論文の概要: Does Code Review Speed Matter for Practitioners?
- arxiv url: http://arxiv.org/abs/2311.02489v1
- Date: Sat, 4 Nov 2023 19:22:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-07 17:32:40.403738
- Title: Does Code Review Speed Matter for Practitioners?
- Title（参考訳）: コードレビューのスピードは実践者にとって重要か?
- Authors: Gunnar Kudrjavets (University of Groningen) and Ayushi Rastogi
(University of Groningen)
- Abstract要約: コードベロシティの向上は、さまざまなソフトウェアプロジェクトにとって共通の目標です。
コードベロシティに関連する信念と実践について調査した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Increasing code velocity is a common goal for a variety of software projects.
The efficiency of the code review process significantly impacts how fast the
code gets merged into the final product and reaches the customers. We conducted
a survey to study the code velocity-related beliefs and practices in place. We
analyzed 75 completed surveys from 39 participants from the industry and 36
from the open-source community. Our critical findings are (a) the industry and
open-source community hold a similar set of beliefs, (b) quick reaction time is
of utmost importance and applies to the tooling infrastructure and the behavior
of other engineers, (c) time-to-merge is the essential code review metric to
improve, (d) engineers have differing opinions about the benefits of increased
code velocity for their career growth, and (e) the controlled application of
the commit-then-review model can increase code velocity. Our study supports the
continued need to invest in and improve code velocity regardless of the
underlying organizational ecosystem.
- Abstract（参考訳）: コードベロシティの増大は、さまざまなソフトウェアプロジェクトの共通の目標である。
コードレビュープロセスの効率は、コードが最終製品にマージされ、顧客に到達するまでの速度に大きく影響します。
我々は、コードベロシティに関連する信念とプラクティスを研究するための調査を実施した。
業界参加者39名から75名,オープンソースコミュニティから36名を対象に調査を行った。
私たちの重要な発見は
(a)業界とオープンソースコミュニティは同様の信念を持っている。
b) 迅速な反応時間は最も重要であり、他のエンジニアのツールインフラストラクチャや振る舞いに適用します。
c) time-to-mergeは、改善するために必要なコードレビューの基準です。
(d) エンジニアは、キャリアの成長に対するコードベロシティの増加の利点について異なる意見を持っている。
(e)コミット・then-reviewモデルの制御されたアプリケーションによってコード速度が向上する。
私たちの研究は、基盤となる組織エコシステムに関係なく、コードベロシティへの投資と改善を継続する必要性をサポートします。
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) - Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。
Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
論文 参考訳（メタデータ） (2024-10-02T09:11:10Z) - A Study on Developer Behaviors for Validating and Repairing LLM-Generated Code Using Eye Tracking and IDE Actions [13.58143103712]
GitHub Copilotは、LLM(Big Language Model)ベースのコード生成ツールである。
本稿では,Copilotが生成したコードを開発者がどのように検証し,修復するかを検討する。
コードの存在を認識したことにより、パフォーマンスの向上、検索努力の向上、コパイロットの使用頻度の向上、認知作業負荷の向上につながった。
論文 参考訳（メタデータ） (2024-05-25T06:20:01Z) - How far are AI-powered programming assistants from meeting developers' needs? [17.77734978425295]
GitHub CopilotのようなIDE内AIコーディングアシスタントツール(ACAT)は、開発者のコーディング習慣に大きな影響を与えている。
我々は,実開発シナリオをシミュレートし,27人のコンピュータサイエンス学生を募集し,その振る舞いを3つのACATを用いて調査する。
ACATは一般的にタスク完了率を高め、時間を短縮し、コード品質を改善し、自己認識の生産性を高めます。
論文 参考訳（メタデータ） (2024-04-18T08:51:14Z) - Collaborative, Code-Proximal Dynamic Software Visualization within Code
Editors [55.57032418885258]
本稿では,コードエディタに組み込むソフトウェアビジュアライゼーション手法の設計と実装について紹介する。
私たちのコントリビューションは、ソフトウェアシステムの実行時の動作の動的解析を使用するという点で、関連する作業と異なります。
私たちの視覚化アプローチは、一般的なリモートペアプログラミングツールを強化し、共有コード都市を利用することで協調的に使用できます。
論文 参考訳（メタデータ） (2023-08-30T06:35:40Z) - CodeReviewer: Pre-Training for Automating Code Review Activities [36.40557768557425]
本研究は,コードレビューシナリオにおけるタスクの事前学習技術を活用することに焦点を当てる。
私たちは、最も人気のある9つのプログラミング言語で、オープンソースのプロジェクトから、現実世界のコード変更とコードレビューの大規模なデータセットを収集します。
コード差分とレビューをよりよく理解するために、コードレビューセナリオに特化した4つの事前トレーニングタスクを利用する事前トレーニングモデルであるCodeReviewerを提案する。
論文 参考訳（メタデータ） (2022-03-17T05:40:13Z) - 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) - DeSkew-LSH based Code-to-Code Recommendation Engine [3.7011129410662558]
ソースコード上の機械学習のための新しいコード・ツー・コードレコメンデーションエンジンであるemphSenatusを紹介する。
SenatusのコアとなるemphDe-Skew LSHは、ローカリティに敏感なハッシュアルゴリズムで、高速(サブ線形時間)検索のためにデータをインデックスする。
コード・ツー・コード・レコメンデーションのタスクにおいて、Senatusはパフォーマンスを6.7%向上し、クエリ時間16xはFacebook Aromaよりも高速であることを示す。
論文 参考訳（メタデータ） (2021-11-05T16:56:28Z) - Predicting Code Review Completion Time in Modern Code Review [12.696276129130332]
Modern Code Review (MCR)は、オープンソースと商用の両方で共通のプラクティスとして採用されている。
コードレビューは、様々な社会的技術的要因のために完了するのにかなりの遅延を経験することができる。
コードレビューの完了に必要な時間を見積もるためのツールサポートが不足している。
論文 参考訳（メタデータ） (2021-09-30T14:00:56Z) - COSEA: Convolutional Code Search with Layer-wise Attention [90.35777733464354]
我々は、畳み込みニューラルネットワークを階層的注意で活用し、コード固有の構造論理をキャプチャする新しいディープラーニングアーキテクチャ、COSEAを提案する。
COSEAは、コード検索タスクの最先端メソッドよりも大幅に改善できる。
論文 参考訳（メタデータ） (2020-10-19T13:53:38Z) - A Transformer-based Approach for Source Code Summarization [86.08359401867577]
コードトークン間のペア関係をモデル化することにより,要約のためのコード表現を学習する。
アプローチは単純であるにもかかわらず、最先端技術よりもかなりの差があることが示される。
論文 参考訳（メタデータ） (2020-05-01T23:29:36Z)
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。