Integrating Positionality Statements in Empirical Software Engineering Research
Notice bibliographique
Résumé
Context. Positionality statements are a reflective practice that is well-established in fields such as social sciences, where they enhance transparency, reflexivity, and ethical integrity by acknowledging how researchers' identities, experiences, and perspectives may shape their work. Goal. This study aimed to investigate the understanding, usage, and potential value of positionality statements in software engineering (SE) research, particularly in studies focused on diversity and inclusion (D&I). Method. We conducted a qualitative survey targeting authors of D&I-focused studies in SE to explore their perspectives and practices regarding positionality. Through purposive sampling, we collected responses from 21 participants, which were analyzed using thematic analysis to identify how positionality is currently understood and applied. Findings. Our findings reveal that SE researchers often view positionality statements as a method for self-reflection, contextual awareness, and bias reduction, though practices vary widely. While some participants explicitly integrate positionality statements into their research, most apply these concepts implicitly. Challenges, such as double-anonymity requirements and the perception of objectivity in SE, also limit the adoption of positionality. Discussions. Our findings highlight an opportunity for SE to adopt and adapt positionality statements to reflect the field's intersection of technical and human considerations. By incorporating structured positionality practices, SE research could enhance inclusion, ethical rigor, and transparency, moving closer to the standards established in more mature disciplines. Conclusion. Although SE research increasingly addresses complex social and human-centered issues, positionality statements have yet to become common practice in the field.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».