西门子工业电源中国授权一级供应商
在人的技能与工具之间谋求佳平衡并非易事。但如果不能定义专家，那么你可能没有机会来平衡任何东西。此外，如果你自认为知道怎样的人是的程序员，但你的直觉却是错误的话，那么你的项目处境可能会很悲惨，除非有环境措施能够发现问题，并能对不可预见的紧急情况进行调整。于是Glass观点的可操作性依赖于能够可靠地从人群中找出聪明因为没有对照组。但我们有不同的看法，我们相信这是学习流程的结果。在我们不知道从何时开始，将要做什么，又会如何发展的情况下，不可能对这项25年的研究进行对照试验。
在SEL的。请注意，不断重新评估和完善这种言论已经是我们的一项工作，即使它们可能是基于实证的。知识永远不会是静态的，因此Glass的观点可能需要做一些改进。但是，先把这个问题放一放。我们现在感兴趣的是其所引发的三个问题，它们同时也自成一体。这些问题把软件开发作为一个整体，而不只有编程，因此更具有普遍意义。25年中，我们对软件改进有了深刻的了解。我们的学习流程也和软件开发改进本身一样，不断改进。我们把所学到的应用到流程，产品以及组织构架中。演变流程依赖于研究与实践的共生关系。这种关系需要双方面的耐心和理解，但是一旦成熟，就会带来收益。
我们在应用中学习，并适当地配合了各种预先实验设计，准实验，对照试验和案例研究，并得出了丰富的实践及理论结果，这样的结果是无法从单纯的正式试验中得到的。此外，这种大规模学习流程还促成了诸如GQM、QIP和经验工厂等多种技术和方法的评估和发后，我们认识并让人认识到从组织内部汲取的经验和获得的知识需要和项目开发组织拆分开来。典型的项目组织活动把一个问题分成简单的几份，解决方法的实施，设计与实现，验证与确认。目标是在成本之内按时完成项目。经验工厂的活动包括统一不同的解决方案，重新定义问题，一般化、形式化和整合经验。通过综合分析观察结果，用实验测试各种意见来完成。其目标是获取经验并为项目提供推荐意见。它的主要责任是评估、修改、封装经验以备重用。
经验工厂不能单纯基于小型的、已验证的实验。人们需要观察实际应用中的意见、概念、流程等，从中得到启发，加之理性的判断，以此为基础建立经验工厂。
只有当我们知道如何从观察中学习，并且结合案例研究与对照试验的结果（实验结果比我们的看法更容易发表），我们才能继续应用、观察、学习这程。我们也触及到现成构到目标明确的、可修改的技术包的重要
浔之漫智控技术（上海）有限公司（xzm-wqy-sqw）
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！
性，比如通用代码组件或者可针对具体项目修改的技术。我们的实验结果需要在环境中使用，并且需要不断地根据我们的经验改变环境。技术转移包括一个新的组织构架、实验和循序渐进的文化改缺陷类型，甚至是随着时间的代码增长。这些变量向我们提供关于环境的见解，启发我们应该着重改进哪些方面，并且让我们更好地理解项目之间的相同与不同之处。我们使用实验范式来分析软件开发研究，即实验的设计、评估、反馈对于学习都至关重要。分析方法的变迁用一致性和支持工具的缺乏迫使我们不得不手动采集数据。我们与开发人员分享中间结果，以便他们提出反馈，修正错误的理解，并且提出更好的方法采集数据。随着时间的推移，我们使用GQM手动采集的数据越来越少，我们把数据采集直接嵌入到开发流程中，这样数据更加准确，开销更少，并且使我们能够评估流程的一致性。通过开发人员与实验工作人员的互动，我们获取了开发人员经验的详细信息，为局部需求和目标提供有效反馈。然后，通过普遍的信息反馈流程合并对照试验与案例研究，对特定方法技术提供更正规的分析。简而言之我们从事的是探索性研究，我们比很多科学都更多地依赖于方法和技巧的实证应用。在1976年，几乎没有关于软件工程的实证研究，而建立一个研究软件开发的实验室更是前所未有的。该实验室的建立提供们首先对新技术进行实验，以研究流程应用与相应产品特征之间的关系。这些技术的选择是基于我们在SEL中观察到的各类问题，同时以特定的目标为对象，比如小化缺陷。为了识别需求中的问题，我们开发了一系列阅读技巧了一个良好的学习环境，在实验室中，人们设计并运用潜在的解决方案、检验
其有效性、从中总结经验，从而优化员紧密交流，这是一个开发人员和管理人员组成的团队，他们性格各异，拥有不同的职责和目标。以上这些起初，我们试图使用已经存在的一些模型来帮助我们理解环境（比如雷利波曲线或是MTTF模型）。结果我们发现它们并不合适，要么因为它们的定义是服务于相对更大型的项目（以100KLOC为单位），要么就是使用它们的时间点并不符合我们的需要。所以我们开始用自己的数据设计适合于自身环境的模型。我们需要更好地理解和表征环境、项目、流程等，因为我们无法使用别人从其他环境中提取的模型特质使其成为进行实证研究的沃土。实验室各方面的平衡创造了一个理想的学习环境，大家通过彼此合作及反馈可以相互学习。
从1976年到2001年，我们在不断犯错中学到了很多。所犯下的错误包括：在全面认识环境之前就妄下断言；是数据主导，而非目标主导或是模型主导；用其他环境下得出的模型解释我们的环境。
学习的进化流程是渐进的而非跃进的。利用每次学习的经历，我们试图把学习到的知识运用到流程模型，产品与组织机构上。开始就是如此。随着对执行流程的观察，我们久而久之用所得到的知识改进了每个步骤之后终形成了这个方法。之后我将会讨论步骤的改进以及得到的启发，在这里，正式实验对主要理念的证明只起到支持的作用。