論文の概要: Making Software Development More Diverse and Inclusive: Key Themes, Challenges, and Future Directions

• arxiv url: http://arxiv.org/abs/2404.07142v2
• Date: Fri, 28 Feb 2025 09:37:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-03 13:38:53.667508
• Title: Making Software Development More Diverse and Inclusive: Key Themes, Challenges, and Future Directions
• Title（参考訳）: ソフトウェア開発をより多様かつ包括的にする - 重要なテーマ、課題、今後の方向性
• 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: ソフトウェア開発者の多様性と包摂性(SDDI)を改善するための課題と機会に関する6つのテーマを特定します。 4つのテーマの利点、害、今後の研究の方向性を特定します。 残りの2つのテーマ、人工知能とSDDIとAIとコンピュータサイエンスの教育について論じる。
• 参考スコア（独自算出の注目度）: 50.545824691484796
• License:
• Abstract: Introduction: Digital products increasingly reshape industries, influencing human behavior and decision-making. However, the software development teams developing these systems often lack diversity, which may lead to designs that overlook the needs, equal treatment or safety of diverse user groups. These risks highlight the need for fostering diversity and inclusion in software development to create safer, more equitable technology. Method: This research is based on insights from an academic meeting in June 2023 involving 23 software engineering researchers and practitioners. We used the collaborative discussion method 1-2-4-ALL as a systematic research approach and identified six themes around the theme challenges and opportunities to improve Software Developer Diversity and Inclusion (SDDI). We identified benefits, harms, and future research directions for the four main themes. Then, we discuss the remaining two themes, Artificial Intelligence & SDDI and AI & Computer Science education, which have a cross-cutting effect on the other themes. Results: This research explores the key challenges and research opportunities for promoting SDDI, providing a roadmap to guide both researchers and practitioners. We underline that research around SDDI requires a constant focus on maximizing benefits while minimizing harms, especially to vulnerable groups. As a research community, we must strike this balance in a responsible way.
• Abstract（参考訳）: 導入: デジタル製品は産業を再形成し、人間の行動や意思決定に影響を与える。 しかしながら、これらのシステムを開発するソフトウェア開発チームは、しばしば多様性を欠いている。 これらのリスクは、より安全で公平な技術を作るために、多様性とソフトウェア開発への包摂を促進する必要性を強調します。 方法: この研究は、23人のソフトウェア工学研究者と実践者による2023年6月の学術会議の洞察に基づいている。 我々は,1-2-4-ALLという共同ディスカッション手法を体系的な研究手法として使用し,ソフトウェア開発の多様性と包摂性を改善するための課題と機会に関する6つのテーマを特定した。 4つのテーマのメリット,害,今後の研究方向性を明らかにした。 そして、残りの2つのテーマ、人工知能とSDDIとAIとコンピュータサイエンスの教育について論じる。 結果:本研究はSDDI推進の鍵となる課題と研究機会を探求し,研究者と実践者の両方をガイドするロードマップを提供する。 SDDIに関する研究は、特に脆弱なグループに対する害を最小限にしながら、利益の最大化に常に注力する必要があることを強調している。 研究コミュニティとして、我々は責任ある方法でこのバランスを取らなければならない。

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。