論文の概要: KOALA: a Configurable Tool for Collecting IDE Data When Solving Programming Tasks

• arxiv url: http://arxiv.org/abs/2506.21266v1
• Date: Thu, 26 Jun 2025 13:48:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:10.10568
• Title: KOALA: a Configurable Tool for Collecting IDE Data When Solving Programming Tasks
• Title（参考訳）: KOALA: プログラミングタスクの解決時にIDEデータを収集するための設定可能なツール
• Authors: Daniil Karol, Elizaveta Artser, Ilya Vlasov, Yaroslav Golubev, Hieke Keuning, Anastasiia Birillo,
• Abstract要約: KOALAはJetBrains IDEでプログラミングタスクを解く学生のデータを集めるツールである。 学生に必要なタスクを提供し、コード補完のようなIDE機能を有効または無効にし、サーベイを実行する。 問題解決の過程で、プラグインは設定された粒度でコードスナップショットを収集する。 収集されたデータはツールが付属するサーバに送信され、そこで保存され、標準化されたProgSnap2フォーマットに変換される。
• 参考スコア（独自算出の注目度）: 1.9626657740463982
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collecting data of students solving programming tasks is incredibly valuable for researchers and educators. It allows verifying that the students correctly apply the features and concepts they are taught, or finding students' misconceptions. However, existing data collection tools have limitations, e.g., no control over the granularity of the collected code, not collecting the specific events of the programming environment used, and overall being hard to configure. To overcome these limitations, we propose KOALA, a convenient and highly configurable tool for collecting code snapshots and feature usage from students solving programming tasks in JetBrains IDEs. The plugin can be installed in IDEs and configured to provide the students with the necessary tasks, enable or disable certain IDE features like code completion, and run surveys. During problem solving, the plugin collects code snapshots at the configured granularity, all IDE actions like running and debugging, as well as some data not collected in prior works, like employed hotkeys and switching focus between files. The collected data is sent to the server that comes with the tool, where it is stored and can be converted to the standardized ProgSnap2 format. To showcase the tool, we collected data from 28 students solving tasks in two courses within the IDE, highlighting some insights from this data.
• Abstract（参考訳）: プログラミングタスクを解く学生のデータを収集することは、研究者や教育者にとって非常に価値がある。 生徒が教えている特徴や概念を正しく適用していることを確認することや、学生の誤解を見つけることができる。 しかし、既存のデータ収集ツールには制限があり、例えば、収集されたコードの粒度を制御せず、使用するプログラミング環境の特定のイベントを収集しない。 これらの制限を克服するために,JetBrains IDE でプログラミングタスクを解く学生から,コードスナップショットと機能使用量の収集を行うための,便利で構成性の高いツール KOALA を提案する。 プラグインはIDEにインストールでき、学生に必要なタスクを提供し、コード補完のようなIDE機能を有効または無効にし、サーベイを実行するように構成できる。 問題の解決では、プラグインは設定された粒度のコードスナップショット、実行やデバッグなどのIDEアクション、Hotkeyの使用やファイル間のフォーカスの切り替えなど、以前の作業で収集されていないいくつかのデータを収集する。 収集されたデータはツールが付属するサーバに送信され、そこで保存され、標準化されたProgSnap2フォーマットに変換される。 このツールをデモするために、28人の学生がIDE内の2つのコースでタスクを解くデータを収集した。

関連論文リスト

• In-IDE Programming Courses: Learning Software Development in a Real-World Setting [5.330251011543498]
  JetBrainsは最近JetBrains Academyプラグインをリリースした。 このプラグインを使って少なくとも1コースを修了した学生や開発者に対して,8回の1時間インタビューを行った。
  論文  参考訳（メタデータ） (2025-01-29T16:34:22Z)
• Code Compass: A Study on the Challenges of Navigating Unfamiliar Codebases [2.808331566391181]
  これらの問題に対処するための新しいツールであるCodeを提案する。 本研究は,現在のツールと方法論における大きなギャップを浮き彫りにしている。 私たちのフォーマティブな調査は、開発者がドキュメントをナビゲートする時間をいかに効率的に削減するかを示しています。
  論文  参考訳（メタデータ） (2024-05-10T06:58:31Z)
• Tool-Augmented LLMs as a Universal Interface for IDEs [0.768721532845575]
  自然言語対話とコード生成の両方が可能な大規模言語モデル(LLM)は、統合開発環境(IDE)の概念の陳腐化を論じる。 ユーザコマンドで複数のIDE機能を含む複雑なアクションを実行でき、オプションやアクションを検索する際の面倒な作業のユーザエクスペリエンスを削除できるモデルを構想する。
  論文  参考訳（メタデータ） (2024-02-18T16:32:28Z)
• JetTrain: IDE-Native Machine Learning Experiments [4.23507375452691]
  JetTrainは、機械学習(ML)実験をローンチするための統合開発環境(IDE)ツールである。 ユーザはローカルでコードを書いてデバッグし、オンデマンドのハードウェアを使ってリモートでシームレスに実行できる。 このアプローチは、MLトレーニング問題の参入障壁を低くし、実験スループットを向上させることができると我々は主張する。
  論文  参考訳（メタデータ） (2024-02-16T17:53:08Z)
• ControlLLM: Augment Language Models with Tools by Searching on Graphs [97.62758830255002]
  我々は,大規模言語モデル(LLM)が実世界のタスクを解くためのマルチモーダルツールを利用できる新しいフレームワークであるControlLLMを提案する。 フレームワークは,(1)複雑なタスクを明確なサブタスクに分割し,入力と出力を適切に定義したサブタスクに分解するtextittask Decomposer,(2)構築済みのツールグラフ上で最適なソリューションパスを探索する textitThoughts-on-Graph(ToG)パラダイム,(3)ソリューションパスを解釈して実行するリッチなツールボックスを備えた textitexecution Engine,の3つの主要なコンポーネントから構成される。
  論文  参考訳（メタデータ） (2023-10-26T21:57:21Z)
• CRAFT: Customizing LLMs by Creating and Retrieving from Specialized Toolsets [75.64181719386497]
  大規模言語モデル(LLM)のためのツール作成・検索フレームワークであるCRAFTを提案する。 タスク用に特別にキュレートされたツールセットを作成し、複雑なタスクを解決する能力を高めるためにこれらのセットからツールを取得するコンポーネントをLLMに装備する。 本手法はフレキシブルに設計されており,既製のLCMを細かな調整なしに未確認領域やモダリティに適応するためのプラグアンドプレイ方式を提供する。
  論文  参考訳（メタデータ） (2023-09-29T17:40:26Z)
• All You Need Is Logs: Improving Code Completion by Learning from Anonymous IDE Usage Logs [55.606644084003094]
  そこで本研究では,IDEのユーザからコンプリート利用ログを収集する手法を提案する。 機械学習ベースのモデルをトレーニングして、完成候補をランク付けします。 評価の結果,過去のユーザ動作ログに基づいてトレーニングした単純なランキングモデルを用いることで,コード補完エクスペリエンスが大幅に向上した。
  論文  参考訳（メタデータ） (2022-05-21T23:21:26Z)

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。