論文の概要: Empirical Software Engineering in Practice: Insights from Google

• arxiv url: http://arxiv.org/abs/2609.00247v1
• Date: Mon, 31 Aug 2026 18:48:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.010662
• Title: Empirical Software Engineering in Practice: Insights from Google
• Title（参考訳）: 経験的ソフトウェアエンジニアリングの実践 - Googleからの洞察
• Abstract要約: 経験的ソフトウェアエンジニアリングのレギュラーコラム(ACM SIGSOFT SEN-ESE)の一部として、私たちは、さまざまな企業のESE実践者へのインタビューに、一連の記事を書きたいと考えています。 ESE in Practice”の第1版では、GoogleのDeveloper IntelligenceチームのCiera Jaspan氏とCollin Green氏が参加しています。
• 参考スコア（独自算出の注目度）: 7.447436322111677
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While it is fairly well known how empirical software engineering (ESE) is used in the academic world, we have limited knowledge of how ESE is practiced in industry. As part of our regular column on empirical software engineering (ACM SIGSOFT SEN-ESE), we want to dedicate a series of articles to interviewing ESE practitioners from various companies. Among other things, we want to understand how ESE processes are implemented in industry, e.g., different research methods, how practitioners decide on what to study, how research results are used within companies and beyond, and if they face recurrent impediments to using ESE methods in industrial contexts. In the first edition of "ESE in Practice", we are joined by Ciera Jaspan and Collin Green from the Developer Intelligence team at Google. This article is a faithful account of our conversation from August 13, 2026, which we edited for our column.
• Abstract（参考訳）: 経験的ソフトウェアエンジニアリング(ESE)が学界でどのように使われているかはよく知られていますが、業界でどのようにESEが実践されているかは限定的です。 経験的ソフトウェアエンジニアリングのレギュラーコラム(ACM SIGSOFT SEN-ESE)の一部として、私たちは、さまざまな企業のESE実践者へのインタビューに、一連の記事を書きたいと考えています。 中でも, 業界におけるESEプロセスの実施方法, 例えば, さまざまな研究手法, 実践者が何を研究するか, 企業内外の研究成果をどのように活用するか, そして, 産業的文脈におけるESE手法の使用に対して, 繰り返し発生する障害に直面しているか, について理解したい。 ESE in Practice”の第1版では、GoogleのDeveloper IntelligenceチームのCiera Jaspan氏とCollin Green氏が参加しています。 この記事は、2026年8月13日にわれわれがコラムのために編集した会話の忠実な説明である。

関連論文リスト

• Be a Partner, not a Bystander in Software Engineering Practice: Bridging the Gaps between Academia and Industry [1.6818254855155208]
  ソフトウェアエンジニアリングコミュニティは、その研究の影響と産業プラクティスとの関連を深く懸念している、と私たちは主張する。 我々は,SEにおける行動と改革の新たな呼びかけを提案し,ソフトウェア工学コミュニティの新たな未来を構想する。
  論文  参考訳（メタデータ） (2026-02-08T02:56:01Z)
• Automatic Classification of Pedagogical Materials against CS Curriculum Guidelines [0.0]
  プロの社会は、プログラムがコンテンツを国際標準に合わせるのを助けるためのカリキュラムガイドラインをしばしば発行する。 コンピュータサイエンスでは、主要な標準はACMとIEEEによって公開され、コンピュータサイエンスプログラムに含めるべきものと可能なものに関する詳細なガイドラインを提供する。 プログラム管理者は、CSプログラムによってどの程度のガイドラインがカバーされているかを評価することは困難である。 本稿では,自然言語処理技術を用いて処理を高速化する手法を提案する。
  論文  参考訳（メタデータ） (2026-02-03T19:24:18Z)
• Ethics of Care for Software Engineering [51.80521257060489]
  ケア」と「ケア」の反対はケアの倫理に基づいていると我々は主張する。 我々は、ソフトウェア工学におけるケアの倫理の採用を提唱する。
  論文  参考訳（メタデータ） (2026-01-23T20:16:00Z)
• From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence [150.3696990310269]
  大規模言語モデル(LLM)は、自然言語記述を直接関数コードに変換することによって、自動ソフトウェア開発を変革した。 コードLLMに関する総合的な合成と実践的ガイド(一連の解析および探索実験)を提供する。 一般LLM(GPT-4, Claude, LLaMA)とコード特殊化LLM(StarCoder, Code LLaMA, DeepSeek-Coder, QwenCoder)のコード機能の解析を行う。
  論文  参考訳（メタデータ） (2025-11-23T17:09:34Z)
• ACM SIGSOFT SEN Empirical Software Engineering: Introducing Our New Regular Column [7.447436322111677]
  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。
  論文  参考訳（メタデータ） (2025-10-02T13:28:54Z)
• LEARN: Knowledge Adaptation from Large Language Model to Recommendation for Practical Industrial Application [54.984348122105516]
  Llm-driven knowlEdge Adaptive RecommeNdation (LEARN)フレームワークは、オープンワールドの知識と協調的な知識をシナジする。 オープンワールドの知識と協調的な知識を相乗化するLlm-driven knowlEdge Adaptive RecommeNdation (LEARN) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-07T04:00:30Z)
• Beyond Code Generation: An Observational Study of ChatGPT Usage in Software Engineering Practice [3.072802875195726]
  我々は、ChatGPTを1週間の業務で使用している24人のプロのソフトウェアエンジニアについて、観察的研究を行った。 ChatGPTが使えるソフトウェアアーティファクト(例えばコード)を生成することを期待するのではなく、実践者はChatGPTを使ってタスクの解決方法やトピックについてより抽象的な言葉で学ぶことが多い。
  論文  参考訳（メタデータ） (2024-04-23T10:34:16Z)
• Collaborative, Code-Proximal Dynamic Software Visualization within Code Editors [55.57032418885258]
  本稿では,コードエディタに組み込むソフトウェアビジュアライゼーション手法の設計と実装について紹介する。 私たちのコントリビューションは、ソフトウェアシステムの実行時の動作の動的解析を使用するという点で、関連する作業と異なります。 私たちの視覚化アプローチは、一般的なリモートペアプログラミングツールを強化し、共有コード都市を利用することで協調的に使用できます。
  論文  参考訳（メタデータ） (2023-08-30T06:35:40Z)
• Towards machine learning guided by best practices [0.0]
  機械学習(ML)は、医学からソフトウェア工学(SE)まで、複数の応用分野を持つソフトウェアシステムで使われている。 この論文は、SEコミュニティの実践者や研究者が使用し議論するプラクティスを理解するのに役立つ研究の質問に答えることを目的としている。
  論文  参考訳（メタデータ） (2023-04-29T10:58:37Z)
• 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)
• Dynamic Causal Effects Evaluation in A/B Testing with a Reinforcement Learning Framework [68.96770035057716]
  A/Bテスト(A/B Testing)は、新しい製品を製薬、技術、伝統産業の古い製品と比較するビジネス戦略である。 本稿では,オンライン実験においてA/Bテストを実施するための強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-05T10:25:02Z)

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。