論文の概要: Are We on the Same Page? Examining Developer Perception Alignment in Open Source Code Reviews

• arxiv url: http://arxiv.org/abs/2504.18407v1
• Date: Fri, 25 Apr 2025 15:03:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.809611
• Title: Are We on the Same Page? Examining Developer Perception Alignment in Open Source Code Reviews
• Title（参考訳）: 私たちは同じページにいますか? オープンソースコードレビューにおける開発者の認識アライメントの見地から
• Authors: Yoseph Berhanu Alebachew, Minhyuk Ko, Chris Brown,
• Abstract要約: コードレビューは、オープンソースソフトウェア(OSS)開発において重要な側面であり、品質を確保し、コラボレーションを促進する。 本研究では,OSSコードレビュープロセスにおける認識,課題,バイアスについて考察し,コントリビュータとメンテナの視点に着目した。
• 参考スコア（独自算出の注目度）: 2.66269503676104
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Code reviews are a critical aspect of open-source software (OSS) development, ensuring quality and fostering collaboration. This study examines perceptions, challenges, and biases in OSS code review processes, focusing on the perspectives of Contributors and Maintainers. Through surveys (n=289), interviews (n=23), and repository analysis (n=81), we identify key areas of alignment and disparity. While both groups share common objectives, differences emerge in priorities, e.g, with Maintainers emphasizing alignment with project goals while Contributors overestimated the value of novelty. Bias, particularly familiarity bias, disproportionately affects underrepresented groups, discouraging participation and limiting community growth. Misinterpretation of approach differences as bias further complicates reviews. Our findings underscore the need for improved documentation, better tools, and automated solutions to address delays and enhance inclusivity. This work provides actionable strategies to promote fairness and sustain the long-term innovation of OSS ecosystems.
• Abstract（参考訳）: コードレビューは、オープンソースソフトウェア(OSS)開発において重要な側面であり、品質を確保し、コラボレーションを促進する。 本研究では,OSSコードレビュープロセスにおける認識,課題,バイアスについて検討し,コントリビュータとメンテナの視点に着目した。 調査(n=289),インタビュー(n=23),リポジトリ分析(n=81)を通じて,アライメントと不均一性の重要領域を同定した。 どちらのグループも共通の目標を共有しているが、例えば、メンテナーはプロジェクトの目標との整合性を強調し、コントリビュータはノベルティの価値を過度に見積もっている。 バイアス、特に親しみやすいバイアスは、過小評価されたグループに不均等に影響を与え、参加を妨げ、コミュニティの成長を制限する。 バイアスとしてのアプローチの違いの解釈は、レビューをさらに複雑にする。 私たちの発見は、改善されたドキュメント、より良いツール、そして遅延に対処し、インクリシティを高めるための自動化されたソリューションの必要性を明確に示しています。 この作業は、OSSエコシステムの公平性を促進し、長期的なイノベーションを維持するための実行可能な戦略を提供する。

関連論文リスト

• Automatic Bias Detection in Source Code Review [2.3480418671346164]
  本稿では,コードレビューにおける潜在的なバイアスのある結果を検出するための制御実験を提案する。 我々は、レビュー画面上の焦点領域を決定するために、レビュアの視線を追跡する認知フレームワークである「注目のスポットライトモデル」を採用している。 我々はマルコフモデル、リカレントニューラルネットワーク(RNN)、条件付きランダム場(CRF)などの高度なシーケンスモデリング手法を用いて、視線焦点のシーケンスを分析する計画である。
  論文  参考訳（メタデータ） (2025-04-25T16:01:52Z)
• Identifying Aspects in Peer Reviews [61.374437855024844]
  我々は、ピアレビューのコーパスからきめ細かいアスペクトを抽出するデータ駆動型スキーマを開発した。 我々は、アスペクトを付加したピアレビューのデータセットを導入し、コミュニティレベルのレビュー分析にどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2025-04-09T14:14:42Z)
• Quantifying the Cross-sectoral Intersecting Discrepancies within Multiple Groups Using Latent Class Analysis Towards Fairness [6.683051393349788]
  のイニシアチブは、サービスやリソース、機会へのアクセスにおいて、多種多様な不平等に対処するよう促します。 健康、エネルギー、住宅など、さまざまな分野の意思決定プロセスにAIツールが適用されている。 本研究は,クロスセクタ間差分を定量化するための革新的アプローチを導入する。
  論文  参考訳（メタデータ） (2024-05-24T08:10:31Z)
• How to Gain Commit Rights in Modern Top Open Source Communities? [14.72524623433377]
  現代のOSSコミュニティにおけるコミッタ資格の政策と実践的実装について検討する。 我々は、9つのテーマに分類される26のコードからなるコミッタ資格の分類を構築した。 参加時間が経過すると,コミット権獲得の可能性が低下することがわかった。
  論文  参考訳（メタデータ） (2024-05-03T01:23:06Z)
• Fairness meets Cross-Domain Learning: a new perspective on Models and Metrics [80.07271410743806]
  クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。 いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。 本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
  論文  参考訳（メタデータ） (2023-03-25T09:34:05Z)
• 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)
• Supporting the Task-driven Skill Identification in Open Source Project Issue Tracking Systems [0.0]
  コントリビュータがコントリビュータのタスクを選択するのを支援するために,オープンイシュー戦略の自動ラベル付けについて検討する。 スキルを特定することで、コントリビュータ候補はより適切なタスクを選択するべきだ、と私たちは主張する。 本研究では,実験におけるラベルの関連性を定量的に分析し,戦略の相対的重要性を比較した。
  論文  参考訳（メタデータ） (2022-11-02T14:17:22Z)
• Assaying Out-Of-Distribution Generalization in Transfer Learning [103.57862972967273]
  私たちは、経験的に対処するメッセージの相違を強調して、以前の作業の統一的なビューを取ります。 私たちは9つの異なるアーキテクチャから、多数の、あるいは少数の設定で31K以上のネットワークを微調整しました。
  論文  参考訳（メタデータ） (2022-07-19T12:52:33Z)
• Generative multitask learning mitigates target-causing confounding [61.21582323566118]
  マルチタスク学習のための因果表現学習のためのシンプルでスケーラブルなアプローチを提案する。 改善は、目標を狙うが入力はしない、観測されていない共同ファウンダーを緩和することによる。 人の属性とタスクノミーのデータセットに対する我々の結果は、事前の確率シフトに対するロバストネスの概念的改善を反映している。
  論文  参考訳（メタデータ） (2022-02-08T20:42:14Z)
• Measuring Fairness Under Unawareness of Sensitive Attributes: A Quantification-Based Approach [131.20444904674494]
  センシティブな属性の無意識下でのグループフェアネスを測定する問題に取り組む。 定量化手法は, フェアネスと無意識の問題に対処するのに特に適していることを示す。
  論文  参考訳（メタデータ） (2021-09-17T13:45:46Z)

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。