論文の概要: Help Me to Understand this Commit! -- A Vision for Contextualized Code
Reviews
- arxiv url: http://arxiv.org/abs/2402.09528v1
- Date: Wed, 14 Feb 2024 19:08:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-16 18:18:35.396541
- Title: Help Me to Understand this Commit! -- A Vision for Contextualized Code
Reviews
- Title(参考訳): このコミットを理解するのを手伝って!
--コンテキスト化されたコードレビューのビジョン
- Authors: Michael Unterkalmsteiner, Deepika Badampudi, Ricardo Britto, Nauman
bin Ali
- Abstract要約: Modern Code Reviewでコード理解を改善するためのビジョンを提供することを目標としています。
我々は,4種類のサポートシステムを特定し,コンテクスト化されたコードレビュー環境を提案する。
- 参考スコア(独自算出の注目度): 4.87707664110891
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Background: Modern Code Review (MCR) is a key component for delivering
high-quality software and sharing knowledge among developers. Effective reviews
require an in-depth understanding of the code and demand from the reviewers to
contextualize the change from different perspectives. Aim: While there is a
plethora of research on solutions that support developers to understand changed
code, we have observed that many provide only narrow, specialized insights and
very few aggregate information in a meaningful manner. Therefore, we aim to
provide a vision of improving code understanding in MCR. Method: We classified
53 research papers suggesting proposals to improve MCR code understanding. We
use this classification, the needs expressed by code reviewers from previous
research, and the information we have not found in the literature for
extrapolation. Results: We identified four major types of support systems and
suggest an environment for contextualized code reviews. Furthermore, we
illustrate with a set of scenarios how such an environment would improve the
effectiveness of code reviews. Conclusions: Current research focuses mostly on
providing narrow support for developers. We outline a vision for how MCR can be
improved by using context and reducing the cognitive load on developers. We
hope our vision can foster future advancements in development environments.
- Abstract(参考訳): 背景: Modern Code Review (MCR)は高品質なソフトウェアを提供し、開発者間で知識を共有するための重要なコンポーネントです。
効果的なレビューには、異なる視点から変更をコンテキスト化するために、コードとレビュアーからの要求を深く理解する必要がある。
Aim: 開発者がコードの変更を理解するのを支援するソリューションに関する調査はたくさんありますが、多くは狭く専門的な洞察しか提供せず、意味のある方法で集約された情報しか提供していません。
したがって、MCRにおけるコード理解を改善するためのビジョンを提供する。
方法: MCRコード理解を改善するための提案を提案する研究論文53件を分類した。
我々は、この分類、以前の研究でコードレビュアーが表現したニーズ、そして外挿のための文献で見つからなかった情報を用いています。
結果:4種類のサポートシステムを特定し,文脈的コードレビューのための環境を提案する。
さらに,このような環境がコードレビューの有効性をいかに改善するかを,一連のシナリオで示す。
結論: 現在の研究は主に、開発者に狭いサポートを提供することに焦点を当てています。
我々は,コンテキストと開発者の認知的負荷を軽減することで,mcrをどのように改善できるかというビジョンを概説する。
私たちのビジョンが開発環境の今後の進歩を育むことを願っています。
関連論文リスト
- ConTextual: Evaluating Context-Sensitive Text-Rich Visual Reasoning in
Large Multimodal Models [101.16192912740595]
本稿では、文脈に敏感なテキストリッチな視覚的推論を行うLMMの能力を評価するための新しいベンチマークであるConTextualを紹介する。
LMM, GPT-4V(ision), 人体能力の30.8%に有意な差が認められた。
論文 参考訳(メタデータ) (2024-01-24T09:07:11Z) - Code Prompting Elicits Conditional Reasoning Abilities in Text+Code LLMs [69.99031792995348]
自然言語の問題をコードに変換する一連のプロンプトであるコードプロンプトを導入します。
コードプロンプトは複数のLLMに対して高速に向上することがわかった。
GPT 3.5を解析した結果,入力問題のコードフォーマッティングが性能向上に不可欠であることが判明した。
論文 参考訳(メタデータ) (2024-01-18T15:32:24Z) - Demystifying Code Snippets in Code Reviews: A Study of the OpenStack and
Qt Communities and A Practitioner Survey [6.534954885199453]
コードレビューのコードスニペットに関する情報と知識をマイニングするために、混合メソッドの研究を行います。
調査の結果は、レビュー担当者が開発者がコードレビューに必要な特定の情報を満たすために、適切なシナリオでコードスニペットを提供することができることを強調している。
論文 参考訳(メタデータ) (2023-07-26T17:49:19Z) - Exploring the Advances in Identifying Useful Code Review Comments [0.0]
本稿では,コードレビューコメントの有用性に関する研究の進化を反映する。
コードレビューコメントの有用性を定義し、データセットのマイニングとアノテーションを定義し、開発者の認識を調査し、異なる側面から要因を分析し、機械学習分類器を使用してコードレビューコメントの有用性を自動的に予測する。
論文 参考訳(メタデータ) (2023-07-03T00:41:20Z) - What Makes a Code Review Useful to OpenDev Developers? An Empirical
Investigation [4.061135251278187]
コードレビューの有効性が少し改善されても、ソフトウェア開発組織にとってかなりの節約が得られます。
本研究の目的は,コードレビューコメントをOSS開発者に有用なものにする方法を,より精細に理解することである。
論文 参考訳(メタデータ) (2023-02-22T22:48:27Z) - 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) - 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) - Dive into Deep Learning [119.30375933463156]
この本はJupyterのノートブックでドラフトされており、説明図、数学、インタラクティブな例を自己完結型コードとシームレスに統合している。
私たちのゴールは、(i)誰でも自由に利用できるリソースを提供すること、(ii)応用機械学習科学者になるための出発点を提供するのに十分な技術的な深さを提供すること、(iii)実行可能なコードを含み、実際にどのように問題を解決するかを読者に示すこと、(iv)私たちとコミュニティの両方による迅速なアップデートを可能にすることです。
論文 参考訳(メタデータ) (2021-06-21T18:19:46Z) - 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) - Code Review in the Classroom [57.300604527924015]
教室設定の若い開発者は、コードレビュープロセスの潜在的に有利で問題のある領域の明確な図を提供している。
彼らのフィードバックは、プロセスはプロセスを改善するためにいくつかのポイントで十分に受け入れられていることを示唆している。
本論文は,教室でコードレビューを行うためのガイドラインとして利用することができる。
論文 参考訳(メタデータ) (2020-04-19T06:07:45Z)
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。