Developers' Well-Being in the Age of GenAI
Queen’s University（女王大学）；The University of Western Australia（西澳大学）；University of Otago（奥塔哥大学）；Uppsala University（乌普萨拉大学）
本文探讨了生成人工智能时代软件开发者福祉问题，指出过度关注生产力和性能可能忽视开发者身心健康，提出理论框架以平衡绩效指标与人类体验和社会可持续性。
2026-05-21 cs.SE
Integrating Large Language Models in Software Engineering Education: A Pilot Study through GitHub Repositories Mining
本研究通过挖掘400个GitHub项目开展试点，实证验证了SE教育中LLM应用的激励与阻碍因素分类体系，为构建负责任融入的综合框架奠定基础。
2025-09-05 cs.SE
The Productivity-Reliability Paradox: Specification-Driven Governance for AI-Augmented Software Development
School of Architecture, Computing and Engineering（建筑、计算与工程学院）
本文探讨AI辅助软件开发中生产力与可靠性矛盾现象，提出规范驱动治理模型，通过文献综述定义悖论因素，并评估规范工具的有效性。
2026-05-01 cs.AI cs.SE
Building a Pilot Software Quality-in-Use Benchmark Dataset
Universiti Malaysia Sarawak（马来西亚砂拉越大学）
准备好特定领域的数据集对监督学习方法起着重要的作用。本文提出了一种新的软件使用质量句子数据集。选择了三位专家使用建议的注释方案对数据进行注释。然后在（不匹配消除）过程中核对数据，以减少偏倚。Kappa，k统计量显示一致性水平可接受;专家之间存在中度至实质性一致性。构建的数据可以用于评估情感分析模型中的软件使用质量模型。此外，注释方案可用于扩展当前数据集。
2015-09-18 cs.CL cs.SE
Assessment of a hybrid software development process for student projects: a controlled experiment
近年来，人们对混合开发方法产生了浓厚的兴趣，因为实践者将各种方法结合起来进行软件创建，以提高生产率，产品质量和过程对变化的适应性。关于这一主题的科学论文激增，但在学术背景下对混合方法的有效性的评估尚未跟上。提出的工作调查，如果引入一个混合的方法为学生项目带来了附加值相比，迭代和顺序开发。在法国一所工程学校的本科生中进行了一项对照实验，以评估给定的开发方法对学生计算事业成功的影响。它的三个维度通过一组指标进行了检查：产品质量，团队生产力以及人为因素（团队合作质量和学习成果）。观察到几种模式，这可以提供一个起点，教育工作者和研究人员希望定制或设计一个软件开发过程的学术需求。
2021-03-05 cs.SE
Pandemic Programming: How COVID-19 affects software developers and how their organizations can help
上下文2020年初，新型冠状病毒席卷全球，数千名软件开发人员开始在家工作。许多人是在接到通知后很短的时间内，在困难和紧张的条件下这样做的。Objective.本研究调查疫情对开发商的健康及生产力的影响。法问卷调查主要是根据现有的、经过验证的量表编制的，并翻译成12种语言。使用非参数推断统计学和结构方程模型对数据进行分析。结果调查问卷收到了来自53个国家的2225份可用答复。因子分析支持量表的有效性，结构模型拟合良好（CFI = 0.961，RMSEA = 0.051，SRMR = 0.067）。验证结果包括：（1）疫情对开发商的健康和生产力产生了负面影响;（2）生产力和健康密切相关;（3）灾难准备、与疫情相关的恐惧和家庭办公室的人体工程学都影响健康或生产力。探索性分析表明：（1）妇女、父母和残疾人可能受到不成比例的影响;（2）不同的人需要不同种类的支持。结论.为了提高员工的工作效率，软件公司应该专注于最大限度地提高员工的福利和改善员工家庭办公室的人体工程学。妇女、父母和残疾人可能需要额外支助。
2020-07-20 cs.CY cs.SE
Harnessing the Potential of Gen-AI Coding Assistants in Public Sector Software Development
GovTech Singapore的研究表明，GitHub Copilot使公共部门开发人员生产力提升21-28%，满意度达95%，并建议制定AI框架及根据代码机密性选择云端或自托管工具以高效利用技术。
2024-09-25 cs.SE
MaxMind: A Memory Loop Network to Enhance Software Productivity based on Large Language Models
National University of Defence Technology（国防科技大学）；School of Computer（计算机学院）；Southeast University（东南大学）；School of Integrated Circuits（集成电路学院）
本文提出记忆循环网络MaxMind，通过经验记忆、价值区分和知识精确分割增强RAG，并在电子表格系统中验证其可提升任务成功率与执行效率。
2024-08-07 cs.AI cs.SE
Do Software Languages Engineers Evaluate their Languages?
领域特定语言（DSL）可以帮助提高生产力，同时减少所需的维护和编程专业知识。我们假设软件语言工程（SLE）开发人员一贯跳过或放松语言评估。根据其他类型软件产品的工程经验，我们认为这可能会导致部署不适当的语言。语言已经处理了问题领域的概念，而不是解决方案领域的概念，这一事实不足以验证几个关键问题，例如它的表达性，可用性，有效性，可维护性，甚至是领域专家在使用它们时的生产力。我们对2001年至2008年发表在顶级场馆的文章进行了系统的回顾，这些文章报道了DSL的构建，以描述常见的实践。这项工作证实了我们最初的假设，并奠定了基础，讨论如何包括一个系统的方法，DSL的SLE过程中的评估。
2011-09-30 cs.SE
Impacts of Generative AI on Agile Teams' Productivity: A Multi-Case Longitudinal Study
Pontifical Catholic University of Rio de Janeiro（里约热内卢天主教大学）；University of Bari（巴里大学）；Federal University of Cariri（卡拉伊联邦大学）
本研究通过多案例纵向研究，发现生成式AI工具显著提升敏捷团队绩效和幸福感，其影响在于增加开发工作的价值密度而非工作量。
2026-02-14 cs.SE
The Fast and Spurious: Developer Productivity with GenAI
Oregon State University（俄勒冈州立大学）；CodeDay；Colorado State University（科罗拉多州立大学）；Northern Arizona University（北亚利桑那大学）
本文研究了生成式AI对开发者生产力不同维度的影响，发现虽然任务完成速度提升，但导致代码审查负担增加、认知负荷持续存在，整体生产力可能虚增。
2026-04-05 cs.HC cs.SE
Big Data = Big Insights? Operationalising Brooks' Law in a Massive GitHub Data Set
来自软件存储库和协作工具的大量数据被广泛用于研究软件开发中的社会方面。最近的几篇文章提出的一个问题是，软件项目的规模和结构如何影响团队的生产力，这是布鲁克斯定律中著名的问题。最近使用大量存储库数据的研究表明，大型团队中的开发人员往往比小型团队的生产力低。尽管使用类似的方法和数据，其他研究认为团队规模和生产力之间存在正线性甚至超线性关系，从而质疑软件经济学认为软件项目是规模不经济的观点。在我们的工作中，我们研究的挑战，可以解释最近的研究开发人员的生产力在大量的存储库数据之间的分歧。据我们所知，我们还提供了最大的、精心策划的GitHub项目语料库，旨在调查团队规模和协作模式对个人和集体生产力的影响。我们的工作有助于正在进行的讨论，在操作的假设成功的软件项目的决定因素的生产力指标的选择。它进一步强调了大数据分析中的一般陷阱，并表明使用更大的数据集并不会自动带来更可靠的见解。
2022-01-12 cs.CY cs.SE cs.SI
Impostor Phenomenon in Software Engineers
本研究通过面向26国624名软件工程师的理论驱动调查，量化IP在性别、种族、家庭状况上的差异，并证实其对SPACE框架下感知生产力具有显著负面影响。
2023-12-07 cs.SE
ChatGPT as a Software Development Bot: A Project-based Study
本研究通过一项为期三个月、七名学生参与的本科软件工程项目，评估了 ChatGPT 作为开发支持工具在弥补技能差距、提升效率与协作方面的作用，并强调教育中需平衡使用 AI 工具。
2024-02-22 cs.SE
