論文の概要: Who's actually being Studied? A Call for Population Analysis in Software Engineering Research
- arxiv url: http://arxiv.org/abs/2404.15093v1
- Date: Tue, 23 Apr 2024 14:48:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-24 13:32:19.126777
- Title: Who's actually being Studied? A Call for Population Analysis in Software Engineering Research
- Title(参考訳): 誰が実際に研究されているのか? ソフトウェア工学研究における人口分析の呼びかけ
- Authors: Jefferson Seide Molléri,
- Abstract要約: 人口分析は、経験的ソフトウェア工学(ESE)研究が代表的であり、その発見が有効であることを保証するために重要である。
個々のソフトウェアエンジニアの人口分析から組織やプロジェクトまで,さまざまな課題について検討する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Population analysis is crucial for ensuring that empirical software engineering (ESE) research is representative and its findings are valid. Yet, there is a persistent gap between sampling processes and the holistic examination of populations, which this position paper addresses. We explore the challenges ranging from analysing populations of individual software engineers to organizations and projects. We discuss the interplay between generalizability and transferability and advocate for appropriate population frames. We also present a compelling case for improved population analysis aiming to enhance the empirical rigor and external validity of ESE research.
- Abstract(参考訳): 人口分析は、経験的ソフトウェア工学(ESE)研究が代表的であり、その発見が有効であることを保証するために重要である。
しかし、サンプリングプロセスと集団の全体的調査の間には、永続的なギャップがある。
個々のソフトウェアエンジニアの人口分析から組織やプロジェクトまで,さまざまな課題について検討する。
一般化可能性と伝達可能性の相互作用を議論し、適切な人口枠を提唱する。
また,ESE研究の実証的厳密さと外的妥当性を高めることを目的とした,人口分析の改善に向けた説得力のある事例も提示する。
関連論文リスト
- Specializing Large Language Models to Simulate Survey Response Distributions for Global Populations [49.908708778200115]
我々は,調査応答分布をシミュレートする大規模言語モデル (LLM) を最初に開発した。
テストベッドとして、我々は2つの世界文化調査の国レベルの結果を使用します。
予測された応答分布と実際の応答分布のばらつきを最小限に抑えるために, ファースト・ツーケン確率に基づく微調整法を提案する。
論文 参考訳(メタデータ) (2025-02-10T21:59:27Z) - A Call for Critically Rethinking and Reforming Data Analysis in Empirical Software Engineering [5.687882380471718]
経験的方法論の正しい適用に関する懸念は、2006年のDagtuhl Seminar on Empirical Software Engineeringから存在する。
LLMを用いて,27,000件の実証研究の文献調査を行い,統計的方法論を適切あるいは不十分と分類した。
我々は,30の初等研究を選定し,統計問題を特定し,解決する能力を評価するために,33人のESE専門家とワークショップを開催した。
論文 参考訳(メタデータ) (2025-01-22T09:05:01Z) - Applications and Implications of Large Language Models in Qualitative Analysis: A New Frontier for Empirical Software Engineering [0.46426852157920906]
この研究は、ソフトウェア工学における質的研究におけるLCMの使用を最適化するための構造化戦略とガイドラインの必要性を強調している。
LLMは質的な分析をサポートすることを約束していますが、データの解釈には人間の専門知識が不可欠です。
論文 参考訳(メタデータ) (2024-12-09T15:17:36Z) - Adaptive Recruitment Resource Allocation to Improve Cohort Representativeness in Participatory Biomedical Datasets [23.462552062769426]
本稿では, サイト間の採用資源を適応的に配分し, 代表性を向上する計算手法を提案する。
医療センターからの参加者1万人分のコホートを模擬的に募集した結果,既存のベースラインよりも代表的コホートが得られた。
論文 参考訳(メタデータ) (2024-08-02T16:32:30Z) - Data-Centric AI in the Age of Large Language Models [51.20451986068925]
本稿では,大規模言語モデル(LLM)に着目した,AI研究におけるデータ中心の視点を提案する。
本研究では,LLMの発達段階(事前学習や微調整など)や推論段階(文脈内学習など)において,データが有効であることを示す。
データを中心とした4つのシナリオを特定し、データ中心のベンチマークとデータキュレーション、データ属性、知識伝達、推論コンテキスト化をカバーします。
論文 参考訳(メタデータ) (2024-06-20T16:34:07Z) - SMP Challenge: An Overview and Analysis of Social Media Prediction Challenge [63.311045291016555]
ソーシャルメディアの人気予測(SMPP)は、オンライン投稿の今後の人気値を自動予測する重要なタスクである。
本稿では,課題,データ,研究の進展について要約する。
論文 参考訳(メタデータ) (2024-05-17T02:36:14Z) - ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。
ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。
我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
論文 参考訳(メタデータ) (2024-04-11T13:36:29Z) - The ethical ambiguity of AI data enrichment: Measuring gaps in research
ethics norms and practices [2.28438857884398]
この研究は、AI研究とデータ豊か化のために、同等な研究倫理要件と規範がどのように開発されたか、そしてどの程度まで調査する。
主要なAI会場は、人間のデータ収集のためのプロトコルを確立し始めているが、これらは矛盾なく著者が追従している。
論文 参考訳(メタデータ) (2023-06-01T16:12:55Z) - How WEIRD is Usable Privacy and Security Research? (Extended Version) [7.669758543344074]
本研究は, WEIRD 諸国のUPS 紙のサンプルがどの程度の規模であったかを明らかにするため, 文献レビューを行った。
研究手法と採用手法における地理的および言語的障壁は、研究者がローカルでユーザー研究を行う原因となる可能性がある。
論文 参考訳(メタデータ) (2023-05-08T19:21:18Z) - Towards Automated Process Planning and Mining [77.34726150561087]
我々は、AIとBPM分野の研究者が共同で働く研究プロジェクトについて紹介する。
プロセスモデルを自動的に導出するための総合的な研究課題、研究の関連分野、および総合的な研究枠組みについて論じる。
論文 参考訳(メタデータ) (2022-08-18T16:41:22Z) - 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。