論文の概要: ACM SIGSOFT SEN Empirical Software Engineering: Introducing Our New Regular Column

• arxiv url: http://arxiv.org/abs/2510.02007v1
• Date: Thu, 02 Oct 2025 13:28:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 16:59:21.146512
• Title: ACM SIGSOFT SEN Empirical Software Engineering: Introducing Our New Regular Column
• Title（参考訳）: ACM SIGSOFT SEN経験的ソフトウェアエンジニアリング - 新しい正規カラムの導入
• Authors: Justus Bogner, Roberto Verdecchia,
• Abstract要約: ESEの研究は、新しい障害、欠点、技術が出現するにつれて、依然として進化し続ける必要がある。 新たなACM SIGSOFT SENSEN-ESEコラムでは,ESE研究のメタアスペクトを議論する場を紹介した。 カラムの目的は、しばしば触れられたり、暗黙にされたりしないかもしれないESEトピックに関する会話を定期的に発火できる場所になることです。
• 参考スコア（独自算出の注目度）: 7.447436322111677
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: From its early foundations in the 1970s, empirical software engineering (ESE) has evolved into a mature research discipline that embraces a plethora of different topics, methodologies, and industrial practices. Despite its remarkable progress, the ESE research field still needs to keep evolving, as new impediments, shortcoming, and technologies emerge. Research reproducibility, limited external validity, subjectivity of reviews, and porting research results to industrial practices are just some examples of the drivers for improvements to ESE research. Additionally, several facets of ESE research are not documented very explicitly, which makes it difficult for newcomers to pick them up. With this new regular ACM SIGSOFT SEN column (SEN-ESE), we introduce a venue for discussing meta-aspects of ESE research, ranging from general topics such as the nature and best practices for replication packages, to more nuanced themes such as statistical methods, interview transcription tools, and publishing interdisciplinary research. Our aim for the column is to be a place where we can regularly spark conversations on ESE topics that might not often be touched upon or are left implicit. Contributions to this column will be grounded in expert interviews, focus groups, surveys, and position pieces, with the goal of encouraging reflection and improvement in how we conduct, communicate, teach, and ultimately improve ESE research. Finally, we invite feedback from the ESE community on challenging, controversial, or underexplored topics, as well as suggestions for voices you would like to hear from. While we cannot promise to act on every idea, we aim to shape this column around the community interests and are grateful for all contributions.
• Abstract（参考訳）: 1970年代の初期の基盤から、経験的ソフトウェア工学(ESE)は成熟した研究分野へと発展し、様々なトピック、方法論、産業プラクティスを取り入れている。 ESEの研究分野は目覚ましい進歩にもかかわらず、新たな障害、欠点、技術が出現するにつれて、依然として進化し続ける必要がある。 研究の再現性、外部の妥当性の制限、レビューの主観性、研究結果を産業プラクティスに移植することは、ESE研究の改善の要因のごく一部にすぎない。 さらに、ESE研究のいくつかの側面は明確に文書化されていないため、新参者がそれを拾うのが難しくなっている。 本稿では,この新たなレギュラーACM SIGSOFT SENコラム(SEN-ESE)を用いて,ESE研究のメタアスペクトを議論する場を紹介する。 カラムの目的は、しばしば触れられたり、暗黙にされたりしないかもしれないESEトピックに関する会話を定期的に発火できる場所になることです。 このコラムへのコントリビューションは、専門家インタビュー、フォーカスグループ、調査、ポジションピースに基礎を置き、ESE研究の実施、コミュニケーション、教育、そして最終的な改善の方法の反映と改善を促進することを目的としています。 最後に、ESEコミュニティからの、挑戦的、議論の余地のある、あるいは未調査のトピックに対するフィードバックと、あなたが聞きたい声の提案を招待します。 すべてのアイデアを約束することはできませんが、このコラムをコミュニティの関心を中心に形成し、すべてのコントリビューションに感謝しています。

関連論文リスト

• The Budget AI Researcher and the Power of RAG Chains [4.797627592793464]
  研究アイデア生成への現在のアプローチは、しばしばジェネリック・大型言語モデル(LLM)に依存している。 私たちのフレームワークであるThe Budget AI Researcherは、検索強化ジェネレーションチェーン、ベクトルデータベース、トピック誘導ペアリングを使用して、数百の機械学習論文の概念を再結合します。 このシステムは、機械学習の広大なサブフィールドにまたがる9つの主要なAIカンファレンスから論文を取り込み、それらを階層的なトピックツリーに整理する。
  論文  参考訳（メタデータ） (2025-06-14T02:40:35Z)
• Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation [58.064940977804596]
  多くの新しいAIモデルとツールが提案され、世界中の研究者や学者が研究をより効果的かつ効率的に実施できるようにすることを約束している。 これらのツールの欠点と誤用の可能性に関する倫理的懸念は、議論の中で特に顕著な位置を占める。
  論文  参考訳（メタデータ） (2025-02-07T18:26:45Z)
• Not real or too soft? On the challenges of publishing interdisciplinary software engineering research [4.597329752530121]
  ソフトウェア工学の分野は、社会的および技術的な側面を組み合わせる。 ソフトウェアエンジニアリングの会場に提出された学際的な研究は、伝統的なトピックや技術的なトピックと同じレベルの認識を受けられないかもしれない。
  論文  参考訳（メタデータ） (2025-01-11T12:18:46Z)
• Reproducibility in Machine Learning-based Research: Overview, Barriers and Drivers [1.4841630983274845]
  透明性の欠如、データまたはコードの欠如、標準への順守の欠如、MLトレーニングの敏感さは、原則として多くの論文が再現不可能であることを意味する。 実験では、オリジナルの結果と非常に類似性が低いことが判明した。 粗悪な完全性は研究結果の信頼と完全性を脅かす。
  論文  参考訳（メタデータ） (2024-06-20T13:56:42Z)
• 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)
• Making Software Development More Diverse and Inclusive: Key Themes, Challenges, and Future Directions [50.545824691484796]
  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。
  論文  参考訳（メタデータ） (2024-04-10T16:18:11Z)
• Parsing Objects at a Finer Granularity: A Survey [54.72819146263311]
  微細な視覚解析は、農業、リモートセンシング、宇宙技術など、多くの現実世界の応用において重要である。 卓越した研究努力は、異なるパラダイムに従って、これらのきめ細かいサブタスクに取り組む。 我々は,パート関係を学習する新たな視点から,先進的な研究を深く研究する。
  論文  参考訳（メタデータ） (2022-12-28T04:20:10Z)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)

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。