面向机器学习实践的软件工程研究者视角
软件工程
2024-12-02 v1 机器学习
摘要
背景：机器学习 (ML) 对软件工程 (SE) 产生了重大影响，但主要聚焦于实践者，忽视了研究者视角。这忽略了教学、研究和审稿中 ML 在 SE 应用中的实践与挑战。目标：本研究旨在从 SE 研究者的视角，为 ML 与 SE 之间的协同作用提供见解，了解在研究、教学和审稿中应用 ML 的 SE 研究实践。方法：我们分析了熟悉 ML 或发表使用 ML 的 SE 文章的 SE 研究者，以及文章本身。我们检查了实践方式、应用 ML 的 SE 任务、所面临的挑战，以及审稿人和教育者的视角，使用 grounded theory 编码和定性分析。结果：我们发现，数据收集、模型训练和评估方面存在多样化的实践。一些推荐实践（如超参数调优）在文献中出现的比例不足 20%。常见挑战包括数据处理、模型评估（包括非功能属性）以及在评估中涉及人类专家。教育中常见动手活动，尽管传统方法仍在存在。结论：尽管在将 ML 应用于 SE 的实践中存在共识做法，但仍存在显著差距。通过完善指南、采用多样化的教学方法以及强调被忽视的实践，SE 社区可以弥合这些差距并推动该领域发展。
引用
@article{arxiv.2411.19304,
title = {Perspective of Software Engineering Researchers on Machine Learning Practices Regarding Research, Review, and Education},
author = {Anamaria Mojica-Hanke and David Nader Palacio and Denys Poshyvanyk and Mario Linares-Vásquez and Steffen Herbold},
journal= {arXiv preprint arXiv:2411.19304},
year = {2024}
}
备注
under review