論文の概要: Empirical Analysis of Pull Requests for Google Summer of Code
- arxiv url: http://arxiv.org/abs/2412.13120v1
- Date: Tue, 17 Dec 2024 17:42:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-18 14:00:24.668303
- Title: Empirical Analysis of Pull Requests for Google Summer of Code
- Title(参考訳): Google Summer of Codeにおけるプルリクエストの実証分析
- Authors: Saheed Popoola,
- Abstract要約: Google Summer of Codeは、学生や新しいコントリビュータと経験豊富なメンターをマッチングして、オープンソースプロジェクトに取り組むグローバルイニシアチブである。
本研究では,Google Summer of Codeプログラム中にインターンが生成したプルリクエストの実証分析を行った。
その結果、ほとんどのタスクは、新しい機能の追加やバグ修正といったコード集約的なタスクと、ドキュメントの更新やコードベースの再構築といった非コードタスクを含むことがわかった。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Internship and industry-affiliated capstone projects are popular ways to expose students to real world experience and bridge the gap between academic training and industry requirements. However, these two approaches often require active industry collaboration and many students often struggle to find industry placements. Open-source contributions is a crucial alternative to gain real world experience, earn publicly verifiable contribution with real world impact, and learn from experienced open-source contributors. The Google Summer of Code is a global initiative that matches students or new contributors with experienced mentors to work on open-source projects. The goal of the program is to introduce the students to open-source, help gain valuable skills under the guidance of a mentor, and hopefully continue to contribute to open source development; thereby, provide a continuous pool of talented new contributors necessary for maintaining an open source project. This study presents an empirical analysis of pull requests created by interns during the Google Summer of Code program. We extracted and analysed 17,232 pull requests from 2456 interns across 1937 open-source projects. The results show that majority of the tasks involve both code-intensive tasks like adding new features and fixing bugs as well as non-code tasks like updating the documentation and restructuring the code base. The feedback from reviewers covers code functionality and programming logic, testing coverage, error handling, code readability, and adopting best practices. Finally, we discuss the implications of these results for software engineering education.
- Abstract(参考訳): インターンシップと業界関連キャップストーンプロジェクトは、学生を現実世界の体験に公開し、学術的なトレーニングと業界要求のギャップを埋めるための一般的な方法である。
しかし、これらの2つのアプローチは、しばしば活発な産業協力を必要とし、多くの学生は、産業の配置を見つけるのに苦労する。
オープンソースコントリビューションは、現実のエクスペリエンスを獲得し、現実のインパクトに対して公に検証可能なコントリビューションを獲得し、経験豊富なオープンソースコントリビュータから学ぶための、重要な代替手段である。
Google Summer of Codeは、学生や新しいコントリビュータと経験豊富なメンターをマッチングして、オープンソースプロジェクトに取り組むグローバルイニシアチブである。
このプログラムの目的は、学生をオープンソースに紹介し、メンターの指導の下で貴重なスキルを身につけ、オープンソース開発に貢献し続けることにある。
本研究では,Google Summer of Codeプログラム中にインターンが生成したプルリクエストの実証分析を行った。
1937年のオープンソースプロジェクトのインターン2456名から17,232件のプルリクエストを抽出,分析した。
その結果、ほとんどのタスクは、新しい機能の追加やバグの修正といったコード集約的なタスクと、ドキュメントの更新やコードベースの再構築といった非コードタスクを含んでいます。
コード機能とプログラミングロジック、テストカバレッジ、エラー処理、コードの可読性、ベストプラクティスの採用などについて、レビュアーからのフィードバックがある。
最後に,これらの結果がソフトウェア工学教育に与える影響について論じる。
関連論文リスト
- Training Turn-by-Turn Verifiers for Dialogue Tutoring Agents: The Curious Case of LLMs as Your Coding Tutors [29.04639728020965]
本稿では,学習者の知識状況とターン・バイ・ターン・バイ・ターン・バリデーションを推定し,タスク完了に向けた効果的な指導を確実にする,新しいエージェントワークフローであるTrace-and-Verify(TRAVER)を提案する。
実験では、コーディングチュータリングの課題を明らかにし、TRAVERが成功率を大幅に向上することを示した。
論文 参考訳(メタデータ) (2025-02-18T22:13:00Z) - OSSDoorway: A Gamified Environment to Scaffold Student Contributions to Open Source Software [15.46529088040852]
本稿では,オープンソースソフトウェア(OSS)プロジェクトに貢献する学生を指導するツールOSSDoorwayを提案し,評価する。
OSSDoorwayの使用前後で29名の学生を募集し,自己効力感尺度を施行した。
その結果,OSSDoorwayは生徒の自己効力を高め,構造化されたゲーミフィケーション学習体験を提供することがわかった。
論文 参考訳(メタデータ) (2025-02-11T22:07:27Z) - OpenCoder: The Open Cookbook for Top-Tier Code Large Language Models [70.72097493954067]
コードのための大規模言語モデル(LLM)は、コード生成、推論タスク、エージェントシステムなど、さまざまな領域で必須になっている。
オープンアクセスのコード LLM はプロプライエタリなモデルの性能レベルに近づきつつあるが、高品質なコード LLM は依然として限られている。
トップクラスのコードLLMであるOpenCoderは、主要なモデルに匹敵するパフォーマンスを達成するだけでなく、研究コミュニティの"オープンクックブック"としても機能します。
論文 参考訳(メタデータ) (2024-11-07T17:47:25Z) - Towards Coarse-to-Fine Evaluation of Inference Efficiency for Large Language Models [95.96734086126469]
大規模言語モデル(LLM)は、ユーザが仕事を達成するのを助けるアシスタントとして機能し、高度なアプリケーションの開発をサポートする。
LLMの幅広い応用にとって、推論効率は重要な問題であり、既存の研究で広く研究されている。
各種コードライブラリの推論性能の粗大な解析を行う。
論文 参考訳(メタデータ) (2024-04-17T15:57:50Z) - Bridging Theory to Practice in Software Testing Teaching through Team-based Learning (TBL) and Open Source Software (OSS) Contribution [3.190574537106449]
本稿では,理論と実践的経験を統合したソフトウェアテストコースの授業手法を提案する。
本報告では,大学院ソフトウェア工学科のソフトウェアテスティングコースを4学期連続で実施した経験について報告する。
論文 参考訳(メタデータ) (2024-04-16T21:16:17Z) - DevEval: Evaluating Code Generation in Practical Software Projects [52.16841274646796]
我々はDevEvalという名の新しいベンチマークを提案し、実践プロジェクトにおける開発者の経験と一致している。
DevEvalは、119の実用的なプロジェクトから2,690のサンプルを含む厳格なパイプラインを通じて収集される。
DevEvalの5つの人気のあるLCMを評価し、コード生成における実際の能力を明らかにする。
論文 参考訳(メタデータ) (2024-01-12T06:51:30Z) - Experiential Co-Learning of Software-Developing Agents [83.34027623428096]
大規模言語モデル(LLM)は、特にソフトウェア開発において、様々な領域に大きな変化をもたらした。
本稿では,新しいLLM学習フレームワークであるExperiential Co-Learningを紹介する。
実験では、このフレームワークにより、エージェントは、目に見えないソフトウェア開発タスクをより効果的に対処できることを示した。
論文 参考訳(メタデータ) (2023-12-28T13:50:42Z) - 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) - Code Recommendation for Open Source Software Developers [32.181023933552694]
CODERは、オープンソースのソフトウェア開発者のための新しいグラフベースのコードレコメンデーションフレームワークである。
本フレームワークは,プロジェクト内,クロスプロジェクト,コールドスタートレコメンデーションなど,様々な実験環境下での優れた性能を実現する。
論文 参考訳(メタデータ) (2022-10-15T16:40:36Z) - 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) - Representation of Developer Expertise in Open Source Software [12.583969739954526]
We use the World of Code infrastructure to extract the complete set of APIs in the file changed by the open source developer。
次に、API、開発者、プロジェクトのベクター表現にDoc2Vecの埋め込みを使用します。
これらの埋め込みがスキル空間の仮定トポロジを反映しているかどうかを評価する。
論文 参考訳(メタデータ) (2020-05-20T16:36:07Z)
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。