Proceedings of the Third International Workshop on Conducting Empirical Studies in Industry
Notice bibliographique
Résumé
The CESI series of workshops was born out of the need to shift the focus away from simply conducting empirical studies (be them case studies, experiments, surveys, etc.), and reporting their results, to putting them firmly in the context of the software industry. In other words, the aim was to better understand the challenges and opportunities brought about by the organisational context in the conduct of empirical studies. There were several reasons for this shift. Simply knowing empirical procedures (from the literature or by conducting studies in, often tamed, academic environments) didn't seem to prepare one for how to plan and conduct empirical studies in industry. There are just too many hurdles in the way of conducting successful studies in industry. Examples are: (i) understanding specific problems in practice such that conducting relevant studies would give some insight into solving observed problems; (ii) ploughing through organisational politics to zero down to key investigative questions and associated measurable variables; (iii) balancing between scientific purity in empirical procedures and being practical enough to yield usable results for making business decisions within short cycle-times; (iv) taking the results of studies and putting them into practice, in retrospect, to validate the conduct and the outcome of the studies; and more.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,262 | 0,215 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,009 |
| Communication savante | 0,022 | 0,015 |
| Science ouverte | 0,006 | 0,013 |
| Intégrité de la recherche | 0,009 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,009 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».