Agentic Data Engineering for LLMs: System Design and a Controlled Empirical Study
University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校）；Alibaba Group（阿里巴巴集团）；Peking University（北京大学）
该研究提出智能体数据工程（ADE）框架，让智能体利用实验反馈开发数据工程策略，在四项任务中较通用基线实现最高13.34%的绝对提升，验证了AI4AI在LLM数据工程中的有效性。
2026-10-14 cs.AI cs.CL cs.LG
Prompt-with-Me: in-IDE Structured Prompt Management for LLM-Driven Software Engineering
Delft University of Technology（代尔夫特理工大学）；JetBrains Research（JetBrains研究）
本文提出嵌入IDE的结构化提示词管理工具Prompt-with-Me，通过四维分类、语言润色、敏感信息遮蔽和模板提取提升提示词复用与质量，用户研究表明其可用性高且能减少重复工作。
2025-09-21 cs.AI cs.HC cs.SE
ChatSOS: Vector Database Augmented Generative Question Answering Assistant in Safety Engineering
School of Mechatronic Engineering, Beijing Institute of Technology（北京理工大学机电学院）
针对基础大语言模型在安全工程应用中数据覆盖有限、响应不可靠的问题，本研究构建了基于爆炸事故报告的向量数据库并开发ChatSOS，显著提升了问答的可靠性、准确性等性能，为安全工程专业查询应用奠定基础。
2024-05-08 cs.AI cs.CL
Teach the Way It Thinks: Guiding LLM Post-training Data Engineering with Sparse Autoencoders
Tsinghua University（清华大学）
提出SAERL框架，通过稀疏自编码器提取模型内部状态，建模数据多样性、难度和质量，用于强化学习数据工程，提升准确率并减少训练步数。
2026-11-06 cs.AI cs.CL cs.LG
Automatic Engineering of Long Prompts
Google Inc.（谷歌公司）
本文研究长提示词的自动工程，提出带束搜索的贪心算法及两种利用搜索历史的技术，在Big Bench Hard八个任务上平均提升9.2%准确率。
2023-11-16 cs.AI cs.LG
PromptHive: Bringing Subject Matter Experts Back to the Forefront with Collaborative Prompt Engineering for Educational Content Creation
University of Toronto（多伦多大学）；UC Berkeley（加州大学伯克利分校）
PromptHive 通过协作式提示编写界面帮助领域专家快速迭代提示，使非 AI 专家生成的内容质量接近人工编写材料，同时将认知负荷减半、编写时间从数月缩短至数小时。
2024-10-21 cs.AI cs.HC
PromptPilot: Improving Human-AI Collaboration Through LLM-Enhanced Prompt Engineering
University of Bayreuth（拜罗伊特大学）；Fraunhofer FIT（弗劳恩霍夫应用信息技术研究所）
针对用户难以设计高质量提示、现有提示工程方法存在不足的问题，提出基于四项实证设计目标的交互式提示助手PromptPilot，实验验证其能显著提升任务表现，为人机协作提供可行技术路径。
2025-10-01 cs.AI cs.HC
Generative AI Act II: Test Time Scaling Drives Cognition Engineering
Shanghai Jiao Tong University（上海交通大学）；SII；Generative AI Research Lab (GAIR)（生成式人工智能研究实验室（GAIR））
本文提出AI进入由测试时间缩放技术驱动认知工程的“第二幕”，系统拆解先进方法并提供教程与实现，推动模型从知识检索转向思维构建。
2025-04-28 cs.AI cs.CL
From Instruction to Output: The Role of Prompting in Modern NLG
Faculty of Information Technology, Monash University（莫纳什大学信息科技学院）；School of Computer, Data and Mathematical Sciences, Western Sydney University（西澳大学计算机、数据与数学科学学院）；School of Computing, Macquarie University（麦考瑞大学计算学院）
本文探讨了提示工程在自然语言生成中的作用，提出了提示范式的分类和决策框架，旨在提升NLG的可控性和可推广性。
2026-01-21 cs.AI cs.CL
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
Generative AI in the Software Engineering Domain: Tensions of Occupational Identity and Patterns of Identity Protection
本文基于职业身份与自我决定理论，通过软件工程领域的定性研究，揭示不同经验水平的工程师如何通过意义建构保护职业身份，并为组织应对生成式AI带来的职业身份冲击提出设计指南。
2024-10-04 cs.HC cs.SE
Generative AI in Evidence-Based Software Engineering: A White Paper
本文针对系统文献综述耗时的问题，探讨生成式AI在基于证据的软件工程中的作用，并提出将创建并实证验证一套综合模型以有效支持EBSE研究人员的未来愿景。
2024-08-22 cs.SE
Code Generation for Machine Learning using Model-Driven Engineering and SysML
Technical University of Munich（慕尼黑工业大学）；TUM School of Computation, Information and Technology（慕尼黑工业大学计算、信息与技术学院）；University of Applied Sciences Vorarlberg（福拉尔贝格应用科学大学）；Zumtobel Lighting GmbH（祖姆托贝尔照明有限公司）
本文提出一种结合SysML形式化机器学习任务与模型转换的方法，自动生成可执行代码，以降低数据驱动工程的实现难度，并通过天气预报案例验证其灵活性与可行性。
2023-07-10 cs.AI cs.SE
Software Engineering User Study Recruitment on Prolific: An Experience Report
在线参与者招募平台，如Prolific，在研究中越来越受欢迎，因为它们使研究人员能够轻松访问大量的参与者。然而，参与者的质量可能是一个问题;参与者可能会提供不正确的信息以获得更多的研究，给结果增加不必要的噪音。本文详细介绍了我们从Prolific招募参与者进行Node.js编程技能用户研究的经验，旨在帮助其他研究人员进行类似的研究。我们探索了一种方法，招募程序员参与者使用预筛选验证，注意力检查和一系列的编程知识问题。我们收到了680份回复，并确定其中55份符合邀请参加我们用户研究的标准。我们最终通过视频通话与10名参与者进行了用户研究。最后，我们对研究人员提出了一系列建议。
2022-03-15 cs.HC cs.SE
On Which Skills do Indian Universities Evaluate Software Engineering Students?
大学举行考试，以评估学生获得的技能和知识。本文介绍了在软件工程考试中对技能和知识水平的评估。从认知层次、知识层次和知识领域三个维度对考试中的试题进行分析。根据布卢姆分类法的修订版，将问题项按认知水平和知识水平进行分类。问题项也被分类在ACM/IEEE的计算机科学课程中指定的各种知识领域中。本文的分析将有助于软件工程教育工作者制定纠正措施和雇主的应届毕业生设计入职前的培训计划。
2016-01-08 cs.SE
A Dynamic Tracing Model for Agile Software Product Lines Domain Engineering from Features to Structural Elements: An Approach Based on Dynamic Routing
即使实施软件产品线的好处已经很好地建立起来，采用这样一个大型系统仍然是一个复杂的选择：很难实施，需要对市场增长有很好的了解，并对企业的长期目标有清晰的认识。因此，许多公司仍然不愿意采取这种做法，除非他们获得灵活性并获得担保。灵活性可以通过采用敏捷软件产品线方法来实现，以确保快速实施更改，并使产品适应市场发展。担保可以通过对要素及其关系的追溯而获得。然而，敏捷软件产品线环境中的跟踪仍然需要获得成熟度，因为它成本高昂，因此很少被采用。在本文中，我们讨论了敏捷软件产品线的可追溯性的附加值，并提出了我们的跟踪模型的灵感来自动态网络路由。
2018-12-13 cs.SE
Towards a Blockchain-based Software Engineering Education
本文提出软件工程技能（SES）代币，通过区块链技术为学生的学习成就与参与提供数字代币奖励，以提升软件工程教育体验，概念验证表明该代币可部署于平台支持教学。
2023-04-04 cs.SE
Requirements engineering in open innovation: a research agenda
近年来，开放式创新（OI）得到了广泛的关注，并使企业意识到他们需要考虑周围的开放环境。为了促进这一转变，需求工程（RE）需要进行调整，以管理新的需求来源以及利益相关者网络的增加和复杂性。作为回应，我们建立并推进了一个早期提出的软件工程框架，以促进开放式创新，重点是利益相关者管理，何时开放，优先级和发布计划。开源RE的文献与软件工程中OI的最新研究结果进行了对比，以建立该领域的当前观点。基于综合的研究结果，我们提出了一个研究议程的重点领域，随着框架模型，以帮助研究人员框架和分解他们的研究问题，考虑不同的角度隐含的OI模型。
2022-07-31 cs.SE
Information Systems and Software Engineering: The Case for Convergence
本文论证信息系统与软件工程领域在历史演进和研究主题上高度相似，主张加强两者互动，并提出了促进融合的实际举措。
2024-02-06 cs.SE
Aging of Prompt Engineering Techniques Across LLM Versions
University of Rostock（罗斯托克大学）
本研究通过评估三类模型对的五种提示技术，发现提示工程效果随LLM代际以模型家族特定方式老化，需针对性调整而非照搬。
2026-08-26 cs.SE
A Vision on Open Science for the Evolution of Software Engineering Research and Practice
针对开放科学实践面临挑战且缺乏合理激励的现状，提出关联文化与技术要素的概念框架，将开放科学作为核心要求，为推动软件工程界文化转变、赋能学界发展明确方向。
2024-05-20 cs.SE
Protocol for a Systematic Mapping Study on Collaborative Model-Driven Software Engineering
如今，由多个利益相关者执行的协作建模在学术界和实践中越来越受到关注。然而，它提出了一系列的研究挑战，如大型和复杂的模型管理，支持多用户建模环境，和同步机制，如模型迁移和合并，冲突管理，模型版本和回滚支持。在科学文献中存在关于协作模型驱动软件工程（MDSE）的知识体系。尽管如此，这些研究仍然分散在不同的独立研究领域，如软件工程，模型驱动的工程语言和系统，模型集成计算等，并且仍然缺少对协作MDSE的各种途径和方法进行分类和比较的研究。从这个角度来看，系统的映射研究（SMS）可以帮助研究人员和从业人员（i）有一个完整的，全面的和有效的图片的最先进的合作MDSE，（ii）确定潜在的差距，在目前的研究和未来的研究方向。
2016-11-08 cs.SE
Industry Best Practices in Robotics Software Engineering
Jet Propulsion Laboratory, California Institute of Technology（喷气推进实验室，加州理工学院）；Robert Bosch Corporate Research（罗伯特·博世企业研究院）；Waymo；XITASO GmbH（XITASO有限公司）；Mälardalen University（梅拉达伦大学）；Vrije Universiteit Amsterdam（阿姆斯特丹自由大学）；University of Stuttgart（斯图加特大学）
机器人软件正在推动软件工程实践的极限。第三届机器人软件工程国际研讨会举行了关于“机器人软件工程最佳做法“的小组讨论。本文分享了小组成员和研讨会讨论中出现的关键要点，包括NASA/加州理工学院喷气推进实验室的架构实践，博世的模型驱动开发，Waymo的自动驾驶系统开发和测试，以及XITASO的机器人软件测试。研究人员和从业者可以在本文内容的基础上，对他们的活动获得新的视角，并专注于当今开发机器人软件中最紧迫的实践和挑战。
2022-12-09 cs.RO cs.SE
Cognitive Biases in Software Engineering: A Systematic Mapping Study
软件项目挑战和失败的一个来源是由人类认知偏见引入的系统性错误。虽然在认知心理学中得到了广泛的探讨，但有关认知偏差的调查只是最近才在软件工程（SE）研究中得到普及。因此，本文系统地映射，汇总和综合的文献认知偏见在软件工程产生一个全面的知识体系，了解国家的最先进的研究，并为未来的研究和实践提供指导。我们重点关注偏见的前因、影响和缓解技术，确定了1990年至2016年间发表的65篇文章，其中调查了37种认知偏见。尽管人们对认知偏差的兴趣越来越浓厚，但研究结果显示，在理解和解释认知偏差方面，对缓解技术的研究很少，理论基础也很薄弱。虽然偏见相关的研究已经产生了许多新的见解，在软件工程社区，具体的偏见缓解技术仍然需要软件专业人员克服认知偏见对他们的工作的有害影响。
2018-10-23 cs.SE
Blockchain Application Development Using Model-Driven Engineering and Low-Code Platforms: A Survey
如今，创建基于区块链的软件应用程序需要大量的技术知识，特别是在软件设计和编程方面。这被认为是在商业中采用这项技术并使其能够被更广泛的受众使用的主要障碍。作为一种解决方案，已经提出了无代码和低代码方法，这些方法只需要很少或不需要编程知识就可以创建完整的软件应用程序。在本文中，我们回顾了模型驱动工程学科的学术方法以及区块链的工业无代码和低代码开发平台。我们进一步提出了一个集成的无代码区块链环境的案例研究，以展示该领域的最新技术。基于所获得的见解，我们得出了未来开发专用于区块链领域的无代码和低代码方法的要求。
2022-04-07 cs.SE
Exploring the Power of Diffusion Large Language Models for Software Engineering: An Empirical Investigation
针对自回归大语言模型在软件工程中代码结构处理弱、推理延迟高的问题，首次全面评估扩散大语言模型在多类SE任务的表现，7B参数量模型在大规模基准上准确率显著提升且效率更优，确立其为SE任务的更优范式。
2025-10-06 cs.SE
Modelling Guidance in Software Engineering: A Systematic Literature Review
尽管在软件工程（SE）的潜在好处，采用软件建模在工业中是低的。诸如工具支持之类的技术问题以前已经得到了大量的研究，但个人指导和培训却很少受到关注。作为建模提供必要指导的第一步，我们进行了系统的文献综述（SLR），以探索当前的最新技术水平。我们搜索了建模指导的学术文献，并通过三轮筛选选择了25篇论文进行全文筛选。我们发现关于建模指导的研究是零散的，术语的使用不一致，缺乏经验验证或支持证据。我们概述了常用的不同维度，以提供指导软件建模。此外，我们提供了三个术语建模方法，风格和指导方针的定义，因为目前的文献缺乏一个明确的区别。这些定义可以帮助区分重要的概念，并提供精确的建模指导。
2022-06-14 cs.SE
Moving Beyond the Mean: Analyzing Variance in Software Engineering Experiments
软件工程（SE）实验传统上用统计测试（例如，t检验、方差分析等）假设数据在治疗中均匀分布（即，方差齐性假设）。不同治疗的SE差异并不被视为获得技术性能见解的机会，而是分析数据的障碍。我们已经研究了方差在成熟的实验学科（如医学）中的作用。我们说明了在何种程度上方差可以告知技术性能通过模拟。我们分析了测试驱动开发（TDD）的真实工业实验，其中方差可能会影响技术的可取性。仅仅根据手段来评估技术的性能--就像SE中传统的做法--可能会产生误导。使开发人员彼此更加相似的技术（即，差异较小的技术）可能更合适，如果目的是最大限度地减少在实际实践中采用这些技术的风险。
2018-09-05 cs.SE
Natural Language or Not (NLoN) - A Package for Software Engineering Text Analysis Pipeline
自然语言处理（NLP）的使用在软件工程中越来越受欢迎。为了正确执行NLP，我们必须对文本信息进行预处理，以将自然语言与其他信息（例如日志消息）分离开来，这些信息通常是软件工程中通信的一部分。我们提出了一个简单的方法来分类一些文本输入是否是自然语言或没有。虽然我们的NLoN包只依赖于11种语言特征和字符三元组，但我们能够在三个不同的数据源上实现0.976-0.987之间的ROC曲线下面积，Glmnet的Lasso回归作为我们的学习者，两个人类评分员提供地面真相。跨源预测性能较低，波动较大，最高ROC性能在0.913至0.980之间。与以前的工作相比，我们的方法提供了类似的性能，但更轻量级，更容易应用于软件工程文本挖掘管道。我们的源代码和数据作为R包提供，以供进一步改进。
2018-03-20 cs.SE
Scrum2Kanban: Integrating Kanban and Scrum in a University Software Engineering Capstone Course
随着敏捷方法在专业软件开发中获得支持，使用大学的顶点课程来教授敏捷软件开发方法已经变得司空见惯。这通常意味着学生将被介绍并使用当前最流行的敏捷方法：Sunday。然而，随着行业中采用的敏捷方法发生变化并适应不同的环境，大学课程必须跟上。这方面的一个主要例子是看板方法，最近在行业中引起了关注。在本文中，我们描述了一个顶点课程设计，它增加了实践学习的精益原则所倡导的看板到顶点项目运行与SLEP。这既确保了学生了解最新的过程框架和想法，也确保了学生对敏捷方法如何在实践中使用有了更全面的了解。我们描述了课程的细节，并分析了参与学生的看法以及我们的观察。我们分析了开发工件，学生在课程中创建的两种不同的开发方法。我们还提出了一个总结经验教训以及建议，为今后类似的课程。在课程结束时进行的调查显示，学生对看板融入课程的态度非常积极。
2018-09-06 cs.SE
Architectural Support for Software Performance in Continuous Software Engineering: A Systematic Mapping Study
本研究针对持续软件工程中性能评估的难点，采用系统性映射方法从215篇相关论文中筛选66项核心研究，对面向性能的持续软件工程架构支持的研究现状进行分类梳理，为领域研究重点和未来方向提供参考。
2023-04-05 cs.SE
Software Engineering Meets Deep Learning: A Mapping Study
Federal Institute of the Southeast of Minas Gerais (IF Sudeste MG)（米纳斯吉拉斯东南联邦学院）；Federal Institute of Minas Gerais (IFMG)（米纳斯吉拉斯联邦学院）；Federal University of Minas Gerais (UFMG)（米纳斯吉拉斯联邦大学）
深度学习（DL）现在被用于许多传统的软件工程（SE）问题和任务。然而，由于深度学习技术的复兴仍然是最近，我们缺乏总结和浓缩在深度学习和SE的交叉点进行的最新和相关的研究工作。因此，在本文中，我们描述了映射研究的第一个结果，涵盖了81篇关于DL & SE的论文。我们的研究结果证实，多年来，DL在SE研究人员中的势头越来越好，分析论文解决的前3个研究问题是文档，缺陷预测和测试。
2020-12-04 cs.LG cs.SE
Quantum Software Engineering: A New Genre of Computing
量子计算（QC）不再仅仅是一种科学兴趣，而是正在迅速成为一种工业上可用的技术，可以解决经典计算的局限性。在过去的几年里，主要的技术巨头都在投资开发硬件和编程框架，以开发特定于量子的应用程序。QC硬件技术正在获得发展势头，然而，QC技术的可操作性引发了对软件密集型方法，技术，流程，工具，角色和责任的需求，以开发以工业为中心的量子软件应用程序。本文提出了量子软件工程（QSE）生存周期的愿景，包括量子需求工程，量子软件设计，量子软件实现，量子软件测试，和量子软件维护。本文特别呼吁软件工程研究和工业界的共同贡献，提出现实世界的解决方案，以支持整个量子软件开发活动。提出的愿景有助于研究人员和从业人员提出新的流程、参考架构、新工具和实践，以利用量子计算机并开发新兴的和下一代的量子软件。
2022-11-25 cs.PL cs.SE
On the Software and Knowledge Engineering Aspects of the Educational Process
希腊开放大学已开始大规模努力，用明显支持远程学习基本原则的内容加强其教科书材料。目前的挑战是建立一个框架，允许制作一级的内容创作、分发和消费，同时从所获得的技术、教育和组织知识的角度评估这方面的努力。本文提出了一个模型的教育过程中，被用作发展的骨干，并认为其概念和技术的实用性。
2007-01-26 cs.DL cs.SE
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
Psychological Safety and Norm Clarity in Software Engineering Teams
在当今的软件工程行业中，公司主要以团队的形式开展工作。为了提高组织的生产力，了解影响团队效率的因素至关重要。最近，两个与团队相关的概念变得突出起来：心理安全和团队规范。然而，很少有研究存在，探讨这些在软件工程的背景下。因此，为了扩展这些概念的知识，我们研究了心理安全和团队规范清晰度是否与软件开发人员的自我评估团队绩效和工作满意度（有效性的两个重要因素）呈正相关。我们收集了来自五个不同组织的38个开发团队的从业者（N = 217）的行业调查数据。多元线性回归分析的结果表明，心理安全感和团队规范清晰度对团队成员的自评绩效和工作满意度均有预测作用。研究结果还表明，规范的清晰度比心理安全性更强（分别强30%和71%）。这项研究强调了需要更详细地研究社会规范和软件开发之间的关系。这项研究的结果可以作为今后工作的经验基线。
2018-02-05 cs.SE
Systematizing Modeler Experience (MX) in Model-Driven Engineering Success Stories
本文通过提出建模者体验（MX）框架，系统分析建模工具负面认知与低代码等易用范式之间的差异，揭示用户体验、动机、集成、协作与版本控制及语言复杂性等因素对不同建模场景的影响。
2024-06-28 cs.SE
Adoption of Generative Artificial Intelligence in the German Software Engineering Industry: An Empirical Study
Technical University of Munich（慕尼黑技术大学）；Heilbronn University of Applied Science（海德堡应用科学大学）
通过混合方法研究德国软件工程师采用生成式AI工具的情况，发现经验水平调节感知收益，组织规模影响工具选择和使用强度，项目上下文意识不足是主要障碍。
2026-06-09 cs.AI cs.ET cs.HC
Applications and Implications of Large Language Models in Qualitative Analysis: A New Frontier for Empirical Software Engineering
本文通过系统映射研究分析了LLMs在软件工程定性分析中的应用现状，发现其主要用于编码、主题分析和数据分类，能提高效率但存在输出可变性和伦理问题，强调需制定结构化指南并保留人类专业判断。
2025-03-08 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
What prevents Finnish women from applying to software engineering roles? A preliminary analysis of survey data
芬兰被认为是一个在性别平等方面有着良好记录的国家。虽然统计数据支持芬兰在工作场所平等方面与许多其他国家相比表现良好的观点，但仍有许多领域需要改进。本文重点讨论了一些妇女在获得软件工程角色时所面临的问题。我们对252名受访者的调查数据进行了初步分析。这些主要是妇女，她们通过加入Mimmit koodaa倡议，表现出对获得编程角色的兴趣，该倡议旨在增加软件行业的平等和多样性。这项调查试图了解早期的经历可能会影响后来的职业选择，以及追求技术相关职业所需的效能感和信心。这些初步的研究结果表明，妇女的感觉计算自我效能和态度软件工程的早期经验的形状。更多的负面经历会降低未来从事软件工程工作的可能性，尽管他们对该领域感兴趣。
2020-02-05 cs.CY cs.SE
From Determinism to Delegation: AI-Native Software Engineering and the Evolution of the Agentic Engineer
Saudi Data and Artificial Intelligence (SDAIA)（沙特数据与人工智能局）
本文提出AI原生软件工程是范式转变，定义新职业角色“智能体工程师”，其核心工件从程序转向智能体系统，并分析工作单元、正确性和问责制的三大转变。
2026-06-27 cs.SE
Emotion Classification In Software Engineering Texts: A Comparative Analysis of Pre-trained Transformers Language Models
本研究比较六种预训练Transformer模型在GitHub和Stack Overflow数据集上的情感分类性能，发现通用模型优于专用模型，并引入极性特征进一步提升F1分数。
2024-02-03 cs.SE
From Group Psychology to Software Engineering Research to Automotive R&D: Measuring Team Development at Volvo Cars
本研究介绍沃尔沃汽车2019-2022年将敏捷团队群体动力学研究转化为工业实践的过程，涵盖一款服务700个团队、9000名员工的自动化调研工具的落地经验、所需条件及面临的挑战，证明该工具搭配策略库可有效促进敏捷团队成熟。
2024-09-18 cs.SE
In Quest for Proper Mediums for Technology Transfer in Software Engineering
将研究项目的成果成功地转化为实践对所有项目参与者都具有极大的意义。可以假设，不同的转移媒介实现技术转移（TT）的成功程度不同，他们受到不同类型的障碍。本研究的目的是更好地了解用于软件工程中TT的不同媒介，并确定削弱此类媒介应用成功的障碍。我们进行了一项探索性研究，在德国的一个研究项目的背景下，广泛使用的媒介进行了调查。报告的主要障碍是对有用性的期望值低，不知道存在，缺乏资源，或材料过时或处于不成熟状态。我们将我们的结果解释为项目中缺乏传播计划的症状。需要进一步开展工作，探讨将研究成果（知识和技术）转化为实践的影响。
2016-12-05 cs.SE
Can participation in a hackathon impact the motivation of software engineering students? A preliminary case study analysis
本研究通过案例研究评估黑客马拉松对软件工程学生动机的影响，结合定量与定性分析，发现动机多样但无显著统计变化，揭示了社交、团队和技能发展主题，强调其作为动机工具的潜力及需进一步探索心理测量维度。
2024-02-08 cs.SE
Engineering Gender-Inclusivity into Software: Tales from the Trenches
尽管软件本身对性别包容性的需求正在引起SE研究人员和SE从业者的关注，并且已经发布了一些方法来提供帮助，但关于如何使这些方法在现实世界中发挥作用的报道很少。例如，忙碌的软件从业者如何以低成本的方式使用这些方法？他们如何努力从使用它们中获得最大利益？他们如何避免在谈论性别时可能出现的争议？为了了解团队是如何处理这些和类似问题的，我们转向了10个真实世界的软件团队。我们以12种实践和3个潜在陷阱的形式展示了这些团队的“战壕”经验，以便为其他试图将性别包容性设计到软件产品中的真实软件团队提供他们的见解。
2019-05-27 cs.CY cs.SE
Who Uses Personas in Requirements Engineering: The Practitioners' Perspective
本文通过访谈26名从业者和调查203名从业者，研究了人物画像在软件开发中的使用实践与挑战，发现其使用频率、有效性存在差异且人类特征常被忽视，为从业者提供了克服挑战的可行建议。
2024-03-23 cs.SE
Secure Deep Learning Engineering: A Software Quality Assurance Perspective
Harbin Institute of Technology（哈尔滨工业大学）；Nanyang Technological University（南洋理工大学）；Carnegie Mellon University（卡内基梅隆大学）；Optus Macquarie University Cyber Security Hub（Optus麦考瑞大学网络安全中心）；Kyushu University（九州大学）；University of Illinois at Urbana–Champaign（伊利诺伊大学厄巴纳-香槟分校）；NVIDIA AI Tech Centre（英伟达人工智能技术中心）
在过去的几十年里，深度学习（DL）系统取得了巨大的成功，并在各种应用中获得了极大的普及，例如智能机器、图像处理、语音处理和医疗诊断。深度神经网络是其最近成功背后的关键驱动力，但似乎仍然是一个缺乏可解释性和理解的神奇黑匣子。这带来了许多开放的安全和安全问题，对严格的方法和工程实践提出了巨大而迫切的要求，以提高质量。大量研究表明，最先进的DL系统存在缺陷和漏洞，可能导致严重的损失和悲剧，特别是在应用于现实世界的安全关键型应用时。在本文中，我们进行了一项大规模的研究，并构建了一个包含223篇与深度学习的质量保证、安全性和解释相关的论文库。从软件质量保证的角度来看，我们明确了通用安全深度学习工程的挑战和未来机遇。我们希望这项工作和所附的文件库可以铺平道路的软件工程社区解决紧迫的工业需求的安全智能应用程序。
2018-10-10 cs.AI cs.CR cs.LG
Mapping the Emerging Curriculum for AI-Assisted Software Engineering via Syllabus Analysis
University of California, San Diego（加州大学圣地亚哥分校）；University of Auckland（奥克兰大学）；Aalto University（阿尔托大学）
该研究通过分析23份涉及生成式AI的高年级学分课程大纲，刻画AI辅助软件工程课程的学习目标、评估等内容，揭示课程间共性差异，为相关课程设计提供实证指导。
2026-08-07 cs.CY cs.HC cs.SE
Breaking the Silence: the Threats of Using LLMs in Software Engineering
TU Delft（代尔夫特理工大学）
本文探讨了在软件工程中使用LLM进行研究的有效性威胁（如数据泄露和可重复性问题），并为SE研究人员与模型提供商提出了缓解这些问题的指南。
2024-01-08 cs.LG cs.SE
From Quantum Mechanics to Quantum Software Engineering: A Historical Review
本文综述量子计算与量子软件工程的历史演进，梳理其动因、原则与未来研究方向，帮助缺乏量子背景的软件工程师和计算机科学家理解发展现状与趋势。
2024-05-08 cs.SE quant-ph
Towards ML Engineering: A Brief History Of TensorFlow Extended (TFX)
Google Inc.（谷歌公司）
软件工程作为一门学科，在过去的5年多时间里已经成熟。现代世界在很大程度上依赖于它，因此软件工程的日益成熟是一种可能性。像测试和可靠技术这样的实践有助于使软件工程足够可靠，以建立行业。与此同时，机器学习（ML）也在过去的20多年里不断发展。ML越来越多地用于研究、实验和生产工作负载。ML现在通常为我们生活中不可或缺的广泛使用的产品提供动力。但是ML工程作为一门学科，并没有像它的软件工程祖先那样广泛成熟。我们能否利用我们所学到的知识，帮助新兴的应用机器学习领域发展成为机器学习工程，就像编程发展成为软件工程一样[1]？在这篇文章中，我们将快速浏览一下Siphabet [2]和TensorFlow Extended（TFX）[3]，这是Alphabet的两个连续的端到端（E2E）ML平台。我们将分享在这些平台上构建的十多年应用机器学习的经验教训，解释它们的相似性和差异，并扩展帮助我们完成旅程的转变（包括精神和技术）。此外，我们将重点介绍TFX的一些功能，这些功能有助于实现ML工程的几个方面。我们认为，为了释放ML可以带来的收益，组织应该通过投资强大的ML基础设施和促进ML工程教育来提高其ML团队的成熟度。我们还建议，在专注于尖端的ML建模技术之前，产品领导者应该投入更多的时间来为他们的组织采用可互操作的ML平台。最后，我们还将分享TFX的未来。
2020-10-07 cs.LG 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
