論文の概要: Visual Analysis of GitHub Issues to Gain Insights

• arxiv url: http://arxiv.org/abs/2407.20900v1
• Date: Tue, 30 Jul 2024 15:17:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-31 16:50:19.875884
• Title: Visual Analysis of GitHub Issues to Gain Insights
• Title（参考訳）: GitHubの課題を視覚的に分析して洞察を得る
• Authors: Rifat Ara Proma, Paul Rosen,
• Abstract要約: 本稿では,課題タイムラインに関する洞察を提供するために,可視化を生成するプロトタイプWebアプリケーションを提案する。 問題のライフサイクルに焦点をあて、ユーザによる開発パターンの理解を高めるために重要な情報を記述する。
• 参考スコア（独自算出の注目度）: 2.9051263101214566
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Version control systems are integral to software development, with GitHub emerging as a popular online platform due to its comprehensive project management tools, including issue tracking and pull requests. However, GitHub lacks a direct link between issues and commits, making it difficult for developers to understand how specific issues are resolved. Although GitHub's Insights page provides some visualization for repository data, the representation of issues and commits related data in a textual format hampers quick evaluation of issue management. This paper presents a prototype web application that generates visualizations to offer insights into issue timelines and reveals different factors related to issues. It focuses on the lifecycle of issues and depicts vital information to enhance users' understanding of development patterns in their projects. We demonstrate the effectiveness of our approach through case studies involving three open-source GitHub repositories. Furthermore, we conducted a user evaluation to validate the efficacy of our prototype in conveying crucial repository information more efficiently and rapidly.
• Abstract（参考訳）: バージョン管理システムはソフトウェア開発に不可欠であり、GitHubはイシュートラッキングやプルリクエストを含む包括的なプロジェクト管理ツールのために人気のあるオンラインプラットフォームとして登場した。 しかし、GitHubはイシューとコミットの直接的なリンクを欠いているため、開発者が特定の問題がどう解決されたかを理解するのが難しくなっている。 GitHubの Insightsページは、リポジトリデータの視覚化を提供しているが、イシューの表現と関連するデータをテキスト形式でコミットすることは、イシュー管理の迅速な評価を妨げている。 本稿では,課題タイムラインに関する洞察を与え,課題に関連するさまざまな要因を明らかにするために,可視化を生成するプロトタイプWebアプリケーションを提案する。 課題のライフサイクルに焦点をあて、プロジェクトの開発パターンに対するユーザの理解を高めるために重要な情報を記述する。 3つのオープンソースGitHubリポジトリを含むケーススタディを通じて、このアプローチの有効性を実証する。 さらに, 重要なリポジトリ情報をより効率的に, 迅速に伝達する上で, プロトタイプの有効性を検証するために, ユーザ評価を行った。

関連論文リスト

• An Empirical Investigation on the Challenges in Scientific Workflow Systems Development [2.704899832646869]
  この記事では、Stack Overflow(SO)とGitHubにおける開発者と研究者のインタラクションについて検討する。 問題を分析することで、13のトピック(例えば、エラーとバグ修正、ドキュメント、依存性)を特定し、データ構造と操作が最も難しいことを発見した。 また、データ構造や操作、タスク管理、ワークフロースケジューリングといった、SOとGitHubの共通するトピックも見つけました。
  論文  参考訳（メタデータ） (2024-11-16T21:14:11Z)
• Impact of the Availability of ChatGPT on Software Development: A Synthetic Difference in Differences Estimation using GitHub Data [49.1574468325115]
  ChatGPTは、ソフトウェア生産効率を向上させるAIツールである。 10万人あたりのgitプッシュ数、リポジトリ数、ユニークな開発者数に対するChatGPTの影響を見積もっています。 これらの結果は、ChatGPTのようなAIツールが開発者の生産性を大幅に向上させる可能性があることを示唆している。
  論文  参考訳（メタデータ） (2024-06-16T19:11:15Z)
• How to Understand Whole Software Repository? [64.19431011897515]
  リポジトリ全体に対する優れた理解は、自動ソフトウェアエンジニアリング(ASE)への重要な道になるでしょう。 本研究では,リポジトリ全体を包括的に理解するためのエージェントによるRepoUnderstanderという新しい手法を開発した。 リポジトリレベルの知識をより活用するために、エージェントをまとめ、分析し、計画する。
  論文  参考訳（メタデータ） (2024-06-03T15:20:06Z)
• MAGIS: LLM-Based Multi-Agent Framework for GitHub Issue Resolution [47.850418420195304]
  大規模言語モデル(LLM)はコード生成において有望であるが、GitHubの問題を解決する上で困難に直面している。 ソフトウェア進化のためにカスタマイズされた4つのエージェントからなる、GitHub Issue Resolution, MAGISのための新しいMulti-Agentフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-26T17:57:57Z)
• GitAgent: Facilitating Autonomous Agent with GitHub by Tool Extension [81.44231422624055]
  さまざまなタスクを実行できる外部ツールを備えた大規模言語モデル(LLM)に焦点が当てられている。 本稿では,GitHubから自動ツール拡張を実現するエージェントであるGitAgentを紹介する。
  論文  参考訳（メタデータ） (2023-12-28T15:47:30Z)
• SWE-bench: Can Language Models Resolve Real-World GitHub Issues? [80.52201658231895]
  SWE-benchは、実際のGitHub問題から引き出された2,294ドルのソフトウェアエンジニアリング問題と、人気のあるPythonリポジトリ12ドルのプルリクエストで構成される評価フレームワークである。 我々は、最先端のプロプライエタリモデルと微調整モデルSWE-Llamaの両方が、最も単純な問題だけを解決できることを示します。
  論文  参考訳（メタデータ） (2023-10-10T16:47:29Z)
• The GitHub Development Workflow Automation Ecosystems [47.818229204130596]
  大規模なソフトウェア開発は、非常に協力的な取り組みになっています。 この章では、開発ボットとGitHub Actionsのエコシステムについて解説する。 この領域における最先端技術に関する広範な調査を提供する。
  論文  参考訳（メタデータ） (2023-05-08T15:24:23Z)
• GitHub Actions: The Impact on the Pull Request Process [7.047566396769727]
  本研究では、プロジェクトがGitHub Actionsをどのように利用するか、開発者がGitHub Actionsについて何を議論しているか、プロジェクトアクティビティインジケータが採用後にどのように変化するかを調査する。 私たちの調査によると、5,000のリポジトリのうち1489がGitHub Actionsを採用しています。 また、GitHub Actionsの採用によってプルリクエスト(PR)の拒絶が増加し、受け入れられたPRでのコミュニケーションが増加し、拒否されたPRでのコミュニケーションが減少することが示唆された。
  論文  参考訳（メタデータ） (2022-06-28T16:24:17Z)
• Predicting Issue Types on GitHub [8.791809365994682]
  Ticket Taggerは、機械学習技術による課題のタイトルと説明を分析するGitHubアプリである。 私たちは、約30,000のGitHubイシューに対して、ツールの予測パフォーマンスを実証的に評価しました。
  論文  参考訳（メタデータ） (2021-07-21T08:14:48Z)
• A Transfer Learning Approach for Dialogue Act Classification of GitHub Issue Comments [1.370633147306388]
  本稿では,GitHub上の課題コメントに基づいて対話行為分類を行うための伝達学習手法を提案する。 GitHubイシューコメントのラベル付きコーパスは存在しないため、転送学習を利用することで、標準的な対話行動データセットを活用することができます。 問題コメントを対話行動にマッピングできることは、認知チームのプロセスを理解するための有用な一歩です。
  論文  参考訳（メタデータ） (2020-11-10T02:56:18Z)

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。