Lignes directrices pour les méthodes mixtes en ingénierie logiciel

La recherche mixte et multi-méthodes est courante en ingénierie logicielle. Cependant, beaucoup de chercheurs en dehors des sciences sociales n'ont pas vraiment d'expérience avec ces approches. Cet article propose des lignes directrices sur la façon de concevoir une recherche mixte et multi-méthodes en ingénierie logicielle, visant à encourager une utilisation réfléchie et solide de ces méthodes. On va aussi discuter des caractéristiques clés des designs de recherche mixte essentiels.

À travers divers scénarios fictifs mais réalistes en ingénierie logicielle, on va montrer comment choisir les bons designs et aborder les compromis qui viennent avec chaque choix de design. On partagera aussi des meilleures pratiques et mettra en avant les erreurs communes à éviter dans la recherche mixte et multi-méthodes.

#Le besoin de méthodes mixtes en ingénierie logicielle

Les chercheurs utilisent une gamme de méthodes de recherche en ingénierie logicielle, souvent en les combinant. Malgré cette tendance, il y a peu de conseils sur comment mixer les méthodes efficacement. C'est crucial car les défis en ingénierie logicielle d'aujourd'hui sont complexes. Utiliser plusieurs méthodes peut aider à éclairer la nature détaillée et complexe des problèmes et des solutions étudiés.

Cet article cible les chercheurs qui se sentent pas trop à l'aise avec les méthodes mixtes. On partagera des concepts essentiels et proposer des façons de combiner différentes méthodes. On s'est inspiré de nos travaux antérieurs sur le choix des méthodes de recherche en ingénierie logicielle. Cet article offre divers scénarios de recherche fictifs qui illustrent différents objectifs de recherche et les choix de design qui s'ensuivent. Ces exemples vont vous guider dans vos choix de design tout en mettant en évidence les compromis impliqués.

Aujourd'hui, les nouveaux chercheurs en ingénierie logicielle font face à un paysage difficile. Les logiciels sont utilisés pour résoudre des problèmes complexes qui peuvent avoir un impact sur la société dans son ensemble. La pression pour de nouvelles idées face à des technologies et des pratiques en évolution rapide rend le choix des bonnes méthodes mixtes essentiel. Par exemple, l'intérêt actuel pour l'étude de l'utilisation de l'IA générative dans les activités quotidiennes d'ingénierie logicielle montre à quel point le paysage de recherche peut changer vite.

#Aperçu de la recherche mixte

La recherche mixte combine des approches qualitatives et quantitatives pour aborder des questions de recherche. Les racines de cette approche mixte remontent à des milliers d'années dans les sciences naturelles. Des figures historiques comme Aristote et Galilée ont aussi reconnu la valeur de mixer les méthodes dans leurs études.

Cependant, l'intérêt pour les méthodes mixtes a beaucoup augmenté depuis le milieu du 20ème siècle, surtout dans des domaines comme la sociologie et l'anthropologie. Des figures clés ont proposé diverses façons d'utiliser ces méthodes ensemble, entraînant une compréhension plus riche des sujets de recherche.

Aujourd'hui, les méthodes mixtes sont utilisées dans divers domaines, y compris la psychologie, l'éducation et la gestion. Les chercheurs ont reconnu que ces méthodes offrent un cadre flexible pour traiter des questions de recherche compliquées.

Même avec la complexité croissante des designs de recherche mixte, il y a encore des défis. Les chercheurs doivent faire face à des problèmes pour présenter et discuter ces designs de manière facilement compréhensible. Ils doivent également prêter attention aux considérations éthiques dans ce domaine en rapide évolution.

On fournit des conseils pratiques de design pour les chercheurs en ingénierie logicielle. D'abord, on définit l'approche mixte que l'on utilise et discute quatre principes essentiels pour guider la recherche mixte.

#Principes de recherche mixte et multi-méthodes

On définit la recherche mixte et multi-méthodes comme une approche qui utilise diverses procédures pour collecter, analyser et combiner des données afin de traiter des questions de recherche. Les méthodes mixtes nécessitent spécifiquement l'intégration de données qualitatives et quantitatives. En revanche, les multi-méthodes impliquent toute combinaison de méthodes sans nécessiter d'intégration.

On identifie quatre principes directeurs pour la recherche mixte et multi-méthodes :

#1. Rationale Méthodologique

Ce principe explique pourquoi un chercheur devrait choisir un design mixte ou multi-méthodes spécifique. Une étude mixte efficace devrait expliquer pourquoi un design particulier a été sélectionné.

Plusieurs raisons soutiennent l'utilisation de ces méthodes :

• Complémentarité : Une méthode peut enrichir les insights obtenus d'une autre.
• Expansion : Différentes méthodes peuvent répondre à des questions variées tout au long de l'étude.
• Développement : Une méthode peut informer et améliorer une autre.
• Triangulation : Utiliser différents types de méthodes peut valider des découvertes antérieures et améliorer la qualité des résultats de recherche.
• Crédibilité : Combiner des méthodes peut renforcer la confiance dans les résultats en fournissant plusieurs perspectives.
• Explication : Si une méthode donne des résultats inattendus, une autre peut aider à clarifier ces divergences.
• Flexibilité de Design Accrue : Les méthodes mixtes peuvent offrir des alternatives quand une seule méthode fait face à des limitations.

#2. Nouveaux Insights

Ce principe souligne que les études mixtes et multi-méthodes génèrent de nouveaux insights grâce à l'intégration de différentes méthodes. Une étude bien exécutée montrera ce qui a été gagné en utilisant des méthodes mixtes.

Une étude réussie devrait offrir :

• Compréhension Améliorée du Problème : Une meilleure compréhension du paysage de la question de recherche.
• Plus de Profondeur et d'Ampleur : Une examination plus détaillée et complète du problème.
• Explication des Résultats Inattendus : Utilisation d'une méthode pour explorer des découvertes surprenantes d'une autre.
• Récit Complémentaire : Combiner des types de données peut créer un récit plus riche sur les découvertes.

#3. Rigueur Procédurale

Ce principe garantit que la recherche mixte et multi-méthodes maintient un haut niveau de fiabilité et de validité. Une étude solide doit démontrer clairement comment elle a été menée.

Les chercheurs doivent évaluer :

• Si l'approche de méthodes mixtes est justifiée.
• À quel point les méthodes ont été intégrées pour répondre à la question de recherche.
• Si les résultats provenant de différentes méthodes ont été combinés avec succès.
• Si toutes les méthodes utilisées ont été menées de manière rigoureuse.

#4. Recherche Éthique

Ce principe souligne l'importance de mener des recherches de manière responsable, en respectant le bien-être et la vie privée des participants. Une étude mixte solide devrait démontrer comment la recherche a été réalisée de manière responsable.

Les considérations éthiques clés incluent :

• Confidentialité et Protection des Données : Protéger les informations des participants pendant le processus de recherche.
• Respect et Sensibilité Culturelle : Être conscient et accommodant des différences culturelles parmi les participants.
• Sécurité et Bien-Être : Garantir le bien-être de tous les participants.

#Caractéristiques des Designs de Recherche Mixte et Multi-méthodes

Concevoir une recherche qui inclut des méthodes mixtes ou multiples peut être difficile. Les caractéristiques clés à considérer incluent :

• Design Planifié ou Émergent : Un design peut être déterminé dès le départ ou évoluer organiquement tout au long de la recherche.
• Dominance Inductive/Déductive : La recherche peut pencher davantage vers une approche inductive (tirer des insights des données) ou une approche déductive (tester des théories).
• Timing des Procédures : Les chercheurs peuvent recueillir des données en séquence ou simultanément.
• Design Mixte ou Multi-méthode : Mélanger des données qualitatives et quantitatives qualifie comme design mixte, tandis qu'utiliser uniquement des données qualitatives ou quantitatives qualifie comme design multi-méthode.
• Intégration des Données : Comment les données provenant de plusieurs sources sont combinées façonne les insights obtenus de la recherche.

#Variations de Design de Recherche

Sur la base des caractéristiques mentionnées, il existe plusieurs variations de design de méthodes mixtes courantes :

• Design Séquentiel Exploratoire : Commence par une recherche qualitative pour explorer un sujet puis suit avec des méthodes quantitatives pour confirmer les résultats.
• Design Séquentiel Explicatif : Commence par une recherche quantitative puis utilise des méthodes qualitatives pour expliquer des résultats inattendus.
• Design Parallèle Convergent : Mené à la fois une recherche qualitative et quantitative simultanément pour recueillir des insights complémentaires.
• Design Intégré : Intègre une méthode au sein d'une méthode dominante, par exemple, utiliser des interviews en plus des enquêtes.
• Design Multi-méthode : Utilise plusieurs méthodes qualitatives ou plusieurs méthodes quantitatives, sans mélanger les deux.

#Personas et Scénarios de Chercheurs

Pour illustrer comment ces principes et caractéristiques s'appliquent, on introduit quatre profils de chercheurs fictifs. Chacun est à une étape différente de recherche et fait face à des défis uniques.

#L'étude d'Ali : L'impact des experts en sécurité affectés aux équipes de développement

Ali, un postdoc, étudie comment l'ajout d'experts en sécurité aux équipes de développement influence les motivations et comportements des développeurs. Il utilise un design séquentiel exploratoire, commençant par des interviews ouvertes pour recueillir des insights des développeurs sur les changements de motivation après l'arrivée des experts en sécurité dans leurs équipes. Après avoir collecté des données qualitatives, Ali conçoit une enquête pour valider les résultats auprès d'un plus grand groupe de développeurs.

#L'étude de Sam : L'impact d'un nouvel outil de revue de code sur la qualité du code

Sam, un étudiant en début de doctorat, examine un nouvel outil destiné à améliorer les processus de revue de code. Il commence par une analyse de données quantitatives pour tester l'hypothèse que l'outil réduit les taux de bugs. Après que des résultats inattendus montrent qu'il n'y a pas de réduction des bugs, Sam mène des interviews de suivi avec des développeurs pour approfondir les raisons de ces résultats.

#L'étude de Vicki : L'adoption de l'IA générative dans une entreprise de logiciels

Vicki, une chercheuse expérimentée dans l'industrie, explore comment les développeurs adoptent les technologies d'IA générative dans son entreprise. Elle utilise un design parallèle convergent, réalisant des observations ethnographiques des développeurs tout en analysant simultanément des données de journalisation de l'outil d'IA pour évaluer son impact sur la productivité.

#L'étude de Zara : Comprendre l'efficacité d'un outil automatisé pour générer des tests

Zara, une étudiante en fin de doctorat, enquête sur l'efficacité de son outil de génération de tests automatisé. Elle commence par une expérience contrôlée avec des développeurs étudiants utilisant l'outil. Après des résultats positifs, elle analyse ensuite des données de télémétrie de l'expérience pour évaluer l'efficacité des tests générés.

#Erreurs Communes à Éviter

Lors de la conception ou de la critique d'une étude mixte ou multi-méthodes, faites attention aux pièges communs connus sous le nom d'antipatterns. Ces problèmes peuvent survenir dans la présentation de la recherche ou dans le design de l'étude.

#Antipatterns de Présentation

1. Invité Non Souhaité : Introduire une méthode inattendue tard dans le papier sans mention préalable.
2. Fumée et Miroirs : Vendre trop l'impact d'une méthode qui contribue peu aux résultats.
3. Fuyard des Limitations : Ne pas aborder les limitations de toutes les méthodes utilisées.

#Antipatterns de Design d'Étude

1. Passer à Côté : Malalignement du design avec les questions de recherche.
2. Vendre son Âme : Utiliser une méthode uniquement pour satisfaire les préférences des évaluateurs qui n'apportent rien aux résultats.
3. Recherche de Cultes de Cargo : Imiter des méthodes de recherche réussies sans comprendre leur application.
4. Contamination d'Échantillon : Utiliser les mêmes participants à travers les méthodes, ce qui peut influencer leurs réponses.
5. Opportunité Perdue : Échouer à appliquer des insights d'une phase de recherche à des phases ultérieures.
6. Échec d'Intégration : Mauvaise intégration des résultats de différentes méthodes conduisant à des conclusions faibles.
7. Éthique Questionnable : Préoccupations éthiques liées aux méthodes utilisées ou aux objectifs de l'étude.

#Conclusion

Dans cet article, on a présenté des lignes directrices pour utiliser la recherche mixte et multi-méthodes en ingénierie logicielle. L'importance de cette approche réside dans sa capacité à produire des insights plus riches et une compréhension plus complète des défis complexes dans le domaine.

En mettant l'accent sur les quatre principes de base - rationale méthodologique, nouveaux insights, rigueur procédurale et recherche éthique - on vise à doter les chercheurs d'un cadre pour concevoir des études robustes. Reconnaître les diverses caractéristiques des designs mixtes et multi-méthodes, ainsi que les pièges communs, peut conduire à des résultats de recherche plus efficaces et significatifs.

Alors que le paysage de l'ingénierie logicielle continue d'évoluer, on encourage les chercheurs à maintenir une approche ouverte et créative à leurs designs et à partager leurs découvertes avec la communauté plus large.

#Annexe : Glossaire

• Paradigmes de Recherche : Une collection de croyances et de valeurs qui guident les chercheurs dans leur travail.
• Stratégie de Recherche : Un plan général décrivant comment mener la recherche efficacement.
• Design de Recherche : Le plan spécifique pour aborder les questions de recherche.
• Méthode de Collecte de Données : Techniques pour recueillir des informations pour la recherche.
• Techniques d'analyse de données : Méthodes pour examiner les données collectées.
• Qualitatif et Quantitatif : Approches de recherche se concentrant sur des données descriptives vs. numériques.
• Inductif et Déductif : Deux approches de raisonnement en recherche.
• Méta-inférences : Conclusions tirées de l'intégration des résultats de différentes méthodes.