EnglishРусский Map

Грег Уилсон (third-bit.com)

title
Грег Уилсон (third-bit.com)
type
entity
summary
Блог Грега Уилсона: эмпирическая программная инженерия и методы исследований, скепсис к голословным заявлениям об ИИ-разработке
tags
blog, author, measurement, software-engineering
created
2026-07-21
updated
2026-07-21
lang
ru
translation_of
greg-wilson-blog
source_updated
2026-07-21
translated
2026-09-01
translator
lllm/antigravity/gemini-3.7-flash-medium

Грег Уилсон пишет на third-bit.com об эмпирической программной инженерии и методах исследований. Он основал Software Carpentry - образовательный проект, обучавший учёных базовым навыкам работы с компьютером и воспроизводимым практикам, а также редактировал сборники "Beautiful Code" и "The Architecture of Open Source Applications". Сквозная позиция в его текстах эпохи ИИ: программная инженерия так и не научилась у гуманитарных и естественных наук исследовать собственные практики, поэтому большинство утверждений об инструментах - написании кода с помощью ИИ, а также Agile и TDD - опираются на дизайн исследований, который рецензент из психологии или медицины забраковал бы не глядя.

Тексты написаны ёмко и опираются на ссылки. Вместо того чтобы рассуждать, хороша или плоха разработка с ИИ, он разбирает, как это вообще можно узнать: указывает на конкретный методологический изъян за каждым популярным измерением и приводит иллюстрирующее его исследование. По лежащим в основе методам исследований он проводит однодневный семинар и часовой доклад.

Темы

  • Измерения и дизайн исследований для утверждений в программной инженерии
  • Ошибки в методах исследований: закон Гудхарта, хоторнский эффект и эффект новизны, систематическая ошибка отбора, внутренняя валидность, системное мышление
  • Обучение работе с компьютером и воспроизводимым практикам (Software Carpentry)
  • Архитектура open source и качество кода

Обработанные статьи

  • twelve-ways-wrong-ai-coding - его каталог 2026 года с двенадцатью ошибками измерения в исследованиях эффективности ИИ-инструментов для написания кода, где каждая ошибка сопоставлена с конкретным сбоем в методологии исследований

Связанное понятие: measuring-ai-coding-productivity.