論文の概要: On the Use of Static Analysis to Engage Students with Software Quality
Improvement: An Experience with PMD
- arxiv url: http://arxiv.org/abs/2302.05554v2
- Date: Thu, 13 Jul 2023 12:08:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 13:14:11.045429
- Title: On the Use of Static Analysis to Engage Students with Software Quality
Improvement: An Experience with PMD
- Title（参考訳）: ソフトウェア品質向上への学生の関与における静的解析の利用について--pmdの経験から
- Authors: Eman Abdullah AlOmar, Salma Abdullah AlOmar, Mohamed Wiem Mkaouer
- Abstract要約: 本研究の目的は,ソフトウェアの品質向上に資する学生を支援する上で,静的解析を効果的に活用することの教育経験を反映することである。
本報告では, PMDを用いた690ルールのコードレビューを65件実施した。
- 参考スコア（独自算出の注目度）: 12.961585735468313
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Static analysis tools are frequently used to scan the source code and detect
deviations from the project coding guidelines. Given their importance, linters
are often introduced to classrooms to educate students on how to detect and
potentially avoid these code anti-patterns. However, little is known about
their effectiveness in raising students awareness, given that these linters
tend to generate a large number of false positives. To increase the awareness
of potential coding issues that violate coding standards, in this paper, we aim
to reflect on our experience with teaching the use of static analysis for the
purpose of evaluating its effectiveness in helping students with respect to
improving software quality. This paper discusses the results of an experiment
in the classroom over a period of 3 academic semesters, involving 65
submissions that carried out code review activity of 690 rules using PMD. The
results of the quantitative and qualitative analysis shows that the presence of
a set of PMD quality issues influence the acceptance or rejection of the
issues, design, and best practices-related categories that take a longer time
to be resolved, and students acknowledge the potential of using static analysis
tools during code review. Through this experiment, code review can turn into a
vital part of the educational computing plan. We envision our findings enabling
educators to support students with code review strategies to raise students
awareness about static analysis tools and scaffolding their coding skills.
- Abstract（参考訳）: 静的解析ツールは、しばしばソースコードをスキャンし、プロジェクトのコーディングガイドラインから逸脱を検出するために使われる。
その重要性から、リンターは学生にこれらのコードアンチパターンの検出と回避方法を教育するためにしばしば教室に紹介される。
しかし、これらのリンターが多数の偽陽性を引き起こす傾向にあるため、学生の意識を高める効果についてはほとんど分かっていない。
コーディング基準に違反する潜在的なコーディング問題に対する認識を高めるため,本研究は,静的解析を用いた教育における我々の経験を反映し,その効果を評価し,ソフトウェア品質の向上を支援することを目的としている。
本論文は,pmdを用いた690ルールのコードレビュー活動を行う65の投稿を含む,3学期にわたる授業における実験結果について述べる。
定量的・質的分析の結果, PMDの品質問題の存在は, 解決に要する時間を要する問題, 設計, ベストプラクティス関連カテゴリの受容や拒絶に影響を及ぼし, 学生はコードレビュー中に静的解析ツールを使用することの可能性を認めている。
この実験を通じて、コードレビューは教育コンピューティング計画の重要な部分になる可能性がある。
我々は,静的解析ツールに対する生徒の意識を高め,コーディングスキルを足場化するためのコードレビュー戦略を,教育者が学生に提供できることを示す。
関連論文リスト
- Evaluation of Systems Programming Exercises through Tailored Static Analysis [4.335676282295717]
大規模なプログラミングクラスでは、エクササイズを評価し、詳細なフィードバックを提供するために、教員から多大な努力を払っている。
システムでは、詳細なプログラミングやリソース管理のバグを再現することが難しいため、テストケースはエクササイズを評価するには不十分です。
本稿では,システムプログラミング演習の自動評価のための静的解析に関する経験報告を示す。
論文 参考訳（メタデータ） (2024-10-06T10:56:29Z) - Predicting Expert Evaluations in Software Code Reviews [8.012861163935904]
本稿では,その複雑さや主観性から回避されるコードレビューの側面を自動化するアルゴリズムモデルを提案する。
手作業によるレビューを置き換える代わりに、私たちのモデルは、レビュアーがより影響力のあるタスクに集中するのに役立つ洞察を追加します。
論文 参考訳（メタデータ） (2024-09-23T16:01:52Z) - Benchmarks and Metrics for Evaluations of Code Generation: A Critical Review [4.181146104301203]
大言語モデル(LLM)は、自然言語入力からプログラムコードを生成することを含むプログラミングタスクを支援するために開発された。
本稿では、これらのツールのテストおよび評価に関する既存の研究について批判的なレビューを行う。
論文 参考訳（メタデータ） (2024-06-18T14:25:34Z) - Leveraging Large Language Models for Efficient Failure Analysis in Game Development [47.618236610219554]
本稿では,テストの失敗の原因となるコードの変更を自動的に識別する手法を提案する。
このメソッドは、LLM(Large Language Models)を利用して、エラーメッセージと対応するコード変更を関連付ける。
当社のアプローチは新たに作成したデータセットで71%の精度に達しています。
論文 参考訳（メタデータ） (2024-06-11T09:21:50Z) - Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。
本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。
ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
論文 参考訳（メタデータ） (2024-03-05T09:09:15Z) - Automated Grading and Feedback Tools for Programming Education: A
Systematic Review [7.776434991976473]
ほとんどの論文はオブジェクト指向言語における代入の正確性を評価する。
ソースコードの保守性、可読性、ドキュメントを評価するツールは少ない。
ほとんどのツールは、ほぼ即時フィードバックを可能にする完全に自動化されたアセスメントを提供する。
論文 参考訳（メタデータ） (2023-06-20T17:54:50Z) - From Static Benchmarks to Adaptive Testing: Psychometrics in AI Evaluation [60.14902811624433]
本稿では,静的評価手法から適応テストへのパラダイムシフトについて論じる。
これには、ベンチマークで各テスト項目の特性と価値を推定し、リアルタイムでアイテムを動的に調整することが含まれる。
我々は、AI評価にサイコメトリックを採用する現在のアプローチ、アドバンテージ、そして根底にある理由を分析します。
論文 参考訳（メタデータ） (2023-06-18T09:54:33Z) - Active Teacher for Semi-Supervised Object Detection [80.10937030195228]
半教師対象検出(SSOD)のための能動教師と呼ばれる新しいアルゴリズムを提案する。
Active Teacherは、教師/学生のフレームワークを反復的なバージョンに拡張し、ラベルセットを部分的に段階的に拡張し、ラベルなし例の3つの重要な要素を評価する。
この設計により、Active Teacherは、擬似ラベルの品質を改善しながら、限られたラベル情報の効果を最大化することができる。
論文 参考訳（メタデータ） (2023-03-15T03:59:27Z) - An Analysis of Programming Course Evaluations Before and After the
Introduction of an Autograder [1.329950749508442]
本稿では,最近自己評価を導入した基礎的コンピュータ科学コースの標準化された大学評価アンケートに対する回答について検討する。
我々は,教師と生徒の交流の改善,コースの質の向上,学習の成功の向上,時間の短縮,難易度の向上など,データに大きな変化をもたらした可能性について仮説を立てた。
オートグレーダ技術は、プログラミングコースにおける生徒の満足度を向上させるための教育方法として検証することができる。
論文 参考訳（メタデータ） (2021-10-28T14:09:44Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳（メタデータ） (2021-07-23T22:41:28Z) - Code Review in the Classroom [57.300604527924015]
教室設定の若い開発者は、コードレビュープロセスの潜在的に有利で問題のある領域の明確な図を提供している。
彼らのフィードバックは、プロセスはプロセスを改善するためにいくつかのポイントで十分に受け入れられていることを示唆している。
本論文は,教室でコードレビューを行うためのガイドラインとして利用することができる。
論文 参考訳（メタデータ） (2020-04-19T06:07:45Z)
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。