(Halb)-Automatischer Ansatz zur Unterstützung der Literaturanalyse für Software-Ingenieure

Forscher führen Literaturübersichten durch, um die vorhandenen Erkenntnisse über ein Forschungsthema zusammenzufassen. Die Durchführung einer Literaturanalyse, insbesondere einer systematischen Literaturübersicht, ist zwar ein wichtiges Mittel zur Verdichtung von Wissen, erfordert aber viel Zeit und Mühe. Folglich erwägen Forscher halbautomatische Ansätze, um verschiedene Phasen des Review-Prozesses zu erleichtern. Erhebungen haben gezeigt, dass die Auswahl der Primärstudien und die Bewertung ihrer Qualität zu den zeitaufwändigsten Aufgaben bei der Literaturrecherche gehören. Um die Qualität und Zuverlässigkeit der Ergebnisse einer Literaturstudie zu gewährleisten, muss die Qualität der einbezogenen Primärstudien bewertet werden. Obwohl es sich hierbei um kritische Phasen handelt, werden diese noch immer nicht durch halbautomatische Tools unterstützt und daher meist manuell durchgeführt. In dieser Dissertation wollen wir diese Lücke im aktuellen Forschungsstand schließen und Techniken entwickeln, die die Auswahl und Bewertung von Primärstudien für Literaturanalysen unterstützen. Für die Bewertung von Studien werden zunächst die Informationen aus den am häufigsten von Software-Engineering-Forschern genutzten digitalen Bibliotheken wie ACM Digital Library, IEEE Xplore, Science Direct, Springer Link und Web of Science ausgewertet. Die Informationen zu Autoren, Zitationszahlen und Publikationsorten sind besonders wichtig, da sie einen ersten Einblick in die Studien geben können. Daher wäre ein Tool, das solche bibliografischen Informationen aus den digitalen Bibliotheken erfasst und die Studien auf der Grundlage definierter Qualitätsmetriken bewertet, sicherlich von Vorteil, um den Prozess zu beschleunigen. Für eine genaue Bewertung könnte der Ansatz jedoch auf eine eingehende Volltextuntersuchung erweitert werden. Wir glauben, dass die Entwicklung einer solchen Strategie für Forscher, die Literaturanalysen durchführen, insbesondere für Software-Ingenieure, oder für jeden anderen Forschungsbereich sehr nützlich wäre.

(Semi)-Automatic Approach to Support Literature Analysis for Software Engineers

Researchers perform literature reviews to synthesize existing evidence regarding a research topic. While being important means to condense knowledge, conducting a literature analysis, particularly, systematic literature review, requires a large amount of time and effort. Consequently, researchers are considering semi-automatic approaches to facilitate different stages of the review process. Surveys have shown that two of the most time consuming tasks within the literature review process are: to select primary studies and to assess their quality. To assure quality and reliability of the findings from a literature study, the quality of included primary studies must be evaluated. Despite being critical stages, these still lack the support of semi-automatic tools and hence, mostly performed manually. In this PhD thesis, we aim to address this gap in the current state of research and develop techniques that support the selection and assessment of primary studies for literature analyses. For the assessment of studies, we begin with exploring the information available from the digital libraries most commonly used by software engineering researchers, such as, the ACM Digital Library, IEEE Xplore, Science Direct, Springer Link, Web of Science. The information regarding authors, citation counts and publication venues are particularly important as these can provide an initial insight about the studies. Hence, a tool that captures such bibliographic information from the digital libraries and score the studies based on defined quality metrics, would certainly be beneficial to accelerate the process. However, for accurate assessment, the approach could be further extended to an in-depth full text investigation. We believe, developing such a strategy would indeed be useful for researchers conducting literature analyses, particularly software engineers, or any other research domain.