論文の概要: Investigating the Readability of Test Code: Combining Scientific and Practical Views
- arxiv url: http://arxiv.org/abs/2403.16639v1
- Date: Mon, 25 Mar 2024 11:28:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-26 15:08:28.629107
- Title: Investigating the Readability of Test Code: Combining Scientific and Practical Views
- Title（参考訳）: テストコードの可読性を探る:科学と実践の両面から
- Authors: Dietmar Winkler, Pirmin Urbanke, Rudolf Ramler,
- Abstract要約: ソースコードの可読性は、ソフトウェアシステムやテストを理解し維持するために重要です。
いくつかの研究はソースコードの可読性について研究しているが、テストコードの可読性および関連する影響要因について限定的な研究がなされている。
- 参考スコア（独自算出の注目度）: 1.0650780147044159
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The readability of source code is key for understanding and maintaining software systems and tests. Several studies investigate the readability of source code, but there is limited research on the readability of test code and related influence factors. We investigate the factors that influence the readability of test code from an academic perspective complemented by practical views. First, we perform a Systematic Mapping Study (SMS) with a focus on scientific literature. Second, we extend this study by reviewing grey literature sources for practical aspects on test code readability and understandability. Finally, we conduct a controlled experiment on the readability of a selected set of test cases to collect additional knowledge on influence factors discussed in practice. The result set of the SMS includes 19 primary studies from the scientific literature. The grey literature search reveals 62 sources for information on test code readability. Based on an analysis of these sources, we identified a combined set of 14 factors that influence the readability of test code. 7 of these factors were found in scientific and grey literature, while some factors were mainly discussed in academia (2) or industry (5) with limited overlap. The controlled experiment on practically relevant influence factors showed that the investigated factors have a significant impact on readability for half of the selected test cases. Our review of scientific and grey literature showed that test code readability is of interest for academia and industry with a consensus on key influence factors. However, we also found factors only discussed by practitioners. For some of these factors we were able to confirm an impact on readability in a first experiment. Therefore, we see the need to bring together academic and industry viewpoints to achieve a common view on the readability of software test code.
- Abstract（参考訳）: ソースコードの可読性は、ソフトウェアシステムやテストを理解し維持するために重要です。
いくつかの研究はソースコードの可読性について研究しているが、テストコードの可読性および関連する影響要因について限定的な研究がなされている。
本研究では,テストコードの可読性に影響を与える要因を,実践的な視点で補完する学術的な観点から検討する。
まず,学術文献に焦点をあてたシステムマッピング研究(SMS)を行う。
第2に、テストコードの可読性と可理解性に関する実践的な側面について、灰色の文献資料をレビューすることで、この研究を拡張します。
最後に、選択されたテストケースの可読性に関する制御実験を行い、実際に議論されている影響要因に関するさらなる知識を収集する。
SMSの結果には、科学文献からの19の初等的な研究が含まれている。
グレイ文学検索では、テストコード可読性に関する情報の62のソースが公開されている。
これらのソースの分析から,テストコードの可読性に影響を与える14の要素の組み合わせを同定した。
7因子は学術文献, 灰色文献で, 主にアカデミア(2), 産業界(5)で, 重複が限定的に議論された。
実効的な影響因子のコントロール実験により, 調査対象の半数が可読性に有意な影響を及ぼすことが明らかとなった。
学術文献および灰色文献のレビューでは、テストコードの可読性は、主要な影響要因に関するコンセンサスを持つ学術や産業にとって興味深いものであることが示された。
しかし,実践者のみが議論する要因も見いだした。
これらの要因のいくつかは、最初の実験で可読性への影響を確認することができました。
したがって、ソフトウェアテストコードの可読性に関する共通の視点を達成するためには、学術的、産業的な視点をまとめる必要がある。
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) - Contexts Matter: An Empirical Study on Contextual Influence in Fairness Testing for Deep Learning Systems [3.077531983369872]
さまざまなコンテキストが公平性テストの結果にどのように影響するかを理解することを目的としている。
私たちの結果は、異なるコンテキストタイプと設定が一般的にテストに重大な影響を与えることを示しています。
論文 参考訳（メタデータ） (2024-08-12T12:36:06Z) - CausalCite: A Causal Formulation of Paper Citations [80.82622421055734]
CausalCiteは紙の意義を測定するための新しい方法だ。
これは、従来のマッチングフレームワークを高次元のテキスト埋め込みに適応させる、新しい因果推論手法であるTextMatchに基づいている。
科学専門家が報告した紙衝撃と高い相関性など,各種基準におけるCausalCiteの有効性を実証する。
論文 参考訳（メタデータ） (2023-11-05T23:09:39Z) - Chain-of-Factors Paper-Reviewer Matching [32.86512592730291]
本稿では,意味的・話題的・引用的要因を協調的に考慮した,論文レビューアマッチングのための統一モデルを提案する。
提案したChain-of-Factorsモデルの有効性を,最先端のペーパー-リビューアマッチング手法と科学的事前学習言語モデルと比較した。
論文 参考訳（メタデータ） (2023-10-23T01:29:18Z) - Generating Summaries with Controllable Readability Levels [67.34087272813821]
テキストの複雑さ、主題、読者の背景知識など、可読性レベルに影響を与える要因がいくつかある。
現在のテキスト生成アプローチでは制御が洗練されておらず、結果として読者の習熟度にカスタマイズされないテキストが作られる。
可読性を制御するための3つのテキスト生成手法を開発した。命令ベースの可読性制御,要求される可読性と観測される可読性の間のギャップを最小限に抑える強化学習,および,ルックアヘッドを用いて今後の復号化ステップの可読性を評価する復号手法である。
論文 参考訳（メタデータ） (2023-10-16T17:46:26Z) - Test Code Refactoring Unveiled: Where and How Does It Affect Test Code
Quality and Effectiveness? [13.911747089737762]
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。
論文 参考訳（メタデータ） (2023-08-18T13:25:53Z) - Twin Papers: A Simple Framework of Causal Inference for Citations via
Coupling [40.60905158071766]
この効果を調査する上で大きな困難は、現実には利用できない反事実的な結果を知る必要があることである。
提案された枠組みでは、互いに双子として引用する2つの論文が検討されている。
本研究は,異なる決定を取り入れた双子の論文を調査し,これらの研究による研究効果の進展を観察し,その差による意思決定の効果を推定する。
論文 参考訳（メタデータ） (2022-08-21T10:42:33Z) - Ranking Scientific Papers Using Preference Learning [48.78161994501516]
我々はこれをピアレビューテキストとレビュアースコアに基づく論文ランキング問題とみなした。
ピアレビューに基づいて最終決定を行うための,新しい多面的総合評価フレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-02T19:41:47Z) - Predicting Text Readability from Scrolling Interactions [6.530293714772306]
本稿では,テキストの可読性とスクロール動作の関係について検討する。
データセットを公開し、テキストレベルに応じて読者がテキストと対話する方法に統計的に有意な違いがあることを示します。
論文 参考訳（メタデータ） (2021-05-13T15:27:00Z) - Everything Has a Cause: Leveraging Causal Inference in Legal Text
Analysis [62.44432226563088]
因果推論は変数間の因果関係を捉えるプロセスである。
本論文では,事実記述から因果グラフを構築するための新たなグラフベース因果推論フレームワークを提案する。
GCIに含まれる因果知識を強力なニューラルネットワークに効果的に注入することで、パフォーマンスと解釈性が向上します。
論文 参考訳（メタデータ） (2021-04-19T16:13:10Z) - A Survey on Causal Inference [64.45536158710014]
因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。
観測データに対する様々な因果効果推定法が誕生した。
論文 参考訳（メタデータ） (2020-02-05T21:35:29Z)
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。