Skip to content

Banner

為什麼你需要學研究方法? ​

研究方法 | 教學備課 | 補充教材

大多數人會在大學時期學到「研究方法」這門課程,尤其是理工科可以說是必學課程。

但課程完成後呢?或是畢業之後沒有在求學了呢?大概就不會用到這個東西了...

但在我看來這卻是非常重要、甚至可以說是你學習的路徑指引圖。這也是為什麼我要教高中生「研究方法」這件事。

(但高中其實有開「探究與實作」課程,就是教類似的事情...)

這一篇,我先不講「研究方法」要怎麼學、怎麼做,我想先來聊聊:

  • 為什麼學?
  • 怎麼學?
  • 可以參照什麼方法學?

我認為這些是最重要的事情!

📋 學習目標

看完後,希望你將能夠:

  1. 說明「做研究」的本質,以及它和日常解決問題的關係
  2. 點出研究常見失敗原因,並對應到軟體工程中的「軟體危機」
  3. 解釋軟體工程是什麼、它和「會寫程式」有什麼不同
  4. 列舉軟體工程的主要開發方法論(瀑布、V 模型、螺旋、Agile、TDD)
  5. 說明為何 SDLC、V 模型與 TDD 可以作為研究方法的思考框架
  6. 理解資安研究的本質,以及為何「學資安」需要研究能力
  7. 預覽整套課程的架構與學習路徑

0.1 為什麼我們要做研究? ​

你有沒有遇過這樣的事:

有一天,你的手機剛好沒電了。你好不容易找了兩條充電線,一條是你的,另一條是同學的。但你的線怎麼插都沒反應,同學的線一插就開始充電。

這時,你心裡出現了一個問題:「為什麼我的線不能充電呢?」

或是你沒出現這個問題,只覺得「線壞了,扔掉吧」也可以。

但感覺你好有錢,還缺乾兒子嗎? (^_−)−☆

然後你可能開始做一些嘗試:

  • 換一個插座試試看
  • 換另一個充電頭
  • 把線的接頭拔下來重新插
  • 用同學的線接你的充電頭

你在做什麼?你在「控制變因,一次改變一件事,看看結果是否不同」。

你在做研究。


研究,本質上就是對一個問題,系統性地尋找答案。

這個定義聽起來好像很廢話,但其中的「系統性」這兩個字是重要的關鍵。

以剛剛充電線的例子來說,你一次只換一個變因去找尋答案,想知道到底哪個環節出了差錯,這其實就蘊含著「系統性」的關鍵特性。但很多人面對更複雜的問題時,會同時做很多改變,即使問題解決了,也不知道是哪一個改變起了作用。

這就是為什麼我們需要研究方法:讓你的「找答案的過程」變得嚴謹、可靠、可以讓別人相信你的結論。

用遊戲來看「研究方法」 ​

不知道你有沒有玩過一個經典的猜數字遊戲:1A2B。

簡單來說就是出題者心中想一個 4 位、每一個位數都不相同的數字,然後我們透過猜測時,出題者告訴我們這是幾個相同位置(A)或是存在在數字中但不在相同位置(B),來進行猜測。

計算方法例如:

4059←題目−)1096←你猜的數字_AB_ ⇓ 1A 1B

遊戲進行時,通常會限制一定的次數進行猜測(不然就滿無聊的哈)

但初學者也可以不用這樣玩死自己啦!

現在問題是:我們要怎麼樣可以用最少的次數猜到數字?

你可能提出有很多方法,但你怎麼證明這些方法真的有效?

研究,就是在這樣。

對,我沒打算告訴你怎麼做,自己想 (・Д・)ノ

研究在哪裡? ​

研究不只存在於學術界。它存在於每一個需要「做出有根據的決策」的地方:

  • 科學家研究新藥是否有效
  • 工程師研究哪種材料最適合橋樑
  • 資安研究員研究某個系統有沒有漏洞
  • 政策制定者研究哪種政策能有效減少犯罪
  • 你研究哪個科系適合你、哪個補習班值得花錢

📌 研究的本質

研究 = 用系統化的方法,對一個問題尋找有根據的答案

「有根據」意味著:你的結論不只是你的猜測,而是有資料、有邏輯支持的推論。

0.2 做研究很難嗎? ​

長話短說

做壞研究很容易,做好研究很難。

但「很難」不等於「不行」。只是需要學習正確的方法去進行。

以下舉個例子:

這是研究? ​

喝咖啡有助學習成績提升?

「我感覺喝咖啡有助於念書,因為我上次在咖啡廳念書考得不錯。」

關於這個「推論」有什麼問題?

如果是旁觀者,大家都會說:「啊!只有一次經驗,不算啦!」

沒錯,就是這種感覺!

  • 只有一次經驗 --> 樣本太少
  • 沒有考慮咖啡廳的環境、你的睡眠狀況、那次考試題目的難度
  • 「考得不錯」怎麼定義?比平均高 1 分算嗎? 10 分算嗎?
  • 沒有對照組 --> 沒有咖啡的你,那次念書成果如何?

如果是我在帶的專題生,看到以上的問題他們通常已經不感到意外。這只是他們日常的「Challenging」。

但作為實際體驗的人,被問到以上問題時應該會想打人:「我就是覺得有差啊! 。゚ヽ(゚´Д`)ノ゚」。

但很抱歉,在科學研究中,個人經驗覺得有差異並不能代表任何事情。

而且,你怎麼能確定

真的有差?

變成是一個「研究」 ​

如果你在說明「喝咖啡有助提升成績」這件事情時,改為這樣子進行:

「我找了 30 名高中生,隨機分配為喝咖啡組和喝安慰劑(假咖啡)組,控制環境、時間、和測試難度,讓他們在相同條件下完成 20 題閱讀測驗,比較兩組的分數差異,並以 t 檢定確認差異是否達到統計顯著水準。」

「哇賽..太麻煩了吧!?」

恩....我承認,連我都嫌麻煩 (*´ω`)人(´ω`*)

但你不覺得這樣子進行後你所得出的結論,比較難被人家說「哎呀,你這沒有什麼根據啦!」

我知道酸民會忽略,但是請忽略酸民 OK?

我在跟你正經八百的談研究方法呢!

以上兩個的差距,就是「有沒有使用研究方法」。

整如前面所說的:系統化、有根據,才能說服大家。

研究真的很難?

研究本身真的不難,難的是:

  1. 克制直覺:你以為你知道答案,但真相可能相反
  2. 控制混淆因素:影響結果的變因非常多,你必須系統性地排除
  3. 誠實面對你不想看到的結果:這是大多數人最難做到的一件事

但這些都是技能,不是天賦。是可以藉由「學習」而學會的!

。・゚・(ノД`)ヽ(゚Д゚ )秀秀

0.3 為什麼都做不好研究? ​

這是研究方法中最核心的問題之一。但在講其他的事情之前,我們先來看常見的失敗原因:

研究的常見失敗模式 ​

失敗模式具體情境根本原因
🔥 沒有定義清楚問題就開始做「我想做關於環保的科展」→ 三個月後還在迷路沒有進行「研究題目的分析」
🔥 不知道「什麼叫成功」實驗做完了,不知道結果好不好沒有事先定義標準
🔥 沒有控制變因同時改變溫度和濃度,無法得出結論實驗設計不嚴謹
🔥 做了很多,但沒有回答問題洋洋灑灑 30 頁報告,但問題是「A 影響 B」,結論卻在討論 C沒有聚焦、沒有確認、沒有驗證
🔥 先有結論,再找資料想要證明「喝牛奶讓人長高」,只找支持這個說法的文章確認偏誤(Confirmation Bias)
🔥 從不修改,死守原計畫實驗失敗了也繼續,不考慮調整方法缺乏迭代思維

你以為這些東西是個案?才不是呢!連 50 多年前的電腦工程師們就已經在被這些問題折磨了!

50 年前的折磨 ​

1968 年,一群全球頂尖的電腦科學家聚集在德國 Garmisch,開了一場緊急會議。

那年,電腦數量正在爆炸性成長,但軟體、應用程式卻越來越失控——專案預算超支、延誤交付、做出來的東西根本不能用。這個狀況被他們稱為「軟體危機(Software Crisis)」。

這場會議後來被稱為「NATO 軟體工程大會」,它做了一件很重要的事:確立了「軟體工程(Software Engineering)」這個領域的存在,並宣告:

開發軟體不能只靠天才程式設計師的靈感,

必須要有系統化的方法進行。

因此,開始有大規模的研究、實證開始投入,發展出很多照著流程操作就能把專案好好做完的「方法學」,這也就是「軟體工程」最核心的特色:

關注如何好好把事情妥善、圓滿的完成。

研究也是一樣。

其實所謂「研究危機」一直存在:

  • 全球每年發表的學術論文,有相當大比例無法被其他研究者重現(Replication Crisis)
  • 很多科展報告的研究設計,存在根本性的邏輯問題
  • 許多「發現」其實是確認偏誤的產物

所以...

軟體工程師用了 50 年,把軟體開發從「天才的靈感與頓悟」變成「可以被學習和管理的工程學科」。

現在,我們要借用他們的方法,把研究也做到一樣的程度。

0.4 軟體工程是什麼? ​

一個常見的誤解 ​

很多人聽到「軟體工程師」,腦海中浮現的是:一個人在黑色螢幕前瘋狂打字,螢幕上滿滿的綠色程式碼在流動。

這個印象,大概只有 5% 是對的。

軟體工程的真實樣貌 ​

軟體工程(Software Engineering) 是一個研究「如何系統化、有紀律地開發高品質軟體」的工程學科。

它關心的問題包括:

  • 如何確認使用者真正需要什麼?
  • 如何設計一個大型系統,讓它可以維護、可以擴展?
  • 如何保證軟體沒有嚴重的錯誤?
  • 如何讓一個由 100 人組成的團隊有效率地合作?
  • 如何在有限的時間和預算內,交付符合要求的軟體?

📖 IEEE 的定義

IEEE(電機電子工程師學會)對軟體工程的官方定義(IEEE Std 610.12-1990):

「將系統化、有紀律、可量化的方法,應用於軟體的開發、運作和維護的過程;以及對這些方法的研究。」

注意關鍵字:

系統化、有紀律、可量化

這三個詞,同樣是好的研究應該具備的特質。

軟體工程的誕生故事:1968 年的危機 ​

讓我們回到 1968 年那場德國大會。

當時的軟體世界非常混亂。程式設計師們大多是天才,但他們通常是憑直覺寫程式,沒有說明文件、沒有建置計畫、沒有系統化處理。這在簡單的應用程式設計與實作上當然沒問題,但當一個系統可能就包含幾百萬行程式碼,單靠一個人的直覺是不夠的。

以下幾個典型的慘況:

  • 一個系統耗費數年開發,完成後才發現根本不符合使用者需求
  • 加一個新功能,結果壞掉三個舊功能
  • 原本的設計師離職,新人看不懂舊程式碼,只好全部重寫

1968 年,NATO 召集了 50 位來自 11 個國家的頂尖電腦科學家:包括後來影響整個計算機科學的 Edsger Dijkstra、Peter Naur 等人,在德國 Garmisch 召開會議。

他們達成一個共識:

寫程式必須從「藝術」進化成「工程」

這就是「軟體工程」這個詞被正式確立的歷史時刻。

軟體工程和「寫程式」有什麼不同? ​

這個問題非常重要,也是很多初學者的盲點。

我們可以用「廚師」與「老闆」來作比較:

  • 一個廚師(程式設計師)
    會做菜。他知道各種食材、烹飪技法,可以做出美味的料理。
  • 一個餐廳老闆(軟體工程師)
    做菜只是一個可選技能。他主要需要
    • 知道市場上客人要什麼(需求分析)
    • 規劃廚房動線讓出餐效率最高(系統設計)
    • 管理廚師團隊確保出菜品質穩定(品質管理)
    • 制定食品安全標準確保沒有食安問題(測試與驗證)
    • 在客人抱怨時系統性地找出問題(除錯與維護)
維度寫程式(Programming)軟體工程(Software Engineering)
規模個人專案大型系統(多人協作)
重點讓程式跑起來讓系統可靠、可維護、可擴充
產出程式碼程式碼 + 文件 + 測試 + 流程
思維解決眼前的問題預防未來的問題
工具程式語言、IDE開發流程、版本控制、自動化測試、Code Review

為什麼這個區別對研究者很重要? ​

因為做研究也有類似的區分:

  • 「做實驗」
    類似於「寫程式」:你有一個具體的技能,可以把實驗跑出來
  • 「做研究」
    類似於「軟體工程」:你需要系統化地規劃整個研究流程,確保結果有意義、可重現、邏輯嚴謹

很多學生只會「做實驗」,卻不懂「做研究」。這門課,就是要彌補這個差距。

軟體工程有哪些方法?有哪些規範? ​

這個部分我們先建立一個宏觀的視野,後面的模組會深入每一個主題。

主要開發方法論 ​

軟體工程發展了幾十年,產生了多種開發方法論。每一種方法論,都是對之前方法的一種改進或回應。

  1. 瀑布模型(Waterfall Model,1970)

由 Winston Royce 在 1970 年的論文中提出五個階段,而且每個階段嚴格遵守上下游原則,不回流(所以被稱為「瀑布」)

雖然他本人認為它有問題,然後普遍的工程師也都覺得有問題。

需求 → 設計 → 實作 → 測試 → 維護

特色:階段嚴格順序,每個階段完成才進入下一個。 問題:現實世界的需求會變化,到了後期才發現前期錯誤,代價極高。

  1. V 模型(V-Model,1979)

由 Barry Boehm 在 1979 年的論文中提出,以強調驗證(Verification)和確效(Validation)為核心。

需求分析 ────────────────────── 驗收測試
↓系統設計 ────────────── 系統測試↑
↓架構設計 ────── 整合測試↑
↓模組設計 ── 單元測試↑
實作

  • V 模型的核心思想:
    開發的每一個「左邊」階段,都對應一個「右邊」的測試階段。
    這就是 Verification(你做對了嗎?)和 Validation(你做的是對的事嗎?)的結構化體現。

V 模型與研究的關係

V 模型告訴我們:每一個設計決策,都必須有對應的「驗證方式」。

在研究中這意味著:每一個研究假設(左邊),都應該有對應的「驗證方法」(右邊)。你在設計研究的時候,就必須同時想好「怎麼知道這個假設是對還是錯」。

另外關於 Verification 及 Validation,剛好也應對著研究領域中會提到的「信度」與「效度」。

  1. 螺旋模型(Spiral Model,1986)

由 Barry Boehm 在 1986 年提出,強調風險管理和迭代。

  • 核心概念:
    把整個開發過程變成多個循環。每一個循環都包含:
    規劃 → 風險評估 → 工程實作 → 客戶評估

螺旋模型是第一個明確強調「先識別最大風險,再決定怎麼做」的開發方法。

  1. 敏捷開發(Agile Development,2001)

2001 年,17 位軟體開發先驅在美國猶他州的雪鳥滑雪場聚會,共同簽署了《敏捷宣言(Agile Manifesto)》。

核心宣言(四個核心價值):

  • 個體與互動 勝過 流程與工具
  • 可運作的軟體 勝過 詳盡的文件
  • 與客戶協作 勝過 合約談判
  • 回應變化 勝過 依循計畫

Agile 的精神:把整個開發周期縮短成 2 週的「Sprint(衝刺)」,快速交付可用的東西,從真實反饋中學習,不斷調整。

Scrum、Kanban 是 Agile 的主要實踐框架。

  1. TDD(Test-Driven Development,測試驅動開發,2002)

由 Kent Beck 在其 2002 年著作中系統化闡述。

  • 核心循環:

    Red(先寫一定會失敗的測試) 
      → Green(用最少行的程式碼讓測試通過)
          → Refactor(最佳化)

TDD 的革命性在於:他不是把「檢查、驗收」當作是一個最後的整理,而是當成「主要目標」。

除了方法,還有規範 ​

軟體工程是有國際標準的。這些標準規範了「好的軟體開發應該是什麼樣子」:

標準制定機構主要內容
ISO/IEC 12207ISO + IEC軟體生命週期流程的國際標準
ISO/IEC 25010ISO + IEC軟體品質模型(功能性、可靠性、效率、安全性等)
IEEE Std 610.12IEEE軟體工程術語標準定義
IEEE Std 829IEEE軟體測試文件標準
CMMICarnegie Mellon SEI軟體開發成熟度模型評估

這些標準跟我有什麼關係?

你不需要背這些標準的內容,但你應該知道它們的存在。

它們代表的是:世界上最頂尖的工程師,花了幾十年時間,把「什麼叫做做好一件複雜的事」提煉成可以被遵循的規範。

研究方法領域也有類似的「標準」:論文引用格式、科學報告結構(IMRaD)、統計顯著水準的慣例等,這些都是社群共同遵循的規範,讓每個研究者的工作可以被比較和評估。


0.5 軟體工程對研究的幫助 ​

這是這篇文章最核心的問題。

先說結論:邏輯是一樣的!

問題的根源一樣 ​

讓我們把「軟體危機」和「研究失敗」的共同問題並排來看:

軟體危機的問題(1968)研究失敗的問題(至今)
需求不清楚就開始寫程式問題不清楚就開始做實驗
沒有設計文件,邊做邊改沒有研究計畫,實驗做到哪算哪
不測試,直到最後才發現問題不驗證假設,實驗完了不知道代表什麼
系統做出來了,但客戶根本不要實驗做完了,但沒有回答研究問題
一個人的離開導致整個系統崩潰沒有文件和紀錄,別人無法重現研究

問題的結構是一模一樣的。所以解決的方法也可以借(ㄓㄠˋ)鑑(ㄔㄠ)。

以下,以及後續的文章,以這三個工具來作為框架:

  • SDLC
  • V-Model
  • TDD

如何對應與應用? ​

SDLC(軟體開發生命週期)→ 研究流程框架

SDLC 把複雜的開發過程分成幾個清晰的階段,每個階段有明確的任務和產出。

後面會詳細介紹,打到這裡我手酸了...

(シ_ _)シ

研究流程也可以用同樣的方式結構化:問題定義 → 文獻回顧+研究設計 → 執行實驗 → 分析驗證 → 討論反思。

SDLC 提供的是:把「複雜的研究過程」拆解成可管理的步驟。


V 模型 → Verification & Validation 思維

V 模型的左邊(開發/計畫)對應研究的「設計階段」,右邊(測試/驗證)對應研究的「驗證階段」。

V 模型帶來了兩個關鍵問題:

  • Verification(驗證):
    你有按照計畫做嗎?(實驗步驟有沒有照著研究設計走?)
  • Validation(確效):
    你做的事情有回答你的問題嗎?(這個實驗真的能回答你的研究問題嗎?)

V 模型提供的是:確保研究「做對了」且「做了對的事」的雙重檢核思維。


TDD → 假設驅動研究(Hypothesis-Driven Research)

TDD 的 Red 階段(先寫測試)對應研究的「提出假設」:在開始做實驗之前,先定義清楚「什麼結果代表假設成立,什麼結果代表假設不成立」。

TDD 提供的是:在動手之前先定義「成功標準」的思維習慣。

三個工具的整合視圖 ​


┌────────────────────────────────────────────────────────┐
│                   SDLC:研究的骨架                       │
│     問題定義 → 研究設計 → 實驗執行 → 分析驗證 → 討論反思      │
│                                                        │
│  ┌─────────────────────────────────────────────┐      │
│  │              V 模型:品質的保證                │      │
│  │  設計時就想好驗證方法(Verification + Validation)│     │
│  │                                             │      │
│  │  ┌──────────────────────────────────────┐   │      │
│  │  │        TDD:假設的紀律                 │   │      │
│  │  │  先定義成功標準,再開始做實驗           │   │      │
│  │  └──────────────────────────────────────┘   │      │
│  └─────────────────────────────────────────────┘      │
└────────────────────────────────────────────────────────┘

SDLC 是外層結構,V 模型是品質保證機制,TDD 是核心思維習慣。三者可以共同構成了一套嚴謹的研究邏輯系統。

0.6 後續的規劃 ​

現在你已經了解了我要教的「研究方法」整體邏輯。

讓我們看看接下來的旅程:

先備知識與學習動機
「為什麼我要學這個?」
↓
SDLC 與研究流程
「做研究的骨架是什麼?」
↓
TDD 與假設驅動研究
「先定義成功,再開始做」
↓
Verification & Validation
「你做對了嗎?你做的是對的事嗎?」
↓
從資料到結論
「怎麼從數據得出嚴謹的結論?」
↓
小論文 / 科展報告撰寫
「怎麼把研究變成文字?」
↓
資安入門——當駭客也是在做研究
「CTF 初探、漏洞概念、紅藍隊思維」

每一篇基本上不是獨立的,但你想拆開來看也沒什麼問題。

不過我建議完整閱讀,因為它們構成了一個完整的知識鏈。

SDLC 是骨架,TDD 是核心思維習慣,V&V 是品質保證。

資料分析是推論工具,寫作是輸出,資安是應用場景。


動手做 0-A:找出你生活中的「研究問題」 ​

IMPORTANT

以下全 AI 產生,沒有修改,請斟酌參閱。

對我想偷懶了 _(┐ ◟;゚д゚)ノ

📝 練習說明

時間:約 15 分鐘

目的:發現研究問題無所不在,打破「研究=學術」的誤解

任務: 在接下來 24 小時內,找出你生活中至少 3 個「讓你好奇的問題」,並嘗試回答以下問題:

生活中的好奇這是研究問題嗎?如何用研究方法回答它?
例:為什麼我打球的時候比較容易念書?是的,這是「運動與學習效率」的問題測量運動前後的記憶測驗分數,比較差異
你的問題 1:___
你的問題 2:___
你的問題 3:___

分享: 選一個你最感興趣的問題,想想看:用 SDLC 的「需求分析」來定義這個問題,你會怎麼寫?


動手做 0-B:軟體危機 vs. 你的研究危機 ​

📝 練習說明

時間:約 20 分鐘

目的:把「軟體危機」的教訓對應到自己的研究習慣

任務: 下面是 1968 年軟體危機中常見的問題。試著為每一個找出你在做科展或作業時「犯過的類似錯誤」:

軟體危機問題你的研究/作業經驗中的類似情況
需求不清楚就開始寫程式
沒有文件,別人看不懂你的程式
做出來的東西客戶根本不要
加一個功能,壞掉三個功能
測試留到最後,出問題才發現

反思問題:你認為這些問題,是「工程師個人的問題」,還是「開發流程沒有設計好的問題」?這個反思對你的研究有什麼啟示?


章節重點整理 ​

📌 記住這六件事

  1. 研究 = 系統性地對問題尋找有根據的答案
    「系統性」是關鍵詞,沒有方法的「研究」只是猜測。
  2. 做不好研究的原因,和 1968 年「軟體危機」的原因幾乎一樣
    需求不清、沒有驗證、缺乏迭代思維。
  3. 軟體工程 ≠ 寫程式
    它是「如何系統化開發高品質軟體」的工程學科,關心的是流程、品質和方法,而不只是程式碼。
  4. SDLC(骨架)+ V 模型(品質保證)+ TDD(假設紀律)= 嚴謹研究的三層結構
    這三個工具的結合,可以解決大多數研究失敗的根本問題。

下一步之前的自我評量 ​

在進入下一篇之前,試著回答以下問題(不需要寫出來,在腦海中想一想就好):

  • [ ] 你能說出「研究」和「查資料」的差別嗎?
  • [ ] 你能說出軟體工程和「會寫程式」的三個差別嗎?
  • [ ] 你能用一句話解釋 SDLC、V 模型和 TDD 各自的核心思想嗎?

如果這五個問題你都能回答,你已經準備好進入下一章節了!

參考文獻 ​

  1. Beck, K., Beedle, M., van Bennekum, A., Cockburn, A., Cunningham, W., Fowler, M., Grenning, J., Highsmith, J., Hunt, A., Jeffries, R., Kern, J., Marick, B., Martin, R. C., Mellor, S., Schwaber, K., Sutherland, J., & Thomas, D. (2001). Manifesto for agile software development. Agile Alliance. https://agilemanifesto.org/
  2. Beck, K. (2002). Test-driven development: By example. Addison-Wesley. ISBN 978-0-321-14653-3
  3. Boehm, B. W. (1979). Guidelines for verifying and validating software requirements and design specifications. European Computing Conference.
  4. Boehm, B. W. (1988). A spiral model of software development and enhancement. Computer, 21(5), 61–72. https://doi.org/10.1109/2.59
  5. Federal Bureau of Investigation. (2018, November 2). Morris worm 30 years since first major attack on internet. FBI News. https://www.fbi.gov/news/stories/morris-worm-30-years-since-first-major-attack-on-internet-110218
  6. IEEE. (1990). IEEE standard glossary of software engineering terminology (IEEE Std 610.12-1990). Institute of Electrical and Electronics Engineers. https://doi.org/10.1109/IEEESTD.1990.101064
  7. ISO/IEC. (2017). ISO/IEC 12207:2017 — Systems and software engineering — Software life cycle processes. International Organization for Standardization.
  8. Naur, P., & Randell, B. (Eds.). (1969). Software engineering: Report of a conference sponsored by the NATO Science Committee, Garmisch, Germany, 7–11 October 1968. Scientific Affairs Division, NATO. http://homepages.cs.ncl.ac.uk/brian.randell/NATO/nato1968.PDF
  9. Pressman, R. S., & Maxim, B. R. (2014). Software engineering: A practitioner's approach (8th ed.). McGraw-Hill Education.
  10. Royce, W. W. (1987). Managing the development of large software systems: Concepts and techniques. Proceedings of the 9th International Conference on Software Engineering, 328–338. (Original work published 1970)
  11. Sommerville, I. (2016). Software engineering (10th ed.). Pearson Education. ISBN 978-0-13-394303-0
  12. Standish Group International. (1994). The CHAOS report. Standish Group.

魔法是想像的領域 ~芙莉蓮 <葬送のフリーレン> | 資安世界也是 ~CXPh03n1x