論文の概要: Understanding and measuring software engineer behavior: What can we learn from the behavioral sciences?
- arxiv url: http://arxiv.org/abs/2406.03342v1
- Date: Wed, 5 Jun 2024 14:59:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 17:51:23.764035
- Title: Understanding and measuring software engineer behavior: What can we learn from the behavioral sciences?
- Title（参考訳）: ソフトウェアエンジニアの振る舞いを理解して測定する:行動科学から何が学べるか?
- Authors: Allysson Allex Araújo, Marcos Kalinowski, Daniel Graziotin,
- Abstract要約: 我々は,心理測定器や様々な情報源からの質的データなど量的尺度を統合する包括的手法を提唱する。
本稿では,行動科学の方法論的スキルを活用することによって,この課題の進展を評価するためのさまざまな方法について述べる。
- 参考スコア（独自算出の注目度）: 3.2789487559198967
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper explores the intricate challenge of understanding and measuring software engineer behavior. More specifically, we revolve around a central question: How can we enhance our understanding of software engineer behavior? Grounded in the nuanced complexities addressed within Behavioral Software Engineering (BSE), we advocate for holistic methods that integrate quantitative measures, such as psychometric instruments, and qualitative data from diverse sources. Furthermore, we delve into the relevance of this challenge within national and international contexts, highlighting the increasing interest in understanding software engineer behavior. Real-world initiatives and academic endeavors are also examined to underscore the potential for advancing this research agenda and, consequently, refining software engineering practices based on behavioral aspects. Lastly, this paper addresses different ways to evaluate the progress of this challenge by leveraging methodological skills derived from behavioral sciences, ultimately contributing to a deeper understanding of software engineer behavior and software engineering practices.
- Abstract（参考訳）: 本稿では,ソフトウェアエンジニアの振る舞いを理解し,測定することの難しさについて考察する。
ソフトウェアエンジニアの振る舞いに対する理解を深めるにはどうすればよいのか?
本研究では,行動ソフトウェア工学 (BSE) において対処される曖昧な複雑さを基礎として,心理測定器や様々な情報源からの質的データなどの量的尺度を統合する包括的手法を提唱する。
さらに、我々は、この課題が国内外の文脈で、ソフトウェアエンジニアの振る舞いを理解することへの関心が高まっていることを強調する。
現実世界のイニシアチブや学術的な取り組みも、この研究課題を前進させる可能性を明らかにするために検討され、その結果、行動的側面に基づいてソフトウェアエンジニアリングのプラクティスを洗練する。
最後に,本論文では,行動科学の方法論的スキルを活用することによって,この課題の進展を評価するためのさまざまな手法について論じ,最終的にはソフトウェアエンジニアの行動とソフトウェア工学の実践の深い理解に寄与する。
関連論文リスト
- Evaluation of OpenAI o1: Opportunities and Challenges of AGI [112.0812059747033]
o1-previewは目覚ましい能力を示し、しばしば人間レベルまたは優れたパフォーマンスを実現した。
このモデルは、様々な分野にわたる複雑な推論と知識の統合を必要とするタスクに優れていた。
総合的な結果は、人工知能への大きな進歩を示している。
論文 参考訳（メタデータ） (2024-09-27T06:57:00Z) - Teaching Software Metrology: The Science of Measurement for Software Engineering [10.23712090082156]
この章は測定の科学における重要な概念をレビューし、それらをソフトウェア工学の研究に適用する。
読者の研究に重要な測定概念を適用するための一連の演習を含む。
論文 参考訳（メタデータ） (2024-06-20T16:57:23Z) - Charting a Path to Efficient Onboarding: The Role of Software
Visualization [49.1574468325115]
本研究は,ソフトウェアビジュアライゼーションツールを用いたマネージャ,リーダ,開発者の親しみやすさを探求することを目的としている。
本手法は, 質問紙調査と半構造化面接を用いて, 実践者から収集したデータの量的, 質的分析を取り入れた。
論文 参考訳（メタデータ） (2024-01-17T21:30:45Z) - Toward Optimal Psychological Functioning in AI-driven Software
Engineering Tasks: The SEWELL-CARE Assessment Framework [0.9208007322096533]
SEWELL-CAREは、AI駆動のソフトウェアエンジニアリングタスクを複数の視点から評価するために設計された概念的なフレームワークである。
技術的側面と人的側面の両方を強調することで、私たちのフレームワークは、従来の技術メトリクスを超えて、微妙な評価を提供します。
論文 参考訳（メタデータ） (2023-11-13T15:44:07Z) - Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。
本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。
これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文 参考訳（メタデータ） (2023-03-24T13:24:41Z) - 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) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z) - 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) - Understanding What Software Engineers Are Working on -- The Work-Item
Prediction Challenge [0.0]
ソフトウェアエンジニア(開発者、インシデント対応者、プロダクションエンジニアなど)が何に取り組んでいるのかを理解することは、難しい問題です。
本稿では,代表的シナリオを前提として,それに対応する「ワーク・イテム予測問題」について説明する。
論文 参考訳（メタデータ） (2020-04-13T19:59:36Z)
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。