論文の概要: Teaching Research Design in Software Engineering
- arxiv url: http://arxiv.org/abs/2407.05184v1
- Date: Sat, 6 Jul 2024 21:06:13 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-09 20:46:54.662225
- Title: Teaching Research Design in Software Engineering
- Title（参考訳）: ソフトウェア工学におけるリサーチデザインの教育
- Authors: Jefferson Seide Molleri, Kai Petersen,
- Abstract要約: 経験的ソフトウェア工学(ESE)は、新しい技術を採用する際の実践を伝える知識を批判的に評価し提供することを目的とした競争力として登場した。
この章では、ESEにおけるソフトウェアエンジニアと研究者の教育に不可欠な研究設計の基礎的スキルについて教えている。
- 参考スコア（独自算出の注目度）: 1.9659095632676098
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In the dynamic field of Software Engineering (SE), where practice is constantly evolving and adapting to new technologies, conducting research is a daunting quest. This poses a challenge for researchers: how to stay relevant and effective in their studies? Empirical Software Engineering (ESE) has emerged as a contending force aiming to critically evaluate and provide knowledge that informs practice in adopting new technologies. Empirical research requires a rigorous process of collecting and analyzing data to obtain evidence-based findings. Challenges to this process are numerous, and many researchers, novice and experienced, found difficulties due to many complexities involved in designing their research. The core of this chapter is to teach foundational skills in research design, essential for educating software engineers and researchers in ESE. It focuses on developing a well-structured research design, which includes defining a clear area of investigation, formulating relevant research questions, and choosing appropriate methodologies. While the primary focus is on research design, this chapter also covers aspects of research scoping and selecting research methods. This approach prepares students to handle the complexities of the ever-changing technological landscape in SE, making it a critical component of their educational curriculum.
- Abstract（参考訳）: ソフトウェアエンジニアリング(SE)のダイナミックな分野では、プラクティスが常に進化し、新しい技術に適応している。
研究者にとってこれは、どのように研究を重要かつ効果的に維持するかという課題となる。
経験的ソフトウェア工学(ESE)は、新しい技術を採用する際の実践を伝える知識を批判的に評価し提供することを目的とした競争力として登場した。
実証的研究は、証拠に基づく発見を得るためにデータを収集し分析する厳密なプロセスを必要とする。
このプロセスへの挑戦は数多くあり、多くの研究者、初級者、経験者が、研究の設計に関わる多くの複雑さのために困難を見出した。
この章の中核は、ESEのソフトウェアエンジニアと研究者を教育するために不可欠な、研究設計の基礎的スキルを教えることである。
それは、明確な調査領域の定義、関連する研究課題の定式化、適切な方法論の選択を含む、よく構造化された研究設計の開発に焦点を当てている。
主に研究設計に焦点が当てられているが、この章では研究スコーピングと研究方法の選択についても取り上げている。
このアプローチは、SEにおける変わらぬ技術的景観の複雑さに対処する準備をし、教育カリキュラムの重要な構成要素となる。
関連論文リスト
- A Process for Reviewing Design Science Research Papers to Enhance Content Knowledge & Research Opportunities [4.73194777046253]
多くの出版されている情報システム研究は、デザイン科学研究(DSR)ではなく行動科学研究(BSR)のカテゴリである。
これは、多くのISの博士課程のBSRの方向性に起因している。
本稿では,技術内容の知識の向上,IS/ITアーティファクトの設計と評価に対する知識とアプローチの理解の向上,新たなDSR機会の特定を促進することを目的としたDSR論文のレビュープロセスを提案する。
論文 参考訳（メタデータ） (2024-07-24T17:40:00Z) - Teaching Design Science as a Method for Effective Research Development [0.24578723416255752]
デザインサイエンスリサーチ(DSR)方法論の適用は、情報システム(IS)とソフトウェア工学研究の一般的な作業資源になりつつある。
この章には、DSR、教育方法論、学習目的、レコメンデーションの例が含まれている。
我々は,デザインサイエンスのユーザ体験に関するデータ収集を目的とした調査成果を作成した。
論文 参考訳（メタデータ） (2024-07-13T10:43:06Z) - Action Research with Industrial Software Engineering -- An Educational Perspective [0.5257115841810258]
アクションリサーチは、産業環境でのソフトウェアエンジニアリング手法の有用性とユーザビリティを探求する機会を提供する。
ソフトウェア開発組織と異なる種類のインタラクションが必要です。
本章は、行動研究の学習と指導を支援することを目的としている。
論文 参考訳（メタデータ） (2024-07-05T17:05:06Z) - Research information in the light of artificial intelligence: quality and data ecologies [0.0]
本稿では,研究情報に適したAI技術を見つけるための多分野間アプローチを提案する。
RIM(Professional Research Information Management)は、研究者にとってデータ駆動型ツールとしてますます重要になりつつある。
論文 参考訳（メタデータ） (2024-05-06T16:07:56Z) - SurveyAgent: A Conversational System for Personalized and Efficient Research Survey [50.04283471107001]
本稿では,研究者にパーソナライズされた効率的な調査支援を目的とした会話システムであるSurveyAgentを紹介する。
SurveyAgentは3つの重要なモジュールを統合している。文書を整理するための知識管理、関連する文献を発見するための勧告、より深いレベルでコンテンツを扱うためのクエリ回答だ。
本評価は,研究活動の合理化におけるSurveyAgentの有効性を実証し,研究者の科学文献との交流を促進する能力を示すものである。
論文 参考訳（メタデータ） (2024-04-09T15:01:51Z) - On the Opportunities of Green Computing: A Survey [80.21955522431168]
人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。
高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。
コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
論文 参考訳（メタデータ） (2023-11-01T11:16:41Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳（メタデータ） (2023-06-06T10:18:36Z) - 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) - Industry-Academia Research Collaboration in Software Engineering: The
Certus Model [13.021014899410684]
ソフトウェアエンジニアリングでスケーラブルで効果的な研究コラボレーションを構築することは、非常に難しいことで知られています。
本稿では,参加型知識創造の文化を実現するための,産学連携の成功要因を理解することを目的とする。
論文 参考訳（メタデータ） (2022-04-23T10:16:23Z) - 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) - A Comprehensive Survey of Neural Architecture Search: Challenges and
Solutions [48.76705090826339]
ニューラルネットワーク探索(NAS)は革命的アルゴリズムであり、関連する研究は複雑でリッチである。
まず、初期のNASアルゴリズムの特徴の概要から始め、これらの初期のNASアルゴリズムの問題を要約する。
さらに,これらの研究の詳細な分析,比較,要約を行う。
論文 参考訳（メタデータ） (2020-06-01T13:08:03Z)
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。