論文の概要: One-off Events? An Empirical Study of Hackathon Code Creation and Reuse
- arxiv url: http://arxiv.org/abs/2207.01015v1
- Date: Sun, 3 Jul 2022 11:49:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 09:35:32.144716
- Title: One-off Events? An Empirical Study of Hackathon Code Creation and Reuse
- Title(参考訳): ワンオフイベント?
ハッカソンコードの作成と再利用に関する実証的研究
- Authors: Ahmed Samir Imam Mahmoud, Tapajit Dey, Alexander Nolte, Audris Mockus,
James D. Herbsleb
- Abstract要約: ハッカソンイベントで使用されたり作成されたりするコードの進化を理解することを目的としています。
DevPostから22,183のハッカソンプロジェクトに関する情報を収集しました。
- 参考スコア(独自算出の注目度): 69.98625403567553
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background: Hackathons have become popular events for teams to collaborate on
projects and develop software prototypes. Most existing research focuses on
activities during an event with limited attention to the evolution of the
hackathon code. Aim: We aim to understand the evolution of code used in and
created during hackathon events, with a particular focus on the code blobs,
specifically, how frequently hackathon teams reuse pre-existing code, how much
new code they develop, if that code gets reused afterward, and what factors
affect reuse. Method: We collected information about 22,183 hackathon projects
from DevPost and obtained related code blobs, authors, project characteristics,
original author, code creation time, language, and size information from World
of Code. We tracked the reuse of code blobs by identifying all commits
containing blobs created during hackathons and identifying all projects that
contain those commits. We also conducted a series of surveys in order to gain a
deeper understanding of hackathon code evolution that we sent out to hackathon
participants whose code was reused, whose code was not reused, and developers
who reused some hackathon code. Result: 9.14% of the code blobs in hackathon
repositories and 8% of the lines of code (LOC) are created during hackathons
and around a third of the hackathon code gets reused in other projects by both
blob count and LOC. The number of associated technologies and the number of
participants in hackathons increase the reuse probability. Conclusion: The
results of our study demonstrate hackathons are not always "one-off" events as
common knowledge dictates and they can serve as a starting point for further
studies in this area.
- Abstract(参考訳): 背景:ハッカソンは、チームがプロジェクトとコラボレーションし、ソフトウェアプロトタイプを開発するための人気のあるイベントになっています。
既存の研究のほとんどは、ハッカソンコードの進化に限定したイベント中のアクティビティに焦点を当てている。
具体的には、ハッカソンチームがどの程度の頻度で既存のコードを再利用しているか、どの程度の新しいコードが開発されているか、そのコードがその後再利用されたか、そして再利用に影響する要因についてです。
方法:devpostから22,183件のハッカソンプロジェクトに関する情報を収集し,関連するコードブロブ,著者,プロジェクト特性,オリジナル作者,コード作成時間,言語,コードの世界からサイズ情報を得た。
私たちは、ハッカソン中に作成されたblobを含むすべてのコミットを特定し、それらのコミットを含むすべてのプロジェクトを特定して、コードblobの再利用を追跡しました。
また、ハッカソンのコードの進化をより深く理解するために、コードの再利用、再利用されていないハッカソンの参加者、ハッカソンのコードを再利用した開発者に対して、一連の調査を実施しました。
結果:ハッカソンリポジトリのコードブロブの9.14%、ハッカソンのコードライン(LOC)の8%が作成され、ハッカソンコードの約3分の1がブロブカウントとLOCによって他のプロジェクトで再利用される。
ハッカソンにおける関連技術の数と参加者数は再利用確率を増加させる。
結論: 私たちの研究の結果は,ハッカソンが共通知識が指示する「ワンオフ」イベントであるとは限らないことを示し,この領域におけるさらなる研究の出発点として機能することを示した。
関連論文リスト
- Importance Guided Data Augmentation for Neural-Based Code Understanding [29.69495788091569]
我々は、コード理解モデルのトレーニングを強化するために、汎用データ拡張フレームワークGenCodeを紹介した。
最先端(SOTA)のコード拡張手法であるMixCodeと比較すると、GenCodeは平均で2.92%高い精度と4.90%の堅牢性を持つコードモデルを生成する。
論文 参考訳(メタデータ) (2024-02-24T08:57:12Z) - Gotcha! This Model Uses My Code! Evaluating Membership Leakage Risks in
Code Models [12.826977688589176]
コードモデルに特化した新しいメンバシップ推論手法であるGotchaを提案する。
我々は,Gotchaが真正率0.95,偽正率0.10でデータメンバーシップを予測できることを示した。
この研究は、コードモデルのプライバシを理解することにより多くの注意を払っている。
論文 参考訳(メタデータ) (2023-10-02T12:50:43Z) - LongCoder: A Long-Range Pre-trained Language Model for Code Completion [56.813974784131624]
LongCoderは自己アテンションにスライディングウィンドウ機構を採用し、グローバルアクセス可能なトークンを2種類導入している。
ブリッジトークンは入力シーケンス全体を通して挿入され、ローカル情報を集約し、グローバルな相互作用を促進する。
メモリトークンは、後で呼び出され、記憶する必要がある重要なステートメントをハイライトするために含まれます。
論文 参考訳(メタデータ) (2023-06-26T17:59:24Z) - CONCORD: Clone-aware Contrastive Learning for Source Code [64.51161487524436]
セルフ教師付き事前トレーニングは、多くのダウンストリームSEタスクに価値のあるジェネリックコード表現を学ぶための牽引役になった。
汎用的な表現学習のために、開発者が日々どのようにコードをコーディングするかは、要因としても不可欠である、と私たちは主張する。
特に,表現空間に良性クローンを近づける自己教師型コントラスト学習戦略であるCONCORDを提案する。
論文 参考訳(メタデータ) (2023-06-05T20:39:08Z) - ReACC: A Retrieval-Augmented Code Completion Framework [53.49707123661763]
本稿では,語彙のコピーと類似したセマンティクスを持つコード参照の両方を検索により活用する検索拡張コード補完フレームワークを提案する。
我々は,Python および Java プログラミング言語のコード補完タスクにおけるアプローチを評価し,CodeXGLUE ベンチマークで最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2022-03-15T08:25:08Z) - COSEA: Convolutional Code Search with Layer-wise Attention [90.35777733464354]
我々は、畳み込みニューラルネットワークを階層的注意で活用し、コード固有の構造論理をキャプチャする新しいディープラーニングアーキテクチャ、COSEAを提案する。
COSEAは、コード検索タスクの最先端メソッドよりも大幅に改善できる。
論文 参考訳(メタデータ) (2020-10-19T13:53:38Z) - Contrastive Code Representation Learning [95.86686147053958]
一般的な再構成に基づくBERTモデルは,ソースコードの編集に敏感であることを示す。
コントラコード(ContraCode)は、コード機能を学ぶのにフォームではなく、コントラスト的な事前学習タスクである。
論文 参考訳(メタデータ) (2020-07-09T17:59:06Z) - Predicting Vulnerability In Large Codebases With Deep Code
Representation [6.357681017646283]
ソフトウェアエンジニアは様々なモジュールのコードを書きます。
過去に(異なるモジュールで)修正された同様の問題やバグも、本番コードで再び導入される傾向にある。
ソースコードから生成した抽象構文木(AST)の深部表現とアクティブフィードバックループを用いた,AIに基づく新しいシステムを開発した。
論文 参考訳(メタデータ) (2020-04-24T13:18:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。