論文の概要: Towards the First Code Contribution: Processes and Information Needs

• arxiv url: http://arxiv.org/abs/2404.18677v1
• Date: Mon, 29 Apr 2024 13:19:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-30 13:38:04.360191
• Title: Towards the First Code Contribution: Processes and Information Needs
• Title（参考訳）: 最初のコードコントリビューションに向けて - プロセスと情報の必要性
• Authors: Christoph Treude, Marco A. Gerosa, Igor Steinmacher,
• Abstract要約: 我々は、新参者に必要な情報の多くはすでに存在すると主張しているが、多くの異なる情報源に散らばっている。 我々の発見は、プロジェクト新参者に関連情報を提供する自動化ツールサポートへの重要なステップを形成する。
• 参考スコア（独自算出の注目度）: 18.542728636769255
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Newcomers to a software project must overcome many barriers before they can successfully place their first code contribution, and they often struggle to find information that is relevant to them. In this work, we argue that much of the information needed by newcomers already exists, albeit scattered among many different sources, and that many barriers can be addressed by automatically identifying, extracting, generating, summarizing, and presenting documentation that is specifically aimed and customized for newcomers. To gain a detailed understanding of the processes followed by newcomers and their information needs before making their first code contribution, we conducted an empirical study. Based on a survey with about 100 practitioners, grounded theory analysis, and validation interviews, we contribute a 16-step model for the processes followed by newcomers to a software project and we identify relevant information, along with individual and project characteristics that influence the relevancy of information types and sources. Our findings form an essential step towards automated tool support that provides relevant information to project newcomers in each step of their contribution processes.
• Abstract（参考訳）: ソフトウェアプロジェクトの新参者は、最初のコードコントリビューションを成功させる前に、多くの障壁を克服しなければなりません。 本研究は,新参者に必要な情報の多くはすでに存在するが,多くの異なる情報源に散在しているため,新参者を対象とした特定,抽出,生成,要約,文書の提示などによって多くの障壁に対処できる,と論じる。 コードコントリビューションに先立って,新参者によるプロセスと情報ニーズの詳細な理解を得るために,実証的研究を行った。 約100人の実践者による調査,基礎理論分析,バリデーションインタヴューに基づいて,ソフトウェアプロジェクトに新参者に続くプロセスの16段階モデルを提供し,情報タイプや情報源の関連性に影響を与える個人的・プロジェクト的特性とともに,関連情報を同定する。 我々の発見は、貢献プロセスの各ステップにおいて、プロジェクト新参者に関連情報を提供する自動化ツールサポートへの重要なステップを形成します。

関連論文リスト

• Automating the Information Extraction from Semi-Structured Interview Transcripts [0.0]
  本稿では,半構造化面接書から情報を取り出す自動システムの開発と応用について検討する。 本稿では,研究者がインタビューデータのテーマ構造を効率的に処理し,視覚化できる,ユーザフレンドリーなソフトウェアプロトタイプを提案する。
  論文  参考訳（メタデータ） (2024-03-07T13:53:03Z)
• User Modeling and User Profiling: A Comprehensive Survey [0.0]
  本稿では,ユーザモデリングとプロファイリング研究の現状,進化,今後の方向性について調査する。 我々は、初期のステレオタイプモデルから最新のディープラーニング技術までの開発をトレースする、歴史的概要を提供する。 また、プライバシ保護技術に対する重要なニーズと、ユーザモデリングアプローチにおける説明可能性と公正性への推進にも対処する。
  論文  参考訳（メタデータ） (2024-02-15T02:06:06Z)
• DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
  大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。 検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
  論文  参考訳（メタデータ） (2023-10-31T04:37:57Z)
• Rethinking Complex Queries on Knowledge Graphs with Neural Link Predictors [65.56849255423866]
  本稿では,証明可能な推論能力を備えた複雑なクエリを用いたエンドツーエンド学習を支援するニューラルシンボリック手法を提案する。 これまでに検討されていない10種類の新しいクエリを含む新しいデータセットを開発する。 提案手法は,新しいデータセットにおいて先行手法を著しく上回り,既存データセットにおける先行手法を同時に上回っている。
  論文  参考訳（メタデータ） (2023-04-14T11:35:35Z)
• Understanding Machine Learning Practitioners' Data Documentation Perceptions, Needs, Challenges, and Desiderata [10.689661834716613]
  データは機械学習(ML)モデルの開発と評価の中心である。 責任あるAIの実践を促進するために、研究者と実践者はデータドキュメントの増加を提唱し始めた。 これらのデータドキュメンテーションフレームワークがML実践者のニーズを満たすかどうかについてはほとんど研究されていない。
  論文  参考訳（メタデータ） (2022-06-06T21:55:39Z)
• What should I Ask: A Knowledge-driven Approach for Follow-up Questions Generation in Conversational Surveys [63.51903260461746]
  対話型調査における知識駆動型フォローアップ質問生成のための新しい課題を提案する。 そこで我々は,対話履歴とラベル付き知識を用いた人手によるフォローアップ質問の新しいデータセットを構築した。 次に,その課題に対する2段階の知識駆動モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-23T00:57:33Z)
• Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
  データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。 研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。 公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。 残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
  論文  参考訳（メタデータ） (2022-02-03T17:25:46Z)
• A Bayesian Framework for Information-Theoretic Probing [51.98576673620385]
  我々は、探索は相互情報を近似するものとみなすべきであると論じる。 これは、表現が元の文とターゲットタスクに関する全く同じ情報をエンコードしているというかなり直感的な結論を導いた。 本稿では,ベイズ的相互情報(Bayesian mutual information)と呼ぶものを測定するための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-09-08T18:08:36Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• Contribution of Conceptual Modeling to Enhancing Historians' Intuition -Application to Prosopography [0.0]
  本稿では,歴史学者の先史学における直感を自動で支援するプロセスを提案する。 コントリビューションは、概念データモデル、プロセスモデル、およびソースの信頼性と情報の信頼性を組み合わせた一連のルールである。
  論文  参考訳（メタデータ） (2020-11-26T13:21:36Z)

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。