論文の概要: Not One to Rule Them All: Mining Meaningful Code Review Orders From GitHub

• arxiv url: http://arxiv.org/abs/2506.10654v1
• Date: Thu, 12 Jun 2025 12:44:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 15:37:22.734187
• Title: Not One to Rule Them All: Mining Meaningful Code Review Orders From GitHub
• Title（参考訳）: すべてをルールするものではない:GitHubから有意義なコードレビューの注文をマイニングする
• Authors: Abir Bouraffa, Carolin Brandt, Andy Zaidmann, Walid Maalej,
• Abstract要約: 本研究では、プルリクエストで送信された変更についてコメントしながら、開発者がフォローする異なるナビゲーション命令について検討する。 私たちは、GitHub上の人気のあるJavaとPythonリポジトリ100のプルリクエスト23,241件のコードレビューコメントをマイニングしました。 分析の結果,プルリクエストの44.6%において,レビュアーは非失語順でコメントした。
• 参考スコア（独自算出の注目度）: 7.5194404433883575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Developers use tools such as GitHub pull requests to review code, discuss proposed changes, and request modifications. While changed files are commonly presented in alphabetical order, this does not necessarily coincide with the reviewer's preferred navigation sequence. This study investigates the different navigation orders developers follow while commenting on changes submitted in pull requests. We mined code review comments from 23,241 pull requests in 100 popular Java and Python repositories on GitHub to analyze the order in which the reviewers commented on the submitted changes. Our analysis shows that for 44.6% of pull requests, the reviewers comment in a non-alphabetical order. Among these pull requests, we identified traces of alternative meaningful orders: 20.6% (2,134) followed a largest-diff-first order, 17.6% (1,827) were commented in the order of the files' similarity to the pull request's title and description, and 29% (1,188) of pull requests containing changes to both production and test files adhered to a test-first order. We also observed that the proportion of reviewed files to total submitted files was significantly higher in non-alphabetically ordered reviews, which also received slightly fewer approvals from reviewers, on average. Our findings highlight the need for additional support during code reviews, particularly for larger pull requests, where reviewers are more likely to adopt complex strategies rather than following a single predefined order.
• Abstract（参考訳）: 開発者はGitHubのプルリクエストなどのツールを使ってコードをレビューし、提案された変更について議論し、リクエスト修正を行う。 変更されたファイルはアルファベット順に表示されることが多いが、これはレビュアーが好むナビゲーションシーケンスと必ずしも一致しない。 本研究では、プルリクエストで送信された変更についてコメントしながら、開発者がフォローする異なるナビゲーション命令について検討する。 私たちはGitHub上の人気のあるJavaとPythonのリポジトリで23,241のプルリクエストからコードレビューのコメントを抽出し、レビュー担当者が提案された変更に対してコメントした順序を分析しました。 分析の結果,プルリクエストの44.6%において,レビュアーは非失語順でコメントした。 これらのプルリクエストのうち、20.6% (2,134) は最大の差分ファーストの順序に従っており、17.6% (1,827) はプルリクエストのタイトルと記述に類似したファイルの順序でコメントされ、29% (1,188) はプロダクションとテストファイルの変更がテストファーストの順序に適合している。 また,全ファイルに対するレビューファイルの割合は,非失語性レビューでは有意に高く,レビュアーからの承認もわずかに少なかった。 私たちの調査結果は、コードレビュー中の追加サポートの必要性、特に大きなプルリクエストでは、レビュアーは、単一の事前定義された順序に従うよりも、複雑な戦略を採用する傾向にあります。

関連論文リスト

• LazyReview A Dataset for Uncovering Lazy Thinking in NLP Peer Reviews [74.87393214734114]
  この研究は、微粒な遅延思考カテゴリで注釈付けされたピアレビュー文のデータセットであるLazyReviewを紹介している。 大規模言語モデル(LLM)は、ゼロショット設定でこれらのインスタンスを検出するのに苦労する。 命令ベースのデータセットの微調整により、パフォーマンスが10～20ポイント向上する。
  論文  参考訳（メタデータ） (2025-04-15T10:07:33Z)
• Can LLM feedback enhance review quality? A randomized study of 20K reviews at ICLR 2025 [115.86204862475864]
  Review Feedback Agentは、あいまいなコメント、コンテンツの誤解、レビュアーへの専門的でない発言に対する自動的なフィードバックを提供する。 ICLR 2025で大規模なランダム化制御研究として実装された。 フィードバックを受けたレビュアーの27%がレビューを更新し、エージェントからの12,000以上のフィードバック提案がレビュアーによって取り入れられた。
  論文  参考訳（メタデータ） (2025-04-13T22:01:25Z)
• How Do Developers Use Code Suggestions in Pull Request Reviews? [9.004005678155023]
  46のエンジニアリングGitHubプロジェクトからのプルリクエストに関する実証的研究を行った。 提案のタイプと使用頻度を明らかにするために,オープンコーディングアプローチを適用した。 コードスタイルの提案、改善、修正、ドキュメントの4つの提案タイプを明らかにしました。
  論文  参考訳（メタデータ） (2025-02-07T11:09:25Z)
• Understanding Code Understandability Improvements in Code Reviews [79.16476505761582]
  GitHub上のJavaオープンソースプロジェクトからの2,401のコードレビューコメントを分析した。 改善提案の83.9%が承認され、統合され、1%未満が後に復活した。
  論文  参考訳（メタデータ） (2024-10-29T12:21:23Z)
• An Empirical Study on Code Review Activity Prediction and Its Impact in Practice [7.189276599254809]
  本稿では,提案パッチのどのファイルにコメントが必要か,(2)修正,(3)ホットスポットかを予測することで,コードレビュアを支援することを目的とする。 3つのオープンソースと2つの産業データセットに関する実証的研究は、コード埋め込みとレビュープロセスの機能を組み合わせることで、最先端のアプローチよりも優れた結果をもたらすことを示しています。
  論文  参考訳（メタデータ） (2024-04-16T16:20:02Z)
• Code Reviewer Recommendation Based on a Hypergraph with Multiplex Relationships [30.74556500021384]
  多重関係を持つハイパーグラフを利用する新しいコードレビュアレコメンデーション手法であるMIRRecを提案する。 MIRRecは、プルリクエストと開発者の間で、学位なしのハイパーエッジを使用して、従来のペアワイズ接続を超える高次相関をエンコードする。 MIRRecの有効性を検証するために、GitHubにホストされている10の人気のあるオープンソースプロジェクトからの48,374のプルリクエストからなるデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-01-19T15:25:14Z)
• Repeated Builds During Code Review: An Empirical Study of the OpenStack Community [11.289146650622662]
  コミュニティから66,932のコードレビューの実証的研究を行った。 i)コードレビューの55%はビルド失敗後にリチェックコマンドを起動し、(ii)リチェックコマンドの呼び出しはビルド失敗の結果を42%のケースでのみ変更し、(iii)リチェックコマンドの呼び出しは平均2200%のレビュー待ち時間を増大させる。
  論文  参考訳（メタデータ） (2023-08-19T17:45:03Z)
• Assessing the Impact of File Ordering Strategies on Code Review Process [2.1874189959020427]
  前回の研究では、コードレビューで変更されたファイルの位置がレビュープロセスに影響を与えることが示されている。 本稿では、よく知られた産業プロジェクトIntelliJ IDEAのコードレビューにおけるファイル順序の影響について検討する。 デフォルトのアルファベット順の代替として、コード差分に従って変更ファイルを順序付けします。
  論文  参考訳（メタデータ） (2023-06-12T08:38:47Z)
• Automating App Review Response Generation [67.58267006314415]
  本稿では,レビューと回答の知識関係を学習することで,レビュー応答を自動的に生成する新しいアプローチRRGenを提案する。 58のアプリと309,246のレビュー-レスポンスペアの実験では、RRGenはBLEU-4の点で少なくとも67.4%のベースラインを上回っている。
  論文  参考訳（メタデータ） (2020-02-10T05:23:38Z)

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。