西门子交换机中国经销商
被引用的模型，用钟形曲线刻画了一些创新产品（如研究结果）的消费者：左边的尾巴包含了创新者，钟形的突出部分代表了大多数人，他们随着这个创新想法逐渐流行而采纳，右边的尾巴包含了抵触改变的落后者[24]。了解自己观众的研究者能从真正健壮的数据集中选择适当的子集来构建他们的案例
现在，令人吃惊的来了。这些试探性搜索方法虽然有用，但却对研究结果施加了一个偏差。如果你改变上下文，也改变了偏差，那这些算法就会找到不同的"佳"方案。例如，在对软件过程模型的人工智能搜索实验中，Green等人使用了两种不同的目标函数[15]。一个目标代表了安全性至关重要的政府项目，试图同时减少开发工作量和软件交付的缺陷数。另一个目标代表了更标准的商业情况，急于发布软件至市场，并一直努力不要插入过多缺陷。此研究用人工智能优化器搜索了4个不同项目。每次搜索在每个目标下重复。一个惊人的结果是，一个目标产出的建议通常在另一个目标下会被否决。比如，使用一个目标的人工智能搜索推荐增加交付前的时间，而另一个则建议减少时间。
对任何试图找到证据来说服人们改变现有软件开发流程和工具的人来说，这个结果都有重要意义。我们需要根据观众调整证据，而不是假设所有证据都能说服所有人。站在台上像变戏法似的拿出看似动人的证据并不足够。即使是从**研究中取得的有统计强度的、可复制的证据，如果证据与观众问题不相关，那也不能激发任何改变。换句话说，观众可能会自问："这到底有什么好处？"而我们需要尊重他们的"业务偏差"。
1.5 展望未来
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！
然而，真正有影响力的证据实体走得更远，并且接收完全不同种类的证据。不止是试图找到具有统计意义的研究，也包含能提供更多关于技术实践应用信息的调查经验汇报。这种经验汇报目前被低估了，因为它们被认为不如现有的文献严格。比如，不总能确保各方面利益都被**衡量，不能保证混淆的因素已经排除，或者不能证明流程一致作为软件工程师，我们对什么起作用、什么不起作用或者不太起作用都有各自的意见。我们因此共享实践故事和经验，它们终化作文化知识和各种常识。但问题是，“地球人都知道的东西”常常是错的。虽然我们不断收集信息，但是也许并未细致准确地评估并整合那些信息，甚至都没有必要的手段来这么做。性因素已经避免。然而，这些报告应该是任何软件开发技术"证据线索"的一个显而易见的部分。早期采纳者可能找到的是包含相对低可信度的可行性研究的一个小集合，或者一到两个"**"研究，这已经足够使他们采纳改变。特别是当这些研究的背景显示出证据是在一个与他们相似的环境中收集的。大部分采纳者需要看到不同上下文中的多样研究，才会相信研究的想法是有价值的，被证实不止在一个合适的环境中可行，并且已经开始成为被部分接受的行事方式。
落后者或者后期采纳者可能需要压倒性的证据，这可能包括大量的高可信度研究，以及在大范围不同背景下得到的有益结果。
一些混合这些不同类型证据的方法已经被提出
者之间关系的证据。
例如，理解面向方面的设计对你项目的沟通结构所产生的影响，需要先观察那项技术的整个应用场景。对方法的良好应用意味着“对症下药”，也意味着合理使用那些和问题相关并且服务于目的的证据好，而定量的工作也可以同样严格并提供对相关问题的有用回答[26]。构建更强大证据集合的开始，是真正拓的方法，即整合实证研究的结果提供技能、习惯和基础，以便支持软件工程的决策。我们通常会拿软件工程与循证医学及其对严格临床证据的依赖做比较。我们的目的不是为了证明软件工程忽视了证据（虽然基于有争议观点和迷信的软件工程无疑仍然存在），而是为了说明我们的学科缺乏一个组织、文化和技术基础，以支持对不同渠道知识的聚集和整合。Barbara Kitchenham在第3章中介绍了这项运动。
我们还可以看到其他一些对软件工程的思考和反省，用来改善软件工程实践的例子。比如Fred Brooks和Walter Vincenti这样的作家，通过提取经验并使用从实践和经验中来的例证来关注实践，以此思考工程活动的本质。我们不会仅仅因为他们的论文基于的不是科学实验而是反思经验，就抵制他们的重要性。但是我们会仔细思考他们的结论：我们是否同意这些结论，这些结论是否适合我们的环境，是否与我们的经验匹配。也就是说，它们是否与我们熟悉的证据相一致。
要做到这点，我们需要扩大层观察所能接受的"证据"的定义。一些研究者一直争论说，软件工程研究存在对定量数据和研究的偏证据不是证明。总的说来，任何足以让我们认为一个理由可信，或者比另一个理由更可信的实证就是证据。不同的目的需要不同标准的证据。有些目的需要强有力的证据。比如说，决定是否要把所有的软件开发都转换成面向方面的设计和实现，这需要非常有说服力的证据来证明收益大于投资（包括经济和文化方面）。有些目的只需要薄弱的证据即可。比如说，一个面向方面的追踪应用实例可能已经足够证明面向方面的编程方法（AOP）是有价值的，留待进一步研究来澄清的是它能（在什么环境下）多好地完成目标。一份以找出设计中的缺陷为目标的评估研究，可能只需要少数参与者的回复。我们知道有一个为制造业所设计的语音反馈系统原型，在初始用户指出他们用耳塞就能屏蔽工厂噪声之后就被放弃了。一些目的只需要反例就够了。比如，当一个人试图辩驳一项假设或者一项普适的断言时，他只需要一个反例。例如，可视化编程的支持者们声称“可以图形化的就是好的”，但是通过在一项实验中证明嵌套结构在用文本表示时理解起来更快，使得这些支持者们开始重新审视他们的看法。