論文の概要: Psycholinguistic Analyses in Software Engineering Text: A Systematic Literature Review

• arxiv url: http://arxiv.org/abs/2503.05992v1
• Date: Sat, 08 Mar 2025 00:23:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 15:53:31.756150
• Title: Psycholinguistic Analyses in Software Engineering Text: A Systematic Literature Review
• Title（参考訳）: ソフトウェア工学テキストにおける心理学的分析 : 体系的文献レビュー
• Authors: Amirali Sajadi, Kostadin Damevski, Preetha Chatterjee,
• Abstract要約: 言語質問と単語数(LIWC)は、テキストで表される認知的および感情的なプロセスに対する、より明確で解釈可能な洞察を提供する。 ソフトウェア工学の研究で広く使われているにもかかわらず、LIWCの使用に関する包括的なレビューは行われていない。 LIWCを用いて, 43のSE関連論文を同定し, 6つの顕著なデータベースの体系的レビューを行った。
• 参考スコア（独自算出の注目度）: 9.229310642804036
• License:
• Abstract: Context: A deeper understanding of human factors in software engineering (SE) is essential for improving team collaboration, decision-making, and productivity. Communication channels like code reviews and chats provide insights into developers' psychological and emotional states. While large language models excel at text analysis, they often lack transparency and precision. Psycholinguistic tools like Linguistic Inquiry and Word Count (LIWC) offer clearer, interpretable insights into cognitive and emotional processes exhibited in text. Despite its wide use in SE research, no comprehensive review of LIWC's use has been conducted. Objective: We examine the importance of psycholinguistic tools, particularly LIWC, and provide a thorough analysis of its current and potential future applications in SE research. Methods: We conducted a systematic review of six prominent databases, identifying 43 SE-related papers using LIWC. Our analysis focuses on five research questions. Results: Our findings reveal a wide range of applications, including analyzing team communication to detect developer emotions and personality, developing ML models to predict deleted Stack Overflow posts, and more recently comparing AI-generated and human-written text. LIWC has been primarily used with data from project management platforms (e.g., GitHub) and Q&A forums (e.g., Stack Overflow). Key BSE concepts include Communication, Organizational Climate, and Positive Psychology. 26 of 43 papers did not formally evaluate LIWC. Concerns were raised about some limitations, including difficulty handling SE-specific vocabulary. Conclusion: We highlight the potential of psycholinguistic tools and their limitations, and present new use cases for advancing the research of human factors in SE (e.g., bias in human-LLM conversations).
• Abstract（参考訳）: コンテキスト: ソフトウェアエンジニアリング(SE)におけるヒューマンファクターのより深い理解は、チームのコラボレーション、意思決定、生産性を改善するために不可欠です。 コードレビューやチャットのようなコミュニケーションチャネルは、開発者の心理的および感情的な状態に関する洞察を提供する。 大きな言語モデルはテキスト分析において優れているが、透明性と精度が欠けていることが多い。 言語問合せ(Linguistic Inquiry)や単語数(Word Count、LIWC)のような心理言語学的なツールは、テキストで表される認知的および感情的なプロセスに対する、より明確で解釈可能な洞察を提供する。 SE研究で広く使われているにもかかわらず、LIWCの使用に関する包括的なレビューは行われていない。 目的:精神言語ツール,特にLIWCの重要性について検討し,SE研究におけるその現在および将来的な応用を徹底的に分析する。 方法: LIWCを用いて, 43のSE関連論文を同定し, 6つの顕著なデータベースの体系的レビューを行った。 我々の分析は5つの研究課題に焦点を当てている。 結果: この結果から, 開発者の感情や性格を検出するためのチームコミュニケーションの分析, 削除されたStack Overflowポストを予測するMLモデルの開発, 最近ではAI生成テキストと人文テキストの比較など, 幅広い応用が明らかになった。 LIWCは主にプロジェクト管理プラットフォーム(GitHubなど)とQ&Aフォーラム(Stack Overflowなど)のデータで使用されている。 主要なBSE概念は、コミュニケーション、組織気候、ポジティブ心理学である。 43紙中26紙はLIWCを公式に評価しなかった。 SE固有の語彙を扱うことの難しさなど、いくつかの制限が懸念された。 結論: 心理言語学ツールの可能性とその限界を明らかにするとともに, SEにおける人的要因(例えば, 人-LLM会話におけるバイアス)の研究を進めるための新たなユースケースを提案する。

関連論文リスト

• Beyond Profile: From Surface-Level Facts to Deep Persona Simulation in LLMs [50.0874045899661]
  本稿では,キャラクタの言語パターンと特徴的思考過程の両方を再現するモデルであるキャラクタボットを紹介する。 ケーススタディとしてLu Xunを用いて、17冊のエッセイコレクションから得られた4つのトレーニングタスクを提案する。 これには、外部の言語構造と知識を習得することに焦点を当てた事前訓練タスクと、3つの微調整タスクが含まれる。 言語的正確性と意見理解の3つのタスクにおいて、キャラクタボットを評価し、適応されたメトリクスのベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-02-18T16:11:54Z)
• Sentiment Analysis Tools in Software Engineering: A Systematic Mapping Study [43.44042227196935]
  私たちは、特定の目的のために、開発者やステークホルダーが感情分析ツールを選択するのを助けることを目的としています。 本研究は,(1)アプリケーション領域,(2)目的,(3)使用済みデータセット,(4)感情分析ツール開発へのアプローチ,(5)既存のツールの利用,(6)研究者が直面する困難について,106の論文から得られた知見を要約したものである。
  論文  参考訳（メタデータ） (2025-02-11T19:02:25Z)
• SOUL: Towards Sentiment and Opinion Understanding of Language [96.74878032417054]
  我々は、言語感覚とオピニオン理解(SOUL)と呼ばれる新しいタスクを提案する。 SOULは2つのサブタスクを通して感情理解を評価することを目的としている:レビュー(RC)と正当化生成(JG)。
  論文  参考訳（メタデータ） (2023-10-27T06:48:48Z)
• UltraFeedback: Boosting Language Models with Scaled AI Feedback [99.4633351133207]
  大規模で高品質で多様なAIフィードバックデータセットである textscUltraFeedback を提示する。 我々の研究は、強力なオープンソースのチャット言語モデルを構築する上で、スケールしたAIフィードバックデータの有効性を検証する。
  論文  参考訳（メタデータ） (2023-10-02T17:40:01Z)
• Machine-assisted quantitizing designs: augmenting humanities and social sciences with artificial intelligence [0.0]
  大規模言語モデル(LLM)は、人文科学や社会科学におけるデータ分析をスケールアップする前例のない機会であることが示された。 設計原則を定量化し、変換し、言語学から特徴分析し、人間の専門知識と機械のスケーラビリティを透過的に統合する混合手法を構築します。 このアプローチは、1ダース以上のLDM支援ケーススタディで議論され、9つの多様な言語、複数の規律、タスクをカバーしている。
  論文  参考訳（メタデータ） (2023-09-24T14:21:50Z)
• Leveraging ChatGPT As Text Annotation Tool For Sentiment Analysis [6.596002578395151]
  ChatGPTはOpenAIの新製品で、最も人気のあるAI製品として登場した。 本研究では、さまざまな感情分析タスクのためのデータラベリングツールとしてのChatGPTについて検討する。
  論文  参考訳（メタデータ） (2023-06-18T12:20:42Z)
• Syntax and Semantics Meet in the "Middle": Probing the Syntax-Semantics Interface of LMs Through Agentivity [68.8204255655161]
  このような相互作用を探索するためのケーススタディとして,作用性のセマンティックな概念を提示する。 これは、LMが言語アノテーション、理論テスト、発見のためのより有用なツールとして役立つ可能性を示唆している。
  論文  参考訳（メタデータ） (2023-05-29T16:24:01Z)
• You Are What You Talk About: Inducing Evaluative Topics for Personality Analysis [0.0]
  評価言語データは ソーシャルメディアの急速な成長に よりアクセスしやすくなっています 本稿では,事前フィルタした評価テキストにトピックモデルを適用することで得られる評価トピックの概念を紹介する。 次に評価トピックを個々のテキスト作者にリンクして評価プロファイルを構築する。
  論文  参考訳（メタデータ） (2023-02-01T15:04:04Z)
• Investigating Fairness Disparities in Peer Review: A Language Model Enhanced Approach [77.61131357420201]
  我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。 我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。 我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
  論文  参考訳（メタデータ） (2022-11-07T16:19:42Z)
• A Review on Text-Based Emotion Detection -- Techniques, Applications, Datasets, and Future Directions [4.257210316104905]
  本稿では,2005年から2021年にかけてのテキストによる感情検出において,既存の文献の体系的な文献レビューを行う。 このレビューでは、IEEE、Science Direct、Scoopus、Web of Scienceの63の研究論文を精査し、4つの主要な研究課題に対処している。 様々な感情モデル、テクニック、特徴抽出方法、データセット、今後の方向性に関する研究課題についても概説した。
  論文  参考訳（メタデータ） (2022-04-26T15:20:00Z)
• Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
  人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。 このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。 人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
  論文  参考訳（メタデータ） (2020-12-29T08:22:48Z)

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。