西门子S7-200中国授权一级供货商

浔之漫智控技术（上海）有限公司（w）

是中国西门子的合作伙伴，公司主要从事工业自动化产品的集成,销售和维修，是全国的自动化设备公司。

公司坐落于中国城市上海市，我们真诚的希望在器件的销售和工程项目承接、系统开发上能和贵司开展多方面合作。

以下是我司主要代理西门子产品，欢迎您来电来函咨询，我们将为您提供优惠的价格及快捷细致的服务！

究者已经开始发表软件工程的系统性评审，但来自美国的研究者相对较少[33][34]。

我也希望这一章内容能提醒实证研究者，他们的研究可能也会为将来系统性评审做出贡献，并因此能在汇报他们结果的同时谨记将来研究证据的集合。近的一次系统性评审发现，很难开始一个完整的元分析，因为个体的原儿的标准方法，系统性评审的发布改变了医疗实践。

然而，这并没有被认为是循证医学的重大胜利。在那12篇研究中，8篇是在1982年之前发表的。如果那8篇研究能在1982年集合的话，8年的错误治疗和与之相关的新生儿死亡就能够被避免。这引发了对及时集合证据的重要性的重新评估，以及协作组织的建立，该非营利组织旨在实施针对医疗和保健问题的系统性评审，并维护系统性评审报告数据库。这需要提取每篇文章中针对所研究问题数据，然后适当地集合数据。有时，可以通过一次正式的元分析来集合数据，但在软件工程和其他非医学领域中，每篇研究的结果通常只是以表格的形式列出来，以确定潜在的趋势。与质量评估一样，数据提取通常由两名研究者来完成，他们讨论并解决所有的不同意见。

虽然我之前批评了对专家观点的依赖，但是我所见过的关于软件工程的好的系统性评审，是由包含领域专家

的团队执行的。领域专家的知识在系统性评审中可以被很好地加以利用，来确定需要搜索的会议和期刊，并确定可以用作基准的一组初始研究文章，来检查任何自动搜索过程的有效性。

对于刚开始学习系统性评审流程的新研究员，我推荐他们考虑图谱研究（mapping studies）。这类系统性评审试图寻找并分类涉及更宽泛研究话题的文献，而不是回答一个特定的研究问题[35]。这两类研究的区别可以通过比较Magne Jørgensen的两篇文章而看出。篇是传统的系统性评审，调查了成本估算模式的评估在预计项目成本时是否比专家判断的评估更**[22]。这篇文章在3.3.1节中有所讨论。第二篇是高质量的图谱研究，对成本估算文献进行了分类[24]。

下面的3.3节讨论了一些挑战了软件工程 “常识”的系统性评审，证明了我们用健全方法论来集合证据的必要。然而，在讨论这些例子之前，我先总览一下系统性文献流程。

只对系统性评审的结果感兴趣，而对系统性评审的具体流程不感兴趣的读者，可以直接跳至3.3节。这章的简介应该足够你了解系统性评审流程的严谨性，不用你多花力气去读这么多的细节。

然而，如果你是一个新的或者有经验的研究者，希望评估系统性评审的价值，那你就需要阅读下一节。它讨论了系统性评审流程中的具体步骤，并告诉你这一方法论中所固有的一些实践困难。

你可以在Cochrane协作组织的知识库中找到免费的Crowley等人对皮质类激素报告的更新[43]。这不只是为了记录历史；对那些新开始系统性评审的研究员来说，这也是一个很好的优质评审的例子。

你也许会问系统性评审有什么创新。毕竟，软件工程研究者已经持续多年产出不落后于时代的报告，并且在汇报他们新研究成果的同时，也总结了相关的工作。要回答这个问题，我们得先看看其他使用系统性评审的学科（例如，心理学、社会学和医学），它们已经找出了由于缺乏正规方法论而导致的传统评审中的无数问题。始研究在汇报他们的结果时使用了完全不同的实践方法[51][52]。

在循证软件工程的背景下，系统性评审的目标不只是为研究者提供方法论，而是影响实践。因此，我希望业界的管理者和决策者也能在这章中找到一些与他们需求相关的东西。业界大的教训是，“常识”和专家观点不应该是决定选择软件工程方法的唯一基础。此外，很不幸的是，不能默认地信赖个体的实证研究。面对关于采用新方法的重要决定时，决策者需要不带偏见地对所有的相关证据的概括。系统性评审恰恰提供了交付这种概括的方法。

系统性评审总览

可信的调查始于原始研究：带有与所研究问题相关的定性和定量结果的实验。一次系统性评审集合了不同独立实验的结果，有时会运用统计学的元分析。

证明系统性评审必要性的典型例子来自医学领域。在1990年，Crowley等人发布了一份关于对将要早产的孕妇使用皮质激素效果的系统性评审，其中包括一份对于12项原始研究的元分析[11]。皮质激素被认为能减少早产儿的肺部问题。Crowley等人的系统性评审确认了皮质激素的使用大幅度地减小了新生儿的死亡风险。在那个时候，皮质类激素并不是治疗早产

观测研究已经证明的一件事是：软件工程专家会收集与之相关的证据，根据它们的目的确定所需的可信程度。也就是说，如果它们在为音响设计数字过滤器，它们可能会做一个基于输出的对照实验，来确定软件是否产出了人耳所需的音质。如果他们正在和市场部争论使用模拟控制的客户是否有处理虚拟化接口的准备，他们可能会把一位研究员派去现场讨论“什么是客户所控制的参数”，“他们的现有系统如何运作”，“客户认为他们的任务如何”等。如果他们正在设计安全性至关重要的前端系统，他们可能会做一次客户研究来确定几个设计选择中的哪一个能好地适应人机交互。如果他们在设计安全性至关重要的后端系统，他们可能使用正式的方法来建立对特定需求的正确实现。如果他们在优化排程演算法，他们也许会对工业投入运行基准。