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
- 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) - 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) - Effective Test Generation Using Pre-trained Large Language Models and
Mutation Testing [13.743062498008555]
大規模言語モデル(LLM)が生成するテストケースの有効性を,バグの発見の観点から改善するための MuTAP を導入する。
MuTAPは、プログラム・アンダー・テスト(PUT)の自然言語記述がない場合に有効なテストケースを生成することができる
提案手法は, 最大28%の人書きコードスニペットを検出できることを示す。
論文 参考訳(メタデータ) (2023-08-31T08:48:31Z) - 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) - When Good and Reproducible Results are a Giant with Feet of Clay: The
Importance of Software Quality in NLP [25.461606766906336]
本稿では,最先端コンフォーマーアーキテクチャの実装で広く使用されている3つのバグを特定し,修正するケーススタディを提案する。
我々は、ニューラルネットワークのテスト専用のライブラリである、コード品質チェックリストとリリースパンゴリNNを提案する。
論文 参考訳(メタデータ) (2023-03-28T17:28:52Z) - 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) - 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) - Towards a Fair Comparison and Realistic Design and Evaluation Framework
of Android Malware Detectors [63.75363908696257]
一般的な評価フレームワークを用いて,Androidのマルウェア検出に関する10の研究成果を分析した。
データセットの作成やデザイナの設計に考慮しない場合、トレーニングされたMLモデルに大きく影響する5つの要因を特定します。
その結果,MLに基づく検出器は楽観的に評価され,良好な結果が得られた。
論文 参考訳(メタデータ) (2022-05-25T08:28:08Z) - 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) - 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。