A pragmatic look at education and training of software test engineers: Further cooperation of academia and industry is needed
本文结合两位作者约40年测试工程与30年跨国教学经验,比较高校软件测试教育和产业培训现状,提出改进建议并呼吁产学合作。
2024-08-12 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
Industry-Academia Research Collaboration in Software Engineering: The Certus Model
Simula Research Laboratory(西姆拉研究实验室)
内容:软件工程产业界和学术界之间的研究合作可以为双方带来重大利益,包括提高产业界的创新能力,以及激励和验证研究想法的现实环境。然而,在软件工程中建立可扩展和有效的研究合作是具有挑战性的。虽然这样的挑战可以是多种多样的,在本文中,我们专注于实现参与性知识创造的产业和学术界之间的积极对话和持续致力于联合解决问题的支持的挑战。目的:本文旨在了解成功的产学合作的要素是什么,使参与式知识创造的文化。方法:我们进行了参与观察收集定性数据之间的软件工程研究小组对软件V&V和挪威IT部门8年的合作研究。对收集的数据进行分析,并将其合成为一个实用的协作模型,称为Certus模型。结果:该模型分为七个阶段,描述了从设立研究项目到利用研究成果的活动。因此,Certus模型通过描绘涵盖参与性研究知识创造的完整生存周期的不同阶段,推进了文献中的其他合作模型。结论:Certus模型描述了软件工程研究人员和从业人员之间的研究协作过程的要素,基于研究知识共同创造和持续致力于联合解决问题的原则。该模式可以在其他情况下应用和测试,通过实验可以适应当地情况。
2022-04-23 cs.LG cs.SE
Toward Practical Deductive Verification: Insights from a Qualitative Survey in Industry and Academia
ETH Zurich(苏黎世联邦理工学院)
本文通过调研工业和学术界验证从业者,探讨了演绎验证成功应用的关键因素及阻碍其广泛采用的障碍,并提出改进可用性、自动化和工作流程集成的建议。
2026-01-23 cs.SE
Navigating the Path of Women in Software Engineering: From Academia to Industry
本文通过面向巴西女性的横断面混合方法调查,揭示其从大学到软件产业持续遭遇的性别偏见、骚扰与归属感缺失等系统性障碍,并提出组织改进建议。
2023-12-08 cs.SE
Bridging the Gap: A Study of AI-based Vulnerability Management between Industry and Academia
本文通过基于讨论的研究识别出工业界难以采用学术AI漏洞管理模型的三大障碍,并提出未来方向以提升研究的实际可用性并促进产学协同。
2024-05-03 cs.CR cs.SE
Beyond the Classroom: Bridging the Gap Between Academia and Industry with a Hands-on Learning Approach
本文介绍了一门融合理论与实践、结合行业技术的自适应软件系统课程,通过客座讲座和行业评委展示提升学生能力,经21名学生反馈及实证分析证明课程有效,还总结了教学挑战以指导相关新兴主题教育。
2025-04-14 cs.SE
Adopt-an-AI-Researcher: Bootstrapping Industry-Academia Collaboration to Identify and Prioritise Generative AI Use Cases
Tampere University(坦佩雷大学)
本研究以能源公司为例,通过半结构化访谈等收集数据,分析员工对人工智能采用的理解,确定其有用领域及引入方式,为能源行业人工智能应用提供概述及实施切入点,助力跨行业比较研究。
2026-10-06 cs.CY cs.SE
Bridging the Quantum Divide: Aligning Academic and Industry Goals in Software Engineering
该立场文件探讨量子软件工程领域学术界与产业界的目标鸿沟,分析其成因与关键差距,提出通过协作开发实用工具和方法弥合鸿沟,促进双方对齐与生态可持续发展。
2025-02-10 cs.SE
Bridging the Gap: Adapting Evidence to Decision Frameworks to support the link between Software Engineering academia and industry
Federal University of Mato Grosso do Sul (UFMS)(南马托格罗索联邦大学);Federal University of Amazonas (UFAM)(亚马孙联邦大学)
本文提出将证据到决策框架引入软件工程,以提升系统文献综述结果对产业实践的指导作用,并探讨其实施挑战。
2026-02-08 cs.SE
AI for Better UX in Computer-Aided Engineering: Is Academia Catching Up with Industry Demands? A Multivocal Literature Review
Siemens AG(西门子公司);Chalmers University of Technology(查尔姆斯理工大学);Eindhoven University of Technology(埃因霍温理工大学);Malmö University(马尔默大学)
本文通过多来源文献综述揭示AI提升CAE用户体验方面学术界与行业实践之间的显著差距,指出AI引导、自适应界面和工作流自动化是未来研究的关键机遇。
2025-07-22 cs.AI cs.HC cs.SE
ResearchBot: Bridging the Gap between Academic Research and Practical Programming Communities
ResearchBot 通过模块化流程(理解问题、检索 CrossRef 论文、总结内容并回答)弥合学术研究与产业实践鸿沟,为开发者提供简洁的研究摘要以支持学习与决策。
2025-05-22 cs.SE
Aligning Academia with Industry: An Empirical Study of Industrial Needs and Academic Capabilities in AI-Driven Software Engineering
Beihang University(北京航空航天大学);Monash University(蒙纳士大学);Peking University(北京大学);Singapore Management University(新加坡管理大学)
本文通过分析学术研究与工业需求的差距,揭示AI驱动软件工程中的关键挑战,旨在引导未来研究更贴近实际应用。
2025-12-17 cs.SE
An Experience Report On Applying Software Testing Academic Results In Industry: We Need Usable Automated Test Generation
软件工程研究对当前工业实践的影响是什么?在本文中,我报告了我作为博士/博士后在软件工程研究项目中工作的直接经验,然后在接下来的五年里在两家不同的公司担任工程师(第一家是我在博士后期间合作的公司)。鉴于我有软件工程研究的背景,在开发和测试这些公司的系统时,我在日常工作中使用了哪些学术界的尖端技术和工具?关于确认和验证(我的主要研究领域),答案相当简短:据我所知,只有FindBugs。在本文中,我报告了为什么会出现这种情况,并讨论了我们在工业中面临的所有具有挑战性的,复杂的开放性问题,这些问题在学术界被“忽视”了。特别是,我将首先讨论我在日常工作中可以使用的实际工具,例如JaCoCo和Selenium。然后,我将讨论我面临的主要开放问题,特别是与环境模拟器,单元和Web测试有关的问题。然后介绍了当前学术界的热门话题,如UML、回归测试和变异测试。然后讨论了他们对我在工业界工作的项目类型缺乏影响。最后,从这个行业的经验,我提供了我的意见,如何改善这种情况,特别是有关如何评估学者,并倡导更多地参与开源项目。
2019-01-12 cs.SE
The Future of Generative AI in Software Engineering: A Vision from Industry and Academia in the European GENIUS Project
Akkodis Germany Solutions GmbH(德国Akkodis解决方案公司);University of Hildesheim(希尔德斯海姆大学);University of Innsbruck(因斯布鲁克大学);Bilkent University(比尔肯特大学);King’s College London(伦敦国王学院)
本文基于欧洲GENIUS项目提出GenAI驱动软件工程的愿景,系统梳理SDLC各阶段应用挑战,展望未来五年技术方法进展与专业人员角色转变,并强调通过实用工具和工业验证推动可靠、可扩展的产业级解决方案。
2025-11-06 cs.AI cs.SE
Formal Methods: From Academia to Industrial Practice. A Travel Guide
本文探讨了形式化方法与工业实践之间差距依然存在的原因,建议通过提升工具易用性、改变利益相关者思维模式以及促进研究界合作来弥合该差距。
2024-02-13 cs.SE
Constructive Master's Thesis Work in Industry: Guidelines for Applying Design Science Research
背景:软件工程的研究人员和实践者依赖于该领域的经验证据。因此,软件工程师的教育必须包括强大的应用教育的实证研究方法。对于大多数学生来说,硕士论文是最后一个,但也是最适用的形式,这种教育在他们的研究。问题:特别是论文与工业界合作的工作,需要从学术界和实践的利益相关者的关注是仔细平衡。在一个典型的论文的时间范围内做高影响力的实证工作是可能的,但很难。特别是,如果这项研究旨在为工业提供实用价值,学术质量可能会受到影响。尽管存在设计科学研究(DSR)等建设性研究方法,但论文项目仍难以应用它们。原则解决方案:DSR通过为知识问题和设计工作提供空间来平衡这些问题。然而,只有有限的经验存在于我们的领域如何使这种研究方法的工作范围内的硕士论文。为了使设计科学硕士论文与行业合作,我们补充现有的方法描述和指导方针,我们自己的经验和务实的建议,学生,考官和主管在学术界和工业界。方法:本文本身就是基于DSR的。基于过去七年的12篇设计科学论文,我们从分析论文、学生与导师的互动、导师与行业的互动、考官的反馈以及基于这些论文的出版物的审稿人评论中收集了常见的陷阱和良好的实践。结果如下:我们为制定研究问题,构建报告以及规划和与从业人员进行实证工作提供具体建议。
2021-02-13 cs.SE
Awakening: Modern Challenges and Opportunities of Software Engineering Research
Athens University of Economics and Business(雅典大学经济与商业学院);Delft University of Technology(代尔夫特理工大学);DeepSea Technologies
软件工程研究面临大规模、专有系统访问难题,需通过工业博士、长期合作等新方法推动研究进展。
2026-03-22 cs.SE
A Survey and Comparison of Industrial and Academic Research on the Evolution of Software Product Lines
过去对软件产品线的研究主要集中在可重用资产的初始开发和相关的挑战,如成本估计和实现问题。当然,随着软件产品线在整个行业中越来越多地被采用,它们的持续维护和发展也越来越受到关注。然而,目前尚不清楚研究在多大程度上遵循这一趋势,以及该行业的利益和需求在哪里。在这份技术报告中,我们提供了一个调查和比较选定的出版物在软件产品线维护和发展SPLC。特别是,我们分析和讨论这些文件的异同方面,他们与工业界和学术界的联系。从这一点,我们推断未来的研究方向,铺平了道路,系统和有组织的软件产品线的演变,工业界也可能从中受益。
2022-12-12 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
Views on Quality Requirements in Academia and Practice: Commonalities, Differences, and Context-Dependent Grey Areas
背景:质量要求(QR)是工业界和学术界不断讨论的话题。争论围绕质量要求的定义,如何处理它们,或者它们对项目成功的重要性。虽然许多学术努力对QR的知识体系做出了贡献,但实践者可能有不同的观点。事实上,我们仍然缺乏关于QR的一致的知识体系,因为围绕这个主题的大部分讨论仍然被强烈依赖于上下文的观察所主导。这对学术界和实践者的观点都适用。我们的假设是,因此,这些观点可能不同。目的:我们报告的一项研究,以更好地了解在何种程度上可用的研究声明的质量要求,发现在示范同行评审和经常引用的出版物,反映在从业者的看法。我们的目标是分析差异,共性和背景相关的灰色地带,在学者和从业者的观点,允许对潜在的误解(双方)和未来研究的机会进行讨论。方法:我们进行了一项调查,109从业者,以评估他们是否同意研究声明中反映的QR码在文献中。基于一个统计模型,我们评估了一组上下文因素对研究陈述感知的影响。结果:我们的研究结果表明,大多数的声明是由从业人员很好的尊重,但不是所有的。在研究不同群体和背景的受访者时,我们注意到不同群体内的看法存在有趣的偏差,这可能会导致新的研究问题。结论:我们的研究结果有助于确定普遍的上下文相关的差异,学者和从业者如何看待QR码和精确定位的声明,进一步的研究可能是有用的。
2020-02-07 cs.SE
"Don't Be Afraid, Just Learn": Insights from Industry Practitioners to Prepare Software Engineers in the Age of Generative AI
William & Mary(威廉与玛丽学院)
本文通过调研51名行业从业者和11次访谈,发现生成式AI对软件工程师技能需求产生影响,提出教育界应整合GenAI并改进评估方法的建议。
2026-04-07 cs.AI cs.SE
Engineering a Governance-Aware AI Sandbox: Design, Implementation, and Lessons Learned
Faculty of Information Technology and Communication Sciences, Tampere University(坦佩雷大学信息与传播科学学院);DIMECC Ltd(DIMECC有限公司)
针对产学研协作AI实验中的治理需求,设计并实现了一个多租户AI沙箱,采用分层参考架构,支持受控访问、可追溯实验和可复用评估证据,并总结了开发经验。
2026-06-25 cs.SE
Lost in Transition: The Struggle of Women Returning to Software Engineering Research after Career Breaks
University of Bayreuth(拜罗伊特大学)
本研究提出一个多元文化项目,调查职业中断后女性重返软件工程学术界的挑战,比较各国政策,并提出支持透明招聘的建议。
2025-09-25 cs.SE
Towards an Architecture-centric Methodology for Migrating to Microservices
针对微服务迁移缺乏系统指导、从业者难用学术成果的问题,本文设计以架构为中心的迁移方法论,提出覆盖三阶段的指导框架,整合各类科研方法技术,后续将配套工具助力架构师高效完成迁移。
2022-07-01 cs.SE
Sustaining IT PMOs during Cycles of Global Recession
在过去十年中,行业建立的PMO数量的增长以及学术界关于PMO相关研究的文献数量的不断增长清楚地表明,全球研究人员,从业人员和行业对了解和探索PMO的价值主张非常感兴趣。然而,在项目管理组织的许多关键方面仍然缺乏共识。虽然有许多PMO正在成立,但也有许多正在关闭和解散,这绝对是一个令人关切的问题。在行业环境中,绝大多数PMO受到其组织的好评,并被视为贡献商业价值,其他许多人仍在努力证明物有所值,有些人正在失败,导致PMO的死亡率很高。本文是一项研究的结果,旨在更深入地了解可能导致PMO死亡和失败的因素。在IT行业相关企业的支持下,采用扎根理论研究方法,与相关项目经理和项目管理办公室工作人员一起对IT行业4个失败和3个挑战的项目管理办公室进行了实施后审查。
2014-06-10 cs.SE
Exploring ML testing in practice -- Lessons learned from an interactive rapid review with Axis Communications
Lund University(隆德大学);RISE Research Institutes of Sweden(瑞典RISE研究院);Axis Communications(安讯士通信公司)
工业界和学术界对机器学习(ML)测试的兴趣越来越大。我们认为,工业界和学术界需要共同学习,以产生严格和相关的知识。在这项研究中,我们发起了一个案例公司,一个研究机构和一所大学的利益相关者之间的合作。为了建立问题领域的共同观点,我们对最新技术进行了交互式快速回顾。来自隆德大学和RISE研究所的四名研究人员以及来自Axis Communications的四名从业者回顾了一组关于ML测试的180项主要研究。我们为ML测试挑战和结果的沟通开发了一个分类,并确定了与Axis Communications相关的12个评审问题。将三个最重要的问题(数据测试、评估指标和测试生成)映射到文献中,并对与最重要的问题(数据测试)匹配的35项主要研究进行了深入分析。最后一组的五个最佳匹配进行了分析,我们反映了行业的适用性和相关性的标准。分类法有助于交流,但不是最终的。此外,没有与案例公司调查的审查问题(数据测试)完全匹配。然而,我们从五项研究中提取了概念层面的相关方法,以支持随后的特定环境改进。我们发现,互动式快速审查方法有助于触发和协调不同利益相关者之间的沟通。
2022-03-30 cs.AI 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
Cross-Domain Evaluation of Transformer-Based Vulnerability Detection on Open & Industry Data
Free University of Bozen-Bolzano(博尔扎诺自由大学);Würth Phoenix(伍尔特凤凰)
本文评估了基于变换器的漏洞检测模型在不同数据集上的表现,开发了集成到CI/CD中的推荐系统以提升漏洞检测效率。
2025-09-11 cs.SE