論文の概要: Empirical Evaluation of a Live Environment for Extract Method Refactoring

• arxiv url: http://arxiv.org/abs/2307.11010v1
• Date: Thu, 20 Jul 2023 16:36:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 16:50:43.206046
• Title: Empirical Evaluation of a Live Environment for Extract Method Refactoring
• Title（参考訳）: 抽出法リファクタリングのためのライブ環境の実証評価
• Authors: Sara Fernandes, Ademar Aguiar, Andr\'e Restivo
• Abstract要約: 我々は,抽出手法を視覚的に識別し,推奨し,適用するLive Refactoring Environmentを開発した。 私たちの結果は、追加の助けなしに手作業で行うコードとは大きく異なり、改善されました。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Complex software can be hard to read, adapt, and maintain. Refactoring it can create cleaner and self-explanatory code. Refactoring tools try to guide developers towards better code, with more quality. However, most of them take too long to provide feedback, support, and guidance on how developers should improve their software. To reduce this problem, we explored the concept of Live Refactoring, focusing on visually suggesting and applying refactorings, in real-time. With this in mind, we developed a Live Refactoring Environment that visually identifies, recommends, and applies Extract Method refactorings. To validate it, we conducted an empirical experiment. Early results showed that our approach improved several code quality metrics. Besides, we also concluded that our results were significantly different and better than the ones from refactoring the code manually without further help.
• Abstract（参考訳）: 複雑なソフトウェアは読みやすく、適応し、維持することが難しい。 リファクタリングはクリーンで自己説明的なコードを生成することができる。 リファクタリングツールは、開発者をより良いコードへと誘導し、より品質を高めます。 しかし、ほとんどがフィードバック、サポート、そして開発者がソフトウェアをどのように改善すべきかについてのガイダンスを提供するのに時間がかかり過ぎます。 この問題を軽減するために,我々は,視覚的に提案し,リファクタリングを適用したLive Refactoringの概念をリアルタイムで検討した。 このことを念頭に置いて,メソッドのリファクタリングを視覚的に識別し,推奨し,適用するライブリファクタリング環境を開発した。 それを検証するために実験を行った。 初期の結果から、私たちのアプローチはいくつかのコード品質メトリクスを改善しました。 さらに、私たちの結果は、追加の助けなしにコードを手動でリファクタリングした結果とは大きく異なり、より良いと結論付けました。

関連論文リスト

• Understanding Code Understandability Improvements in Code Reviews [79.16476505761582]
  GitHub上のJavaオープンソースプロジェクトからの2,401のコードレビューコメントを分析した。 改善提案の83.9%が承認され、統合され、1%未満が後に復活した。
  論文  参考訳（メタデータ） (2024-10-29T12:21:23Z)
• DOCE: Finding the Sweet Spot for Execution-Based Code Generation [69.5305729627198]
  本稿では,候補生成,$n$-best再ランク,最小ベイズリスク(MBR)復号化,自己老化などを含む包括的フレームワークを提案する。 本研究は,実行ベースメソッドの重要性と,実行ベースメソッドと実行フリーメソッドとの差を明らかにする。
  論文  参考訳（メタデータ） (2024-08-25T07:10:36Z)
• In Search of Metrics to Guide Developer-Based Refactoring Recommendations [13.063733696956678]
  モチベーションは、外部の振る舞いを損なうことなく、ソースコードの品質を改善するための確立されたアプローチである。 本研究では,開発者の運用意欲を調査する指標に関する実証的研究を提案する。 実行すべき開発者のモチベーションを把握する上で、製品とプロセスのメトリクスの価値を定量化します。
  論文  参考訳（メタデータ） (2024-07-25T16:32:35Z)
• Insights into Deep Learning Refactoring: Bridging the Gap Between Practices and Expectations [13.084553746852382]
  ディープラーニングソフトウェアは、ソフトウェアが進化するにつれて、徐々に複雑になってきています。 ディープラーニングの文脈におけるコードの洞察はまだ不明だ。 関連ツールの研究と開発は、プロジェクトの保守性とコード品質を改善するために不可欠である。
  論文  参考訳（メタデータ） (2024-05-08T07:35:14Z)
• ReGAL: Refactoring Programs to Discover Generalizable Abstractions [59.05769810380928]
  Generalizable Abstraction Learning (ReGAL)は、再利用可能な関数のライブラリをコード化して学習する手法である。 ReGALによって発見された共有関数ライブラリは、プログラムが様々な領域で容易に予測できることを示している。 CodeLlama-13Bでは、ReGALはLOGOで11.5%、日付理解で26.1%、TextCraftで8.1%という絶対精度が向上し、3つのドメインのうち2つでGPT-3.5を上回った。
  論文  参考訳（メタデータ） (2024-01-29T18:45:30Z)
• Fixing Your Own Smells: Adding a Mistake-Based Familiarisation Step When Teaching Code Refactoring [2.021502591596062]
  学生はまず、コードの臭いを発生させるためにプログラミング演習を完了しなければなりません。 この単純な介入は、学生がコードに精通している場合、学習が簡単であるという考えに基づいている。 本研究は,35人の初等生を対象に,従来の「ミステイク」アプローチと「ミステイク」アプローチを交互に指導し,様々な演習を修了した。
  論文  参考訳（メタデータ） (2024-01-02T03:39:19Z)
• Automating Source Code Refactoring in the Classroom [15.194527511076725]
  本稿では,アンチパターン検出と修正をサポートするEclipseプラグインであるJandanrantを用いて,アンチパターンの除去を目的とした各種教室活動の実施に関する実験結果について述べる。 171人の学生による定量的・質的分析の結果、学生は学習の考え方を高く評価し、JDeodorantプラグインの動作の様々な側面に満足していることが示された。
  論文  参考訳（メタデータ） (2023-11-05T18:46:00Z)
• Do code refactorings influence the merge effort? [80.1936417993664]
  複数のコントリビュータがソースコードを並行して変更して,新機能の実装やバグの修正,既存のコードの変更などを行っている。 これらの同時変更は、ソースコードの同じバージョンにマージする必要がある。 研究によると、すべてのマージの試みの10～20%が衝突を起こしており、これはプロセスを完了するために手動開発者の介入を必要とする。
  論文  参考訳（メタデータ） (2023-05-10T13:24:59Z)
• RepoCoder: Repository-Level Code Completion Through Iterative Retrieval and Generation [96.75695811963242]
  RepoCoderはリポジトリレベルのコード補完プロセスを合理化するフレームワークである。 類似性ベースのレトリバーと、事前訓練されたコード言語モデルが組み込まれている。 バニラ検索で拡張されたコード補完アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2023-03-22T13:54:46Z)
• 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)
• How We Refactor and How We Document it? On the Use of Supervised Machine Learning Algorithms to Classify Refactoring Documentation [25.626914797750487]
  リファクタリングは、外部の振る舞いを変えることなく、システムの設計を改善する技術である。 この研究はコミットを、従来のBugFixやFunctionalのカテゴリとともに、内部QA、外部QA、Code Smell Resolutionの3つのカテゴリに分類する。 分類結果をよりよく理解するために、私たちはコミットメッセージを分析して、開発者が定期的に臭いを説明するために使用するパターンを抽出しました。
  論文  参考訳（メタデータ） (2020-10-26T20:33:17Z)

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。