論文の概要: The building blocks of software work explain coding careers and language popularity

• arxiv url: http://arxiv.org/abs/2504.03581v1
• Date: Fri, 04 Apr 2025 16:39:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-07 14:46:21.978722
• Title: The building blocks of software work explain coding careers and language popularity
• Title（参考訳）: ソフトウェア作業の構成要素はコーディングのキャリアと言語人気を説明する
• Authors: Xiangnan Feng, Johannes Wachs, Simone Daniotti, Frank Neffke,
• Abstract要約: Stack Overflowに関する何千万ものQ&A記事を使って、グローバルソフトウェア業界の作業を分析します。 これらのタスクは、現実世界の求人広告の給与と求人要求を予測する。 また、個人がタスク内でどのように学習するかを観察し、新しいタスクに多様化する。
• 参考スコア（独自算出の注目度）: 0.6999740786886538
• License:
• Abstract: Recent waves of technological transformation have fueled debates about the changing nature of work. Yet to understand the future of work, we need to know more about what people actually do in their jobs, going beyond educational credentials or job descriptions. Here we analyze work in the global software industry using tens of millions of Question and Answer posts on Stack Overflow to create a fine-grained taxonomy of software tasks, the elementary building blocks of software development work. These tasks predict salaries and job requirements in real-world job ads. We also observe how individuals learn within tasks and diversify into new tasks. Tasks that people acquire tend to be related to their old ones, but of lower value, suggesting that they are easier. An exception is users of Python, an increasingly popular programming language known for its versatility. Python users enter tasks that tend to be higher-value, providing an explanation for the language's growing popularity based on the tasks Python enables its users to perform. In general, these insights demonstrate the value of task taxonomies extracted at scale from large datasets: they offer high resolution and near real-time descriptions of changing labor markets. In the case of software tasks, they map such changes for jobs at the forefront of a digitizing global economy.
• Abstract（参考訳）: 最近の技術変革の波は、仕事の性質の変化に関する議論を後押ししている。 しかし、仕事の未来を理解するためには、人々が自分の仕事で実際に何をしているかをもっと知る必要がある。 ここでは、何千万という質問とAnswerのStack Overflowへの投稿を使って、グローバルなソフトウェア産業における作業を分析し、ソフトウェアタスクのきめ細かい分類、すなわちソフトウェア開発作業の基本的な構成要素を作成します。 これらのタスクは、現実世界の求人広告の給与と求人要求を予測する。 また、個人がタスク内でどのように学習するかを観察し、新しいタスクに多様化する。 人々が獲得するタスクは、古いタスクと関係がある傾向がありますが、価値が低く、より簡単であることを示唆しています。 例外はPythonのユーザである。 Pythonユーザは、より価値の高いタスクを入力し、Pythonがユーザが実行可能にするタスクに基づいて、言語の人気が高まっている理由を説明する。 一般に、これらの洞察は大規模なデータセットから抽出されたタスク分類学の価値を示しており、労働市場の変化に関する高解像度かつほぼリアルタイムな説明を提供する。 ソフトウェアタスクの場合、デジタル化するグローバル経済の最前線で、このような仕事の変化をマップします。

関連論文リスト

• DiSciPLE: Learning Interpretable Programs for Scientific Visual Discovery [61.02102713094486]
  優れた意思決定を可能にするため、科学的推論において優れた解釈が重要である。 本稿では,ニューラルネットワークをインターリーブする学習プログラムを用いて,そのような解釈可能な設計モデルを得るための自動手法を提案する。 本稿では,大言語モデル (LLM) の常識と事前知識を活用する進化的アルゴリズムであるDiSciPLEを提案し,視覚データを説明するPythonプログラムを作成する。
  論文  参考訳（メタデータ） (2025-02-14T10:26:14Z)
• Hints Help Finding and Fixing Bugs Differently in Python and Text-based Program Representations [28.829745991874816]
  プログラム表現は,バグの発見と修正におけるユーザの精度に大きな影響を与えることがわかった。 異なるヒントは、プログラム表現とユーザのアルゴリズム的タスクに対する理解に依存する。 これらの発見は、ユーザにパーソナライズされたサポートを提供する次世代プログラミングツールの設計に影響を及ぼす。
  論文  参考訳（メタデータ） (2024-12-17T02:11:53Z)
• Towards Identifying Code Proficiency through the Analysis of Python Textbooks [7.381102801726683]
  目的は、開発者がソースコードの一部を理解する必要がある熟練度を測定することである。 専門家の意見や開発者調査に大きく依存した以前の試みは、かなりの相違を招いた。 本稿では,Python プログラミング教科書の体系的解析を通じて,Python の能力レベルを同定する手法を提案する。
  論文  参考訳（メタデータ） (2024-08-05T06:37:10Z)
• Linguacodus: A Synergistic Framework for Transformative Code Generation in Machine Learning Pipelines [0.0]
  本稿では,自然言語のタスク記述を高レベルなデータ生成命令によってコードに変換する動的パイプラインを提案する。 本稿では、微調整過程を詳述し、自然言語記述を関数型コードに変換する方法について光を当てる。 本稿では,MLタスクの自然な記述を人間のインタラクションを最小限に抑えたコードに変換するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-18T08:58:47Z)
• Natural Language Embedded Programs for Hybrid Language Symbolic Reasoning [84.12154024070024]
  本研究では,数学・記号的推論,自然言語理解,後続の課題に対処するための統合フレームワークとして,自然言語組み込みプログラム(NLEP)を提案する。 我々のアプローチは,構造化知識の自然言語表現を含むデータ構造上の関数を定義する完全なPythonプログラムを生成するよう,言語モデルに促す。 Pythonインタープリタが生成されたコードを実行し、出力をプリントする。
  論文  参考訳（メタデータ） (2023-09-19T17:54:21Z)
• Learning Language-Conditioned Robot Behavior from Offline Data and Crowd-Sourced Annotation [80.29069988090912]
  本研究では,ロボットインタラクションの大規模なオフラインデータセットから視覚に基づく操作タスクを学習する問題について検討する。 クラウドソースの自然言語ラベルを用いたオフラインロボットデータセットの活用を提案する。 提案手法は目標画像仕様と言語条件付き模倣技術の両方を25%以上上回っていることがわかった。
  論文  参考訳（メタデータ） (2021-09-02T17:42:13Z)
• pysentimiento: A Python Toolkit for Opinion Mining and Social NLP tasks [0.2826977330147589]
  pysentimientoは意見マイニングやその他のソーシャルNLPタスク用に設計されたPythonツールキットである。 このオープンソースライブラリは、簡単に使えるPythonライブラリで、スペイン語、英語、イタリア語、ポルトガル語の最先端モデルを提供する。 各種タスク,言語,データセットにまたがる事前学習言語モデルの総合的な性能評価を行う。
  論文  参考訳（メタデータ） (2021-06-17T13:15:07Z)
• XtremeDistilTransformers: Task Transfer for Task-agnostic Distillation [80.18830380517753]
  我々は新しいタスク非依存蒸留フレームワーク XtremeDistilTransformers を開発した。 本研究は, 蒸留における複数のソースタスク, 拡張資源, モデルアーキテクチャの伝達可能性について検討する。
  論文  参考訳（メタデータ） (2021-06-08T17:49:33Z)
• COG: Connecting New Skills to Past Experience with Offline Reinforcement Learning [78.13740204156858]
  我々は、動的プログラミングによって新しいスキルを拡張するために、事前データを再利用できることを示します。 我々は、新しいタスクを解決するために、以前のデータセットに見られるいくつかの動作をチェーンすることで、アプローチの有効性を実証する。 我々は、高次元画像観察を低レベルのロボット制御コマンドにマッピングし、エンドツーエンドでポリシーを訓練する。
  論文  参考訳（メタデータ） (2020-10-27T17:57:29Z)
• Machine Learning in Python: Main developments and technology trends in data science, machine learning, and artificial intelligence [3.1314898234563295]
  Pythonは科学計算、データサイエンス、機械学習において最も好まれる言語である。 この調査は、Pythonによる機械学習の分野に関する洞察を提供し、重要なトピックをツアーして、それを可能にしたコアハードウェアとソフトウェアパラダイムのいくつかを特定します。
  論文  参考訳（メタデータ） (2020-02-12T05:20:59Z)
• OPFython: A Python-Inspired Optimum-Path Forest Classifier [68.8204255655161]
  本稿では,OPFythonと表記されるPythonベースのOptimum-Path Forestフレームワークを提案する。 OPFythonはPythonベースのライブラリなので、C言語よりもフレンドリーな環境とプロトタイピングの作業スペースを提供する。
  論文  参考訳（メタデータ） (2020-01-28T15:46:19Z)

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。