論文の概要: Hidden Populations in Software Engineering: Challenges, Lessons Learned, and Opportunities

• arxiv url: http://arxiv.org/abs/2401.09608v1
• Date: Wed, 17 Jan 2024 21:32:31 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-19 18:37:08.396538
• Title: Hidden Populations in Software Engineering: Challenges, Lessons Learned, and Opportunities
• Title（参考訳）: ソフトウェア工学の隠れた人口:挑戦、学んだ教訓、機会
• Authors: Ronnie de Souza Santos, Kiev Gama
• Abstract要約: 隠れた集団をソフトウェア工学に巻き込んだ研究で学んだ経験と教訓について論じる。 我々は、ソフトウェア工学研究コミュニティにおけるこれらの課題を認識し、対処することの重要性を強調します。
• 参考スコア（独自算出の注目度）: 4.806885385218259
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The growing emphasis on studying equity, diversity, and inclusion within software engineering has amplified the need to explore hidden populations within this field. Exploring hidden populations becomes important to obtain invaluable insights into the experiences, challenges, and perspectives of underrepresented groups in software engineering and, therefore, devise strategies to make the software industry more diverse. However, studying these hidden populations presents multifaceted challenges, including the complexities associated with identifying and engaging participants due to their marginalized status. In this paper, we discuss our experiences and lessons learned while conducting multiple studies involving hidden populations in software engineering. We emphasize the importance of recognizing and addressing these challenges within the software engineering research community to foster a more inclusive and comprehensive understanding of diverse populations of software professionals.
• Abstract（参考訳）: ソフトウェア工学におけるエクイティ、多様性、包摂性の研究に重点を置くことで、この分野における隠れた人口を探求する必要性が増した。 隠れた集団を探索することは、ソフトウェア工学における過小評価されたグループの経験、課題、視点に関する貴重な洞察を得るために重要になるため、ソフトウェア産業をより多様にするための戦略を考案する。 しかし、これらの隠れた集団を研究することは、その疎外状態のために参加者の特定と関与に関わる複雑さを含む、多面的な課題を呈する。 本稿では,ソフトウェア工学における隠れ集団に関する複数の研究を行った経験と教訓について述べる。 我々は、ソフトウェア専門家の多様な集団のより包括的で包括的な理解を促進するために、ソフトウェアエンジニアリング研究コミュニティにおけるこれらの課題を認識し、対処することの重要性を強調します。

関連論文リスト

• Paths to Testing: Why Women Enter and Remain in Software Testing? [0.8602553195689511]
  本研究は,ソフトウェアテストにおける女性がキャリアを選択する動機について考察する。 調査の結果、女性は入学レベルの就職機会の増加、仕事と生活のバランス、性別のステレオタイプがさらに少ないため、ソフトウェアテストに入ることが明らかとなった。 しかし、この分野における包括性とキャリア開発は、持続的な多様性を改善する必要がある。
  論文  参考訳（メタデータ） (2024-04-20T20:43:29Z)
• Bridging Gaps, Building Futures: Advancing Software Developer Diversity and Inclusion Through Future-Oriented Research [50.545824691484796]
  我々はSEの多様性と包摂性に関する課題と解決策について、SE研究者や実践者から知見を提示する。 我々は,将来的なユートピアやディストピアのビジョンを共有し,今後の研究の方向性とアカデミックや産業への示唆を提供する。
  論文  参考訳（メタデータ） (2024-04-10T16:18:11Z)
• A Survey of Neural Code Intelligence: Paradigms, Advances and Beyond [84.95530356322621]
  この調査は、コードインテリジェンスの発展に関する体系的なレビューを示す。 50以上の代表モデルとその変種、20以上のタスクのカテゴリ、および680以上の関連する広範な研究をカバーしている。 発達軌道の考察に基づいて、コードインテリジェンスとより広範なマシンインテリジェンスとの間の新たな相乗効果について検討する。
  論文  参考訳（メタデータ） (2024-03-21T08:54:56Z)
• The Transformative Influence of Large Language Models on Software Development [0.0]
  Generalized Large Language Models (LLM) は様々な分野に進出している。 LLMはAIペアプログラミングアシスタントとしての役割をますます高めており、重要な課題やオープンな問題も提示している。 予備的な調査結果は、データのプライバシー、偏見、誤報に関する懸念を浮き彫りにしている。 調査で確認した12のオープンな問題を特定し、これらの領域をカバーしています。
  論文  参考訳（メタデータ） (2023-11-28T02:18:54Z)
• A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning [58.107474025048866]
  蓄積とは、以前に獲得した知識の喪失または劣化を指す。 フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
  論文  参考訳（メタデータ） (2023-07-16T16:27:58Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• Knowledge Learning with Crowdsourcing: A Brief Review and Systematic Perspective [6.724831294165237]
  本研究は,クラウドソーシング学習の技術的進歩を体系的な観点から総合的にレビューするものである。 本稿では,各次元について有望な青写真を提供するとともに,過去の研究成果から学んだ教訓についても論じる。
  論文  参考訳（メタデータ） (2022-06-19T03:06:23Z)
• Machine Learning Practices Outside Big Tech: How Resource Constraints Challenge Responsible Development [1.8275108630751844]
  さまざまな職業やバックグラウンドを持つ機械学習実践者は、機械学習(ML)メソッドをますます活用している。 過去の研究では、より広く、よりリソースの少ないMLコミュニティを除外することが多い。 これらの実践者は、Big Techと同じようなML開発上の困難と倫理的な混乱の多くを共有しています。
  論文  参考訳（メタデータ） (2021-10-06T17:25:21Z)
• Understanding the Usability Challenges of Machine Learning In High-Stakes Decision Making [67.72855777115772]
  機械学習(ML)は、多種多様な成長を続ける一連のドメインに適用されている。 多くの場合、MLやデータサイエンスの専門知識を持たないドメインの専門家は、ML予測を使用してハイステークな意思決定を行うように求められます。 児童福祉スクリーニングにおけるMLユーザビリティの課題について,児童福祉スクリーニング者との一連のコラボレーションを通じて検討する。
  論文  参考訳（メタデータ） (2021-03-02T22:50:45Z)
• Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
  AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。 AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
  論文  参考訳（メタデータ） (2021-01-15T10:43:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。