能效软件背景下的实证软件工程教学十年
内容提要
信息技术的增长导致数据中心能耗和碳排放增加。研究表明，绿色编码和人工智能模型可以提高软件开发的能源效率。然而，人工智能生成代码在可持续性方面的贡献有限，并且存在实现错误。建议共享代码和训练信息，以提高研究的可重复性和透明度，满足社会对软件工程人才的需求。
延伸解读
绿色编码与AI模型的能效实践
文章指出，绿色编码和使用人工智能模型可提高软件开发的能源效率，并成为研究热点。其中，绿色机器学习的研究考察了不同模型架构和超参数在训练和推理阶段的能效实践，旨在提供可持续的机器学习操作指南，强调在保持性能的同时降低能耗和碳足迹。这提示开发者在选择模型和调参时，需将能效作为一项可衡量的指标。
AI生成代码的可持续性局限
研究评估了自动生成代码的可持续性，并比较了人工生成代码与三种人工智能语言模型生成代码在易难问题陈述下的表现。结果揭示了当前人工智能模型在可持续软件开发方面的贡献能力有限，且生成的代码存在实现层面错误，显示出对软件工程知识的欠缺。因此，在利用LLMs进行软件工程研究或开发时，需谨慎对待其输出。
研究可重复性与透明度不足
文章调查发现，当前软件工程研究中存在信息和工件共享的不足，约40%的论文没有共享代码或训练过的工件。这影响了研究的可重复性和透明度。作者建议共享源代码和训练过的工件，并共享有关训练所需时间和硬件配置的全面信息，以确保模型的碳足迹透明度。这对于推动可持续软件工程研究至关重要。
实证软件工程教学的多阶段反馈
文章提到一种基于竞赛项目驱动的软件工程研究生多阶段反馈教学模式，通过任务能力培养阶段分配、竞赛案例设计和过程评估等实施建议，激发学生的热情和主动性，提高专业技能和理解能力。此外，还有研究介绍模糊智能系统用于评估学生项目表现，通过制定评估标准、识别模糊变量和定义模糊规则，标准化项目评估并减少主观偏见。这些方法旨在满足社会对软件工程技术人才的需求。
Q&A
信息技术增长对数据中心能耗有什么影响？
信息技术的增长导致数据中心能耗和碳排放显著增加。
绿色编码和人工智能模型如何提高软件开发的能源效率？
绿色编码和使用人工智能模型可以提高软件开发的能源效率，成为研究的热点。
人工智能生成代码在可持续性方面的贡献如何？
人工智能模型在可持续软件开发方面的贡献有限，且存在实现错误。
如何提高软件工程研究的可重复性和透明度？
建议共享代码和训练信息，以提高研究的可重复性和透明度。
人工生成代码与人工智能生成代码的性能比较如何？
研究比较了人工生成代码与三种人工智能语言模型生成代码在易难问题陈述下的性能和可持续性能力。
社会对软件工程人才的需求如何影响教育模式？
提出了一种基于竞赛项目驱动的多阶段反馈教学模式，以满足社会对软件工程技术人才的需求。
