論文の概要: Bridging Gaps, Building Futures: Advancing Software Developer Diversity and Inclusion Through Future-Oriented Research
- arxiv url: http://arxiv.org/abs/2404.07142v1
- Date: Wed, 10 Apr 2024 16:18:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-11 14:01:43.087438
- Title: Bridging Gaps, Building Futures: Advancing Software Developer Diversity and Inclusion Through Future-Oriented Research
- Title（参考訳）: ギャップを埋めて未来を作る - ソフトウェア開発者の多様性を向上し、未来志向の研究を通じて包摂性を高める
- Authors: Sonja M. Hyrynsalmi, Sebastian Baltes, Chris Brown, Rafael Prikladnicki, Gema Rodriguez-Perez, Alexander Serebrenik, Jocelyn Simmonds, Bianca Trinkenreich, Yi Wang, Grischa Liebel,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 50.545824691484796
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Software systems are responsible for nearly all aspects of modern life and society. However, the demographics of software development teams that are tasked with designing and maintaining these software systems rarely match the demographics of users. As the landscape of software engineering (SE) evolves due to technological innovations, such as the rise of automated programming assistants powered by artificial intelligence (AI) and machine learning, more effort is needed to promote software developer diversity and inclusion (SDDI) to ensure inclusive work environments for development teams and usable software for diverse populations. To this end, we present insights from SE researchers and practitioners on challenges and solutions regarding diversity and inclusion in SE. Based on these findings, we share potential utopian and dystopian visions of the future and provide future research directions and implications for academia and industry to promote SDDI in the age of AI-driven SE.
- Abstract（参考訳）: ソフトウェアシステムは、現代の生活と社会のほぼすべての側面に責任がある。
しかしながら、これらのソフトウェアシステムを設計、保守するタスクを負うソフトウェア開発チームの人口層は、ユーザの人口層とほとんど一致しない。
人工知能(AI)と機械学習を活用した自動プログラミングアシスタントの台頭など、技術革新によるソフトウェア工学(SE)の展望が発展するにつれて、開発チームの包括的作業環境と多様な集団のための利用可能なソフトウェアを確保するために、ソフトウェア開発者の多様性と包摂性(SDDI)を促進するためにより多くの努力が必要である。
そこで本研究では,SE の多様性と包摂性に関する課題と解決策について,SE 研究者や実践者の知見を紹介する。
これらの知見に基づき,AI駆動型SEの時代にSDDIを促進するために,将来的な研究の方向性と産業への示唆を,将来的なユートピアやディストピアのビジョンと共有する。
関連論文リスト
- The Future of Software Engineering in an AI-Driven World [4.915744683251151]
今後5年間では、人間開発者とAIの共生的なパートナーシップが増加するだろう。
私たちは、AI駆動の世界におけるソフトウェア開発の未来に関するビジョンを示し、このビジョンを実現するために研究コミュニティが取り組むべき重要な課題を探求します。
論文 参考訳（メタデータ） (2024-06-11T21:46:19Z) - The Role of Generative AI in Software Development Productivity: A Pilot Case Study [0.0]
本稿では,ソフトウェア開発における生成AIツールの統合について検討する。
パイロットケーススタディを通じて、生成可能なAIツールを日々の作業ルーチンに統合する上で、貴重な経験を集めました。
以上の結果から,これらのツールの個人の生産性に対する肯定的な認識と,特定された制限に対処する必要性が示唆された。
論文 参考訳（メタデータ） (2024-06-01T21:51:33Z) - The GitHub Development Workflow Automation Ecosystems [47.818229204130596]
大規模なソフトウェア開発は、非常に協力的な取り組みになっています。
この章では、開発ボットとGitHub Actionsのエコシステムについて解説する。
この領域における最先端技術に関する広範な調査を提供する。
論文 参考訳（メタデータ） (2023-05-08T15:24:23Z) - Generative AI Assistants in Software Development Education: A vision for
integrating Generative AI into educational practice, not instinctively
defending against it [10.238740117460386]
ジェネレーティブAI(GAI)アシスタントは、人々の想像力(と恐怖)に火をつけた
業界がどのように適応するかは不明だが、大規模なソフトウェア企業によってこれらの技術を統合する動きは、意図と方向性を明確に示している。
論文 参考訳（メタデータ） (2023-03-24T11:45:52Z) - Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。
欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文 参考訳（メタデータ） (2022-12-10T07:49:50Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Building an AI-ready RSE Workforce [0.0]
機械学習とディープラーニングは、研究ソフトウェア開発ライフサイクルのあらゆる側面に適用されています。
我々は、AIが研究ソフトウェア開発とエンジニアに提示した今日の課題と機会について、私たちの見解について議論する。
論文 参考訳（メタデータ） (2021-11-09T02:36:24Z) - 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) - Software engineering for artificial intelligence and machine learning
software: A systematic literature review [6.681725960709127]
本研究は,AI/MLシステムの開発において,ソフトウェア工学がどのように応用されてきたかを検討することを目的とする。
プロフェッショナルが直面する主な課題は、テスト、AIソフトウェアの品質、データ管理といった分野だ。
論文 参考訳（メタデータ） (2020-11-07T11:06:28Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
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。