論文の概要: No Free Lunch: Research Software Testing in Teaching
- arxiv url: http://arxiv.org/abs/2405.11965v1
- Date: Mon, 20 May 2024 11:40:01 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-21 13:24:44.721163
- Title: No Free Lunch: Research Software Testing in Teaching
- Title(参考訳): No Free Lunch: 教育におけるソフトウェアテストの研究
- Authors: Michael Dorner, Andreas Bauer, Florian Angermeir,
- Abstract要約: 本研究は,研究ソフトウェア教育に組み込んだ研究ソフトウェアテストの効果について検討する。
In-vivo experimentでは、大規模なネットワークシミュレーションのためのテストスイートのエンジニアリングをグループプロジェクトとして、スウェーデンのBlekinge Institute of Technologyのソフトウェアテストコースに統合しました。
調査ソフトウェアは、ドキュメントを大幅に改善し、ハードウェアやソフトウェアの依存関係を少なくすることで、統合の恩恵を受けていることが分かりました。
- 参考スコア(独自算出の注目度): 1.4396109429521227
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Software is at the core of most scientific discoveries today. Therefore, the quality of research results highly depends on the quality of the research software. Rigorous testing, as we know it from software engineering in the industry, could ensure the quality of the research software but it also requires a substantial effort that is often not rewarded in academia. Therefore, this research explores the effects of research software testing integrated into teaching on research software. In an in-vivo experiment, we integrated the engineering of a test suite for a large-scale network simulation as group projects into a course on software testing at the Blekinge Institute of Technology, Sweden, and qualitatively measured the effects of this integration on the research software. We found that the research software benefited from the integration through substantially improved documentation and fewer hardware and software dependencies. However, this integration was effortful and although the student teams developed elegant and thoughtful test suites, no code by students went directly into the research software since we were not able to make the integration back into the research software obligatory or even remunerative. Although we strongly believe that integrating research software engineering such as testing into teaching is not only valuable for the research software itself but also for students, the research of the next generation, as they get in touch with research software engineering and bleeding-edge research in their field as part of their education, the uncertainty about the intellectual properties of students' code substantially limits the potential of integrating research software testing into teaching.
- Abstract(参考訳): ソフトウェアは今日、ほとんどの科学的発見の中核にある。
そのため、研究成果の質は研究ソフトウェアの品質に大きく依存する。
厳格なテストは、業界におけるソフトウェア工学から分かっているように、研究ソフトウェアの品質を保証するだけでなく、学術分野では報われないような相当な努力も必要です。
そこで本研究では,研究ソフトウェア教育に組み込んだ研究ソフトウェアテストの効果について検討する。
In-vivo experimentでは、大規模なネットワークシミュレーションのためのテストスイートのエンジニアリングをスウェーデンのブレキング工科大学のソフトウェアテストコースに統合し、この統合が研究ソフトウェアに与える影響を質的に測定した。
調査ソフトウェアは、ドキュメントを大幅に改善し、ハードウェアやソフトウェアの依存関係を少なくすることで、統合の恩恵を受けていることが分かりました。
しかし、この統合は大変で、学生チームはエレガントで思慮深いテストスイートを開発しました。
我々は、テストのような研究ソフトウェア工学を教育に組み込むことは、研究ソフトウェア自体だけでなく、学生にとっても有益であると強く信じているが、次世代の研究は、彼らの教育の一部として研究ソフトウェア工学や最先端の研究に接触するため、学生のコードの知的特性に関する不確実性は、研究ソフトウェア試験を教育に組み込む可能性を大幅に制限する。
関連論文リスト
- Requirements Engineering for Research Software: A Vision [2.2217676348694213]
ほとんどの研究者は、科学的な目的のためにソフトウェアを作成するが、ソフトウェア工学では訓練されていない。
研究ソフトウェアは、しばしば厳密なプロセスに従うことなくアドホックに開発される。
本稿では,研究者が研究ソフトウェアに必要な要件を抽出し,文書化し,分析する方法について述べる。
論文 参考訳(メタデータ) (2024-05-13T14:25:01Z) - Myths and Facts about a Career in Software Testing: A Comparison between
Students' Beliefs and Professionals' Experience [4.748038457227373]
ソフトウェアテストのキャリアは、コンピュータサイエンスと関連分野の学生の間では不人気であると報告されている。
これによって、将来的にはソフトウェア業界のテスタが不足する可能性がある。
この調査は、ソフトウェアテストのキャリアが、学生が信じているよりもエキサイティングで報いることを示している。
論文 参考訳(メタデータ) (2023-11-10T17:32:41Z) - Introducing High School Students to Version Control, Continuous
Integration, and Quality Assurance [0.0]
2人の高校生がウェイン州立大学の研究室でボランティアをしました。
学生たちはAP Computer Scienceを受講したが、ソフトウェア工学やソフトウェアテストの経験がなかった。
本稿では、自動テストを実装するために必要なソフトウェア工学のスキルを教えるためのグループプロジェクトを考案した経験について述べる。
論文 参考訳(メタデータ) (2023-10-05T21:44:11Z) - A pragmatic workflow for research software engineering in computational
science [0.0]
コンピュータサイエンス・エンジニアリング(CSE)の大学研究グループには、通常、研究ソフトウェア工学(RSE)のための専用の資金と人員が不足している。
RSEは、持続可能な研究ソフトウェア開発と再現可能な結果から焦点をシフトします。
本稿では,これらの課題に対処し,CSEにおける研究成果の質を向上させるためのRSEワークフローを提案する。
論文 参考訳(メタデータ) (2023-10-02T08:04:12Z) - Using Machine Learning To Identify Software Weaknesses From Software
Requirement Specifications [49.1574468325115]
本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。
ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
論文 参考訳(メタデータ) (2023-08-10T13:19:10Z) - CrossBeam: Learning to Search in Bottom-Up Program Synthesis [51.37514793318815]
ボトムアップ合成のためのハンズオン検索ポリシーを学習するためのニューラルネットワークのトレーニングを提案する。
私たちのアプローチは、CrossBeamと呼ばれ、ニューラルモデルを使用して、以前に探索されたプログラムを新しいプログラムに組み合わせる方法を選択します。
我々はCrossBeamが効率的に検索することを学び、最先端技術と比較してプログラム空間のより小さな部分を探索する。
論文 参考訳(メタデータ) (2022-03-20T04:41:05Z) - Software must be recognised as an important output of scholarly research [7.776162183510522]
方法論的な観点からも重要でありながら、ソフトウェアは研究のアウトプットとして認識されるべきである、と我々は主張する。
この記事では、ソフトウェアが研究で果たすさまざまな役割について論じ、ソフトウェアと研究の持続可能性の関係を強調します。
論文 参考訳(メタデータ) (2020-11-15T16:34:31Z) - Learnings from Frontier Development Lab and SpaceML -- AI Accelerators
for NASA and ESA [57.06643156253045]
AIとML技術による研究は、しばしば非同期の目標とタイムラインを備えたさまざまな設定で動作します。
我々は、NASAとESAの民間パートナーシップの下で、AIアクセラレータであるFrontier Development Lab(FDL)のケーススタディを実行する。
FDL研究は、AI研究の責任ある開発、実行、普及に基礎を置く原則的な実践に従う。
論文 参考訳(メタデータ) (2020-11-09T21:23:03Z) - BUSTLE: Bottom-Up Program Synthesis Through Learning-Guided Exploration [72.88493072196094]
プログラムのボトムアップ検索に学習を活用する新しい合成手法を提案する。
特に、入力出力例のセットに基づいて、探索条件中の中間値の合成を優先順位付けするようにモデルを訓練する。
単純な教師付き学習アプローチであっても,学習とボトムアップ検索の組み合わせは極めて効果的であることを示す。
論文 参考訳(メタデータ) (2020-07-28T17:46:18Z) - Evaluating Graph Vulnerability and Robustness using TIGER [77.50446320230624]
TIGERは、ネットワークの堅牢性を研究するためのオープンソースのPythonツールボックスである。
TIGERには22のロバストネスグラフ測度があり、原版と高速な近似版がある。
TIGERは、世界中の教育者が利用できるNvidia Data Science Teaching Kitと、1000人以上の学生を持つジョージア工科大学のData and Visual Analyticsクラスに統合されている。
論文 参考訳(メタデータ) (2020-06-10T04:21:43Z) - 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。