論文の概要: REST in Pieces: RESTful Design Rule Violations in Student-Built Web Apps

• arxiv url: http://arxiv.org/abs/2507.11689v1
• Date: Tue, 15 Jul 2025 19:46:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-17 19:00:11.127462
• Title: REST in Pieces: RESTful Design Rule Violations in Student-Built Web Apps
• Title（参考訳）: REST in Pieces: 学生ビルトWebアプリにおけるRESTfulデザインルール違反
• Authors: Sergio Di Meglio, Valeria Pontillo, Luigi Libero Lucio Starace,
• Abstract要約: 3年目のWeb Technologiesコースで開発された40のフルスタックWebアプリケーションを分析します。 その結果、エンドポイントパスにおけるハイフンの欠如など、基本的な規約に頻繁に違反することが明らかとなった。
• 参考スコア（独自算出の注目度）: 3.5112462023222504
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In Computer Science Bachelor's programs, software quality is often underemphasized due to limited time and a focus on foundational skills, leaving many students unprepared for industry expectations. To better understand the typical quality of student code and inform both education and hiring practices, we analyze 40 full-stack web applications developed in a third-year Web Technologies course. Using an automated static analysis pipeline, we assess adherence to REST API design rules. Results reveal frequent violations of foundational conventions, such as missing hyphens in endpoint paths (98%), incorrect pluralization (88%), and misuse of HTTP methods (83%). These findings highlight the need for more focused instruction on API design and support the adoption of automated tools to improve code quality in student projects.
• Abstract（参考訳）: Computer Science Bachelorのプログラムでは、ソフトウェアの品質は、限られた時間と基礎技術に焦点が当てられているため、しばしば強調され、多くの学生は業界の期待に応えていない。 学生のコードの典型的な品質をよりよく理解し、教育と雇用の慣行の両方に知らせるために、3年目のWeb Technologiesコースで開発された40のフルスタックWebアプリケーションを分析します。 自動静的分析パイプラインを使用して、REST API設計ルールへの準拠を評価します。 その結果、エンドポイントパスのハイフンの欠如(98%)、不正な多重化(88%)、HTTPメソッドの誤用(83%)など、基本的な規約に頻繁に違反することが明らかとなった。 これらの発見は、API設計にもっと集中した教育の必要性を強調し、学生プロジェクトのコード品質を改善するための自動化ツールの採用をサポートする。

関連論文リスト

• Rookie Mistakes: Measuring Software Quality in Student Projects to Guide Educational Enhancement [1.7482569079741024]
  SonarQubeとArchUnitを組み合わせて静的解析パイプラインを適用し、コードの臭いやアーキテクチャ上のアンチパターンを検出する。 本研究は, 学生が直面している課題の具体的証拠として, 繰り返し発生する品質問題に注目した。
  論文  参考訳（メタデータ） (2025-07-15T19:37:23Z)
• Specification-Guided Repair of Arithmetic Errors in Dafny Programs using LLMs [84.30534714651093]
  本稿では,検証を意識したプログラミング言語であるDafnyに対して,革新的なAPRツールを提案する。 プログラム内の各ステートメントの状態を決定するために、Hoare Logicの使用を含む一連のステップを通じて、障害をローカライズします。 実世界のDafnyプログラムのベンチマークであるDafnyBenchを用いて,我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2025-07-04T15:36:12Z)
• WebUIBench: A Comprehensive Benchmark for Evaluating Multimodal Large Language Models in WebUI-to-Code [57.45181837786448]
  MLLM(Multimodal Large Language Models)は、複雑なWebアプリケーション開発を実行するAIソフトウェアエンジニアとして機能する可能性がある。 既存のベンチマークは、通常、サブ能力の評価を提供し、Webページ生成結果のみに焦点を当てない。 WebUIパーセプション、HTMLプログラミング、WebUI-HTML理解、WebUI-to-Codeの4つの主要な領域でMLLMを評価するために体系的に設計されたベンチマークであるWebUIBenchを提案する。
  論文  参考訳（メタデータ） (2025-06-09T14:46:02Z)
• An Online Integrated Development Environment for Automated Programming Assessment Systems [4.618037115403291]
  本研究は,オンラインIDEの要件を抽出し,定義することで,プログラミング教育の分野に貢献する。 新しいオンラインIDEのユーザビリティをTechnology Acceptance Model (TAM)を用いて評価し,27人の初等生からフィードバックを得た。
  論文  参考訳（メタデータ） (2025-03-17T12:50:51Z)
• PyEvalAI: AI-assisted evaluation of Jupyter Notebooks for immediate personalized feedback [43.56788158589046]
  PyEvalAIは、プライバシを保護するために、ユニットテストとローカルにホストされた言語モデルを組み合わせてJupyterノートをスコアする。 あるケーススタディは、大学レベルの数値科目における演習のフィードバック速度の向上と学習効率の向上に効果を示す。
  論文  参考訳（メタデータ） (2025-02-25T18:20:20Z)
• The Lazy Student's Dream: ChatGPT Passing an Engineering Course on Its Own [3.2334676138718677]
  本稿では,Large Language Models (LLMs) の制御系コースを成功させる能力について包括的に検討する。 現実的な学生の利用パターンをシミュレートする「最小限の努力」プロトコルの下で,ChatGPTを用いてLCMの性能を評価する。 我々の分析は、制御システム工学における数学的定式化、コーディングの課題、理論的概念を扱う際のAIの強みと限界に関する定量的洞察を提供する。
  論文  参考訳（メタデータ） (2025-02-23T18:47:14Z)
• An efficient approach to represent enterprise web application structure using Large Language Model in the service of Intelligent Quality Engineering [0.0]
  本稿では,Large Language Models (LLM) を用いたエンタープライズWebアプリケーション構造を表現する新しい手法を提案する。 LLMの少数ショット学習能力を最適化する階層的表現手法を提案する。 我々の方法論は、自動ソフトウェアテストにおけるジェネレーティブAI技術の使用に関する既存の課題に対処する。
  論文  参考訳（メタデータ） (2025-01-12T15:10:57Z)
• Could ChatGPT get an Engineering Degree? Evaluating Higher Education Vulnerability to AI Assistants [176.39275404745098]
  我々は,2つのAIアシスタントであるGPT-3.5とGPT-4が適切な回答を得られるかどうかを評価する。 GPT-4は65.8%の質問を正解し、85.1%の質問に対して少なくとも1つの手順で正しい答えを出すことができる。 この結果から,AIの進歩を踏まえて,高等教育におけるプログラムレベルの評価設計の見直しが求められた。
  論文  参考訳（メタデータ） (2024-08-07T12:11:49Z)
• Automated Distractor and Feedback Generation for Math Multiple-choice Questions via In-context Learning [43.83422798569986]
  マルチチョイス質問(MCQ)は、管理しやすく、格付けし、信頼性の高い評価形式であるため、ほぼ全てのレベルの教育においてユビキタスである。 これまで、高品質なイントラクタを作るというタスクは、教師やコンテンツデザイナーを学ぶための労働集約的なプロセスのままだった。 本稿では,テキスト内学習をベースとした簡易な学習手法を提案する。
  論文  参考訳（メタデータ） (2023-08-07T01:03:04Z)
• Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
  ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。 標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
  論文  参考訳（メタデータ） (2022-11-16T10:00:23Z)
• Design Automation for Fast, Lightweight, and Effective Deep Learning Models: A Survey [53.258091735278875]
  本調査では,エッジコンピューティングを対象としたディープラーニングモデルの設計自動化技術について述べる。 これは、有効性、軽量性、計算コストの観点からモデルの習熟度を定量化するために一般的に使用される主要なメトリクスの概要と比較を提供する。 この調査は、ディープモデル設計自動化技術の最先端の3つのカテゴリをカバーしている。
  論文  参考訳（メタデータ） (2022-08-22T12:12:43Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)

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。