論文の概要: The Nature of Technical Debt in Research Software
- arxiv url: http://arxiv.org/abs/2603.20415v1
- Date: Fri, 20 Mar 2026 18:35:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:38.897596
- Title: The Nature of Technical Debt in Research Software
- Title（参考訳）: 研究ソフトウェアにおける技術的負債の性質
- Authors: Neil A. Ernst, Ahmed Musa Awon, Swapnil Hingmire, Ze Shi Li,
- Abstract要約: 研究ソフトウェア(英: research software、英: science software)は、科学の進歩に欠かせないソフトウェアである。
研究ソフトウェアは複雑なアルゴリズムとドメイン固有の知識をカプセル化しており、すべての科学の基本的な構成要素である。
研究ソフトウェアの開発における幅広い課題は技術的負債であり、信頼性、保守性、科学的妥当性に悪影響を及ぼす可能性がある。
- 参考スコア（独自算出の注目度）: 4.841624627415872
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Research software (also called scientific software) is essential for advancing scientific endeavours. Research software encapsulates complex algorithms and domain-specific knowledge and is a fundamental component of all science. A pervasive challenge in developing research software is technical debt, which can adversely affect reliability, maintainability, and scientific validity. Research software often relies on the initiative of the scientific community for maintenance, requiring diverse expertise in both scientific and software engineering domains. The extent and nature of technical debt in research software are little studied, in particular, what forms it takes, and what the science teams developing this software think about their technical debt. In this paper we describe our multi-method study examining technical debt in research software. We begin by examining instances of self-reported technical debt in research code, examining 28k code comments across nine research software projects. Then, building on our findings, we interview research software engineers and scientists about how this technical debt manifests itself in their experience, and what costs it has for research software and research outputs more generally. We identify nine types of self-admitted technical debt unique to research software, and four themes impacting this technical debt.
- Abstract（参考訳）: 研究ソフトウェア(英: research software、英: science software)は、科学の進歩に欠かせないソフトウェアである。
研究ソフトウェアは複雑なアルゴリズムとドメイン固有の知識をカプセル化しており、すべての科学の基本的な構成要素である。
研究ソフトウェアの開発における幅広い課題は技術的負債であり、信頼性、保守性、科学的妥当性に悪影響を及ぼす可能性がある。
研究ソフトウェアは、しばしば科学コミュニティの保守のイニシアチブに依存しており、科学とソフトウェア工学の両方の分野において多様な専門知識を必要としている。
研究ソフトウェアにおける技術的負債の範囲と性質は、特にどのような形をとるのか、このソフトウェアを開発する科学チームが技術的負債についてどう考えるのか、ほとんど研究されていない。
本稿では,研究ソフトウェアにおける技術的負債に関するマルチメソッド研究について述べる。
まず、研究コードに自己報告された技術的負債の事例を調べ、9つの研究ソフトウェアプロジェクトにわたる28万のコードコメントを調べます。
そして、我々の研究結果に基づいて、この技術的負債が自身の経験にどのように現れるのか、そして研究ソフトウェアや研究成果にどのようなコストがかかるのか、調査ソフトウェアエンジニアと科学者にインタビューする。
研究ソフトウェアに特有の9種類の技術的負債と、この技術的負債に影響を与える4つのテーマを特定します。
関連論文リスト
- Reclaiming Software Engineering as the Enabling Technology for the Digital Age [35.29553785269423]
ソフトウェアエンジニアリングは、デジタル時代の目に見えないインフラです。
戦略的かつ可能な規律としてではなく、支援的なデジタルコンポーネントとして扱われることが多すぎる。
このポジションペーパーは、デジタル技術の長期的な持続可能性、信頼性、主権は、ソフトウェア工学の研究への投資に依存していると主張している。
論文 参考訳（メタデータ） (2026-01-21T10:44:35Z) - AI4Research: A Survey of Artificial Intelligence for Scientific Research [55.5452803680643]
我々はAI for Research(AI4Research)に関する総合的な調査を行う。
まず、AI4Researchの5つの主要なタスクを分類する系統分類を導入する。
主要な研究ギャップを特定し、将来有望な方向性を明らかにする。
論文 参考訳（メタデータ） (2025-07-02T17:19:20Z) - 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) - 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) - 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) - Artificial Intelligence for Technical Debt Management in Software
Development [0.0]
ソフトウェア開発における技術的負債回避のためのAI駆動ツールの使用に関する既存の研究のレビュー。
AIはソフトウェア開発における技術的負債管理を大幅に改善する可能性がある、と提案する。
AIを開発プロセスに活用しようとするソフトウェア開発チームに対して,実践的なガイダンスを提供する。
論文 参考訳（メタデータ） (2023-06-16T21:59:22Z) - 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。