論文の概要: Test Code Refactoring Unveiled: Where and How Does It Affect Test Code
Quality and Effectiveness?
- arxiv url: http://arxiv.org/abs/2308.09547v1
- Date: Fri, 18 Aug 2023 13:25:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 13:39:14.908905
- Title: Test Code Refactoring Unveiled: Where and How Does It Affect Test Code
Quality and Effectiveness?
- Title（参考訳）: テストコードのリファクタリング - テストコードの品質と有効性にどのように影響するか?
- Authors: Luana Martins, Valeria Pontillo, Heitor Costa, Filomena Ferrucci,
Fabio Palomba, Ivan Machado
- Abstract要約: リファクタリングは、生産コードの品質に関して、過去に広く研究されてきた。
開発者がどのようにコードをテストするかについては、まだ調査の欠如がある。
- 参考スコア（独自算出の注目度）: 13.911747089737762
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Context. Refactoring has been widely investigated in the past in relation to
production code quality, yet still little is known on how developers apply
refactoring on test code. Specifically, there is still a lack of investigation
into how developers typically refactor test code and its effects on test code
quality and effectiveness. Objective. This paper presents a research agenda
aimed to bridge this gap of knowledge by investigating (1) whether test
refactoring actually targets test classes affected by quality and effectiveness
concerns and (2) the extent to which refactoring contributes to the improvement
of test code quality and effectiveness. Method. We plan to conduct an
exploratory mining software repository study to collect test refactoring data
of open-source Java projects from GitHub and statistically analyze them in
combination with quality metrics, test smells, and code/mutation coverage
indicators. Furthermore, we will measure how refactoring operations impact the
quality and effectiveness of test code.
- Abstract（参考訳）: コンテキスト。
リファクタリングはプロダクションコードの品質に関連して過去に広く研究されてきたが、開発者がテストコードにリファクタリングを適用する方法についてはほとんど知られていない。
特に、開発者が一般的にテストコードをリファクタリングする方法や、テストコードの品質と有効性に対する影響については、まだ調査されていない。
目的。
本稿では,(1) テストリファクタリングが品質や有効性に影響を及ぼすテストクラスを実際に対象としているか,(2) リファクタリングがテストコードの品質と有効性の向上に寄与するかを検討することによって,知識のギャップを埋めるための研究課題を提案する。
方法。
私たちは、オープンソースjavaプロジェクトのテストリファクタリングデータをgithubから収集し、品質メトリクス、テスト臭い、コード/変更カバレッジインジケータと組み合わせて統計的に分析するために、探索的なマイニングソフトウェアリポジトリスタディを実施する予定です。
さらに、リファクタリング操作がテストコードの品質と有効性にどのように影響するかを測定します。
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) - Investigating Student Reasoning in Method-Level Code Refactoring: A Think-Aloud Study [0.7120027021375674]
コードとコード品質は、ソフトウェア工学教育における中核的なトピックである。
学生は、しばしば持続的な品質問題のあるコードを生成する。
学生は大抵の場合、コード品質の問題を取り除くことができた。
論文 参考訳（メタデータ） (2024-10-28T09:50:16Z) - Context-Enhanced LLM-Based Framework for Automatic Test Refactoring [10.847400457238423]
テストの臭いは、設計プラクティスの貧弱さとドメイン知識の不足から生じます。
我々は,Javaプロジェクトにおける自動テストのための文脈拡張型LLMベースのフレームワークUTRefactorを提案する。
6つのオープンソースのJavaプロジェクトから879のテストに対してUTRefactorを評価し、テストの匂いを2,375から265に減らし、89%の削減を実現した。
論文 参考訳（メタデータ） (2024-09-25T08:42:29Z) - 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) - SWT-Bench: Testing and Validating Real-World Bug-Fixes with Code Agents [10.730852617039451]
ユーザ問題をテストケースに形式化するLLMベースのコードエージェントについて検討する。
我々は人気のあるGitHubリポジトリに基づいた新しいベンチマークを提案し、現実世界の問題、地味なバグフィックス、ゴールデンテストを含む。
コード修復用に設計されたコードエージェントは,テスト生成用に設計されたシステムの性能を上回っている。
論文 参考訳（メタデータ） (2024-06-18T14:54:37Z) - 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) - Software Testing and Code Refactoring: A Survey with Practitioners [3.977213079821398]
本研究の目的は,ソフトウェアテストのコンテキストにおいて,このプラクティスのメリットと限界を理解するために,ソフトウェアテスト専門家がコードを扱う方法を検討することである。
ソフトウェアテストの文脈では、自動テストのメンテナンスのサポートや、テストチームのパフォーマンス向上など、いくつかのメリットがある、と私たちは結論付けました。
本研究は,テスト専門家が自動テストのコードに実装することの重要性について議論し,コーディング能力の向上を可能にするものである。
論文 参考訳（メタデータ） (2023-10-03T01:07:39Z) - 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) - CodeT: Code Generation with Generated Tests [49.622590050797236]
テストケースを自動的に生成するための事前学習言語モデルについて検討する。
CodeTは生成されたテストケースを使ってコードソリューションを実行し、次に最良のソリューションを選択します。
我々は,HumanEvalとMBPPのベンチマークを用いて,5種類の事前学習モデル上でCodeTを評価する。
論文 参考訳（メタデータ） (2022-07-21T10:18:37Z) - 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) - Dynamic Causal Effects Evaluation in A/B Testing with a Reinforcement
Learning Framework [68.96770035057716]
A/Bテスト(A/B Testing)は、新しい製品を製薬、技術、伝統産業の古い製品と比較するビジネス戦略である。
本稿では,オンライン実験においてA/Bテストを実施するための強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-05T10:25:02Z)
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。