論文の概要: Awakening: Modern Challenges and Opportunities of Software Engineering Research
- arxiv url: http://arxiv.org/abs/2603.21403v1
- Date: Sun, 22 Mar 2026 21:09:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.401667
- Title: Awakening: Modern Challenges and Opportunities of Software Engineering Research
- Title（参考訳）: 覚醒 - ソフトウェア工学研究の現代的課題と機会
- Authors: Diomidis Spinellis, Zoe Kotti,
- Abstract要約: ソフトウェア工学の研究は、オープンに利用可能なツール、アクセス可能なシステム、適度なスケールで研究できる問題から何十年も恩恵を受けてきた。
今日では、最も関連性の高いソフトウェアシステムの多くは大規模でプロプライエタリであり、学術界でアクセスや複製が難しい産業環境に埋め込まれている。
本稿では,産業博士課程,長期の産学連携,大規模研究チーム,ムーンショットプロジェクト,資金調達・評価プラクティスの変更など,実践的な方向性について論じる。
- 参考スコア（独自算出の注目度）: 3.0895933901407897
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Software engineering research benefited for decades from openly available tools, accessible systems, and problems that could be studied at modest scale. Today, many of the most relevant software systems are large, proprietary, and embedded in industrial contexts that are difficult to access or replicate in academia. We review how the field reached this point, identify structural challenges facing contemporary research, and argue that incremental methodological refinement is insufficient. We discuss practical directions forward, including industrial PhDs, long-term industry-academia collaborations, larger research teams, moonshot projects, and changes to funding and evaluation practices.
- Abstract（参考訳）: ソフトウェア工学の研究は、オープンに利用可能なツール、アクセス可能なシステム、適度なスケールで研究できる問題から何十年も恩恵を受けてきた。
今日では、最も関連性の高いソフトウェアシステムの多くは大規模でプロプライエタリであり、学術界でアクセスや複製が難しい産業環境に埋め込まれている。
我々は、この点にどのように到達したのかをレビューし、現代研究が直面する構造的課題を特定し、漸進的な方法論的改善が不十分であると主張する。
本稿では,産業博士課程,長期の産学連携,大規模研究チーム,ムーンショットプロジェクト,資金調達・評価プラクティスの変更など,実践的な方向性について論じる。
関連論文リスト
- A Systematic Mapping on Software Fairness: Focus, Trends and Industrial Context [0.0]
本稿では,ソフトウェア工学におけるフェアネスソリューションの現在の進歩を探求し,分類するために,体系的な文献マッピングを提案する。
我々は,産業の文脈における研究動向,研究の焦点,生存性という,3つの重要な側面に焦点をあてる。
論文 参考訳（メタデータ） (2025-12-29T16:09:08Z) - Deep Research: A Systematic Survey [118.82795024422722]
Deep Research (DR)は、大規模言語モデルの推論能力と検索エンジンなどの外部ツールを組み合わせることを目的としている。
本調査は,深層研究システムの包括的かつ体系的な概要を提示する。
論文 参考訳（メタデータ） (2025-11-24T15:28:28Z) - Triage in Software Engineering: A Systematic Review of Research and Practice [18.03124877437556]
Triageは、複雑な環境の信頼性を確保するために、問題を効率的に優先順位付け、割り当て、評価することを目的としている。
ソフトウェアシステムによって生成される膨大な量の異種データが、効果的なトリアージを必須としてきた。
この調査は2004年から現在までの234の論文の総合的なレビューを提供し、基本的な概念、システムアーキテクチャ、問題ステートメントの詳細な調査を提供する。
論文 参考訳（メタデータ） (2025-11-05T02:42:26Z) - Software Engineering for Large Language Models: Research Status, Challenges and the Road Ahead [4.835306415626808]
大規模言語モデル(LLM)は人工知能(AI)を再定義している
LLMの開発は、ライフサイクルを通してますます複雑な課題に直面している。
ソフトウェア工学(SE)アプローチの観点から、これらの課題と解決策を体系的に探求する既存の研究はない。
論文 参考訳（メタデータ） (2025-06-30T12:09:29Z) - Industrial Challenges in Secure Continuous Development [0.7734726150561089]
セキュリティと継続的ソフトウェアエンジニアリングの交わりは、アジャイル開発運動の初期から大きな関心を集めています。
本稿では,異なる役割の実践者との課題を検証した,我々の取り組みの関連部分を要約する。
課題の集合を浮き彫りにするよりも、実践者や研究者が今後の作業を説明する上で、私たちが特定した4つの重要な研究指針を提示することで、結論付けます。
論文 参考訳（メタデータ） (2024-01-12T12:02:16Z) - 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) - Industry-academia research collaboration and knowledge co-creation:
Patterns and anti-patterns [12.434688497507397]
本稿では,ソフトウェア工学における産業と学界のコラボレーションと知識共創の経験について報告する。
私たちの経験は、ソフトウェアエンジニアリングの研究者と、ヨーロッパとノルウェーのソフトウェアとIT産業の間の14年間のコラボレーションに及びます。
得られた知見と経験をもとに,産学連携のための14のパターンと14のアンチパターンのセットを提供する。
論文 参考訳（メタデータ） (2022-04-29T16:10:19Z) - 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)
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。