論文の概要: Continuous Integration and Software Quality: A Causal Explanatory Study
- arxiv url: http://arxiv.org/abs/2309.10205v1
- Date: Mon, 18 Sep 2023 23:10:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 07:07:43.303853
- Title: Continuous Integration and Software Quality: A Causal Explanatory Study
- Title（参考訳）: 継続的インテグレーションとソフトウェア品質: 因果的説明的研究
- Authors: Eliezio Soares, Daniel Alencar da Costa and Uir\'a Kulesza
- Abstract要約: 継続的インテグレーション(CI)は、チーム間のコード統合のコストとリスクを低減することを目的とした、ソフトウェアエンジニアリングのプラクティスである。
最近の実証研究により、CIとソフトウェア品質(SQ)の関連性が確認されている。
- 参考スコア（独自算出の注目度）: 0.46040036610482665
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Continuous Integration (CI) is a software engineering practice that aims to
reduce the cost and risk of code integration among teams. Recent empirical
studies have confirmed associations between CI and the software quality (SQ).
However, no existing study investigates causal relationships between CI and SQ.
This paper investigates it by applying the causal Direct Acyclic Graphs (DAGs)
technique. We combine two other strategies to support this technique: a
literature review and a Mining Software Repository (MSR) study. In the first
stage, we review the literature to discover existing associations between CI
and SQ, which help us create a "literature-based causal DAG" in the second
stage. This DAG encapsulates the literature assumptions regarding CI and its
influence on SQ. In the third stage, we analyze 12 activity months for 70
opensource projects by mining software repositories -- 35 CI and 35 no-CI
projects. This MSR study is not a typical "correlation is not causation" study
because it is used to verify the relationships uncovered in the causal DAG
produced in the first stages. The fourth stage consists of testing the
statistical implications from the "literature-based causal DAG" on our dataset.
Finally, in the fifth stage, we build a DAG with observations from the
literature and the dataset, the "literature-data DAG". In addition to the
direct causal effect of CI on SQ, we find evidence of indirect effects of CI.
For example, CI affects teams' communication, which positively impacts SQ. We
also highlight the confounding effect of project age.
- Abstract（参考訳）: 継続的インテグレーション(ci)は、チーム間のコード統合のコストとリスクを減らすことを目的としたソフトウェアエンジニアリングの実践である。
最近の実証研究により、CIとソフトウェア品質(SQ)の関連性が確認されている。
しかし、CIとSQの因果関係は、既存の研究では研究されていない。
本稿では,DAG(Cousal Direct Acyclic Graphs)技術を適用して検討する。
この技術をサポートするための他の2つの戦略、文献レビューとマイニングソフトウェアリポジトリ(MSR)研究を組み合わせています。
第1段階では、文献をレビューして、CIとSQの既存の関連を見極め、第2段階で「文学に基づく因果DAG」を作成するのに役立ちます。
このDAGはCIに関する文献の仮定とSQへの影響をカプセル化する。
第3段階では,ソフトウェアリポジトリ – 35のciプロジェクトと35のno-ciプロジェクト – をマイニングして,70のオープンソースプロジェクトの12のアクティビティ月を分析した。
このMSR研究は、第1段階の因果DAGで発見された関係を検証するため、典型的な「相関は因果関係ではない」研究ではない。
第4段階は、我々のデータセットの「文学に基づく因果DAG」からの統計的影響をテストすることである。
最後に、第5段階において、文献とデータセットから「文学データDAG」を観察し、DAGを構築する。
SQに対するCIの直接的な因果効果に加えて、CIの間接的効果の証拠も見出す。
例えば、CIはチームのコミュニケーションに影響を与え、SQに肯定的な影響を与えます。
プロジェクトエイジの確立した効果についても強調する。
関連論文リスト
- A Knowledge-Centric Benchmarking Framework and Empirical Study for Retrieval-Augmented Generation [4.359511178431438]
Retrieval-Augmented Generation (RAG)は、検索機構を統合することで生成モデルを強化する。
その利点にもかかわらず、RAGは特に現実世界のクエリを効果的に処理する上で、大きな課題に直面している。
本稿では,これらの課題に対処する新しいRAGベンチマークを提案する。
論文 参考訳（メタデータ） (2024-09-03T03:31:37Z) - Causal Reasoning in Software Quality Assurance: A Systematic Review [11.887059800587672]
本研究は、SQAの因果推論に関する科学的文献の体系的なレビューを提供する。
障害のローカライゼーションは、特にWebサービス/マイクロサービスドメインにおいて、因果推論をより活用するアクティビティである。
アプリケーションを好むツールは急速に現れており、そのほとんどが2021年以降です。
論文 参考訳（メタデータ） (2024-08-30T10:34:11Z) - Anwendung von Causal-Discovery-Algorithmen zur Root-Cause-Analyse in der Fahrzeugmontage [0.2995925627097048]
根本原因分析(英: Root Cause Analysis, RCA)は、問題の因果関係を系統的に調査し、同定することを目的とした品質管理手法である。
現代の生産プロセスでは、大量のデータが収集される。
この出版物は、主要な自動車メーカーの組み立てデータに対する因果発見アルゴリズム(CDA)の適用を実証している。
論文 参考訳（メタデータ） (2024-07-23T11:22:33Z) - SCP-Diff: Spatial-Categorical Joint Prior for Diffusion Based Semantic Image Synthesis [8.768077629120915]
SCP-Diff は SIS on Cityscapes, ADE20K and COCO-Stuff の新たな最先端の成果を設定し、Cityscapes の FID は 10.53 である。
論文 参考訳（メタデータ） (2024-03-14T17:59:55Z) - Discovering Dynamic Causal Space for DAG Structure Learning [64.763763417533]
本稿では,DAG構造学習のための動的因果空間であるCASPERを提案する。
グラフ構造をスコア関数に統合し、因果空間における新しい尺度として、推定真理DAGと基底真理DAGの因果距離を忠実に反映する。
論文 参考訳（メタデータ） (2023-06-05T12:20:40Z) - Joint Learning of Label and Environment Causal Independence for Graph
Out-of-Distribution Generalization [60.4169201192582]
本稿では,ラベルと環境情報を完全に活用するために,ラベルと環境の因果独立(LECI)を導入することを提案する。
LECIは、合成データセットと実世界のデータセットの両方において、従来の手法よりも大幅に優れている。
論文 参考訳（メタデータ） (2023-06-01T19:33:30Z) - Causal DAG extraction from a library of books or videos/movies [0.0]
我々は、ヒトと動物の脳は因果推論(CI)を行うための明示的なエンジンを含んでいると主張している。
書籍やビデオや動画のライブラリーからそのようなアトラスを構築するための簡単なアルゴリズムを提案する。
ランダムに生成されたTic-Tac-Toeゲームのデータベースに適用し,本手法について述べる。
論文 参考訳（メタデータ） (2022-10-29T16:09:22Z) - Mining Root Cause Knowledge from Cloud Service Incident Investigations
for AIOps [71.12026848664753]
サービス破壊インシデントの根本原因分析(RCA)は、ITプロセスにおける最も重要かつ複雑なタスクの1つです。
本研究では、Salesforceで構築されたICAと、ダウンストリームのインシデントサーチとレトリーバルベースのRCAパイプラインについて紹介する。
論文 参考訳（メタデータ） (2022-04-21T02:33:34Z) - Effect Identification in Cluster Causal Diagrams [51.42809552422494]
クラスタ因果図(略してC-DAG)と呼ばれる新しいタイプのグラフィカルモデルを導入する。
C-DAGは、限定された事前知識に基づいて変数間の関係を部分的に定義することができる。
我々はC-DAGに対する因果推論のための基礎と機械を開発する。
論文 参考訳（メタデータ） (2022-02-22T21:27:31Z) - SAIS: Supervising and Augmenting Intermediate Steps for Document-Level
Relation Extraction [51.27558374091491]
本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。
そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
論文 参考訳（メタデータ） (2021-09-24T17:37:35Z) - Recent Developments Combining Ensemble Smoother and Deep Generative
Networks for Facies History Matching [58.720142291102135]
本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。
本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
論文 参考訳（メタデータ） (2020-05-08T21:32:42Z)
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。