之前的博客詳細描述了軟件工程中的系統文獻映射研究方法。這裏接着給出一個我曾經做過的工作作爲例子，以更直觀地展示這種研究類型。該研究的背景信息這裏不再贅述。
這篇博客主要介紹這個系統文獻映射研究實例的效度。
1. 文獻檢索和篩選
一個威脅爲：可能由於多種原因如個人偏見從而在篩選過程中遺漏了相關文獻。此威脅可能對系統文獻映射研究的結果產生消極影響。本研究採用以下策略以降低此威脅。
- 選擇七個在軟件工程中著名的數據庫作爲數據庫檢索的來源，且採用滾雪球作爲人工檢索的方法。
- 設計並就篩選文獻的入選和排除規則達成一致。這些規則幫助作者消除彼此間的誤會。
- 在文獻的正式檢索和篩選過程前，執行文獻的試驗性檢索和篩選過程以提高該研究的質量。
- 在文獻的正式檢索和篩選過程中，兩位研究者獨立地執行所有篩選過程，且另外兩位研究者評審篩選的結果。
- 在文獻的試驗性檢索和篩選以及正式檢索和篩選過程中，在執行每個步驟之前，研究者均開會討論前一步驟遇到的問題以及解決方案，且就下一步驟的執行達成一致。
另一個威脅爲：遺漏了發表於2001年前的相關文獻。然而基於我們的經驗和知識，未發現任何文獻可以充當軟件開發中的假設條件及其管理的里程碑。此外，我們認爲十五年對此係統文獻映射研究是可接受的時間範圍。
2. 數據抽取
個人偏見可能降低抽取的數據的質量。本研究採用以下策略以降低此威脅。
- 設計並就抽取的數據項在研究者間達成一致。
- 就數據抽取中可能的問題進行討論。例如與系統錯誤有關的特定數據不一定由於未被妥善管理的假設條件引起。因此這條數據不會被抽取。
- 在正式的數據抽取前執行試驗性的數據抽取。
- 一位研究者負責數據抽取，且另一位研究者檢查了抽取的數據。
3.數據分析
數據分析可能受個人偏見、錯誤、低質量的數據抽取影響。本研究採用以下策略以降低此威脅。
- 就數據分析中可能的問題進行討論。例如某研究問題的數據是否應採用定性的數據分析方法。
- 一位研究者負責數據分析，且另一位研究者檢查了分析的結果。
- 此系統文獻映射研究排除了所有未被清晰表達的數據。
- 使用特定的工具進行定性數據分析。該工具特別適用於定性數據分析。例如使用它的代碼系統以及相關工具可減少數據分析中的錯誤。