論文の概要: The Influence of Code Comments on the Perceived Helpfulness of Stack Overflow Posts

• arxiv url: http://arxiv.org/abs/2508.19610v2
• Date: Sat, 13 Sep 2025 19:13:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 15:23:16.379398
• Title: The Influence of Code Comments on the Perceived Helpfulness of Stack Overflow Posts
• Title（参考訳）: スタックオーバーフローポストの有効性に対するコードコメントの影響
• Authors: Kathrin Figl, Maria Kirchner, Sebastian Baltes, Michael Felderer,
• Abstract要約: Stack Overflowのような質問と回答のプラットフォームは、ソフトウェア開発者が知識を共有して取得するための重要な方法です。 コードコメントがStack Overflowの回答の有用性にどのように影響するかをよりよく理解するために、私たちはStack Overflow環境をシミュレートするオンライン実験を実施しました。 結果は、ブロックコメントとインラインコメントの両方が、未記述のソースコードよりもはるかに役に立つと認識されていることを示している。
• 参考スコア（独自算出の注目度）: 5.0211473911266085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Question-and-answer platforms such as Stack Overflow are an important way for software developers to share and retrieve knowledge. However, reusing poorly understood code can lead to serious problems, such as bugs or security vulnerabilities. To better understand how code comments affect the perceived helpfulness of Stack Overflow answers, we conducted an online experiment simulating a Stack Overflow environment (n=91). The results indicate that both block and inline comments are perceived as significantly more helpful than uncommented source code. Moreover, novices rated code snippets with block comments as more helpful than those with inline comments. Interestingly, other surface features, such as the position of an answer and its answer score, were considered less important. Moreover, the content of Stack Overflow has been a major source for training large language models. AI-based coding assistants such as GitHub Copilot, which are based on these models, are changing the way Stack Overflow is used. However, our findings have implications beyond Stack Overflow. First, they may help to improve the relevance also of other community-driven platforms, which provide human advice and explanations of code solutions, complementing AI-based support for software developers. Second, since chat-based AI tools can be prompted to generate code in different ways, knowing which properties influence perceived helpfulness can lead to more targeted prompting strategies to generate readable code snippets.
• Abstract（参考訳）: Stack Overflowのような質問と回答のプラットフォームは、ソフトウェア開発者が知識を共有して取得するための重要な方法です。 しかし、よく理解されていないコードの再利用は、バグやセキュリティ脆弱性などの深刻な問題を引き起こす可能性がある。 コードコメントがStack Overflowの回答の有用性にどのように影響するかをよりよく理解するために、私たちはStack Overflow環境(n=91)をシミュレートするオンライン実験を行いました。 結果は、ブロックコメントとインラインコメントの両方が、未記述のソースコードよりもはるかに役に立つと認識されていることを示している。 さらに初心者は、ブロックコメント付きのコードスニペットをインラインコメントよりも役に立つと評価した。 興味深いことに、答えの位置や回答スコアなどの他の表面的特徴は重要ではないと考えられていた。 さらに、Stack Overflowの内容は、大規模な言語モデルをトレーニングするための主要なソースとなっている。 これらのモデルに基づくGitHub CopilotのようなAIベースのコーディングアシスタントは、Stack Overflowの使用方法を変えつつある。 しかし、私たちの発見はStack Overflow以外にも影響があります。 ひとつは、AIベースのソフトウェア開発者のサポートを補完する、コードソリューションに関する人間的なアドバイスと説明を提供する、コミュニティ主導の他のプラットフォームとの関係性の改善に役立つかもしれない。 第二に、チャットベースのAIツールは、さまざまな方法でコードを生成するように促すことができるため、どのプロパティが有用性に影響を及ぼすかを知ることは、読みやすいコードスニペットを生成するためのよりターゲットを絞る戦略につながる。

関連論文リスト

• GBM Returns the Best Prediction Performance among Regression Approaches: A Case Study of Stack Overflow Code Quality [2.5515299924109858]
  Stack Overflow(Java)コード品質を予測する変数と、最高の予測能力を提供する回帰アプローチを検討した。 長いStack Overflowコードは、コード違反が多い傾向があり、より高いスコアを得た質問は、より多くのビューを惹きつけ、Stack Overflowの質問に追加される回答が増えるほど、提供されるコードには通常より多くのエラーが観測される。
  論文  参考訳（メタデータ） (2025-05-15T07:04:17Z)
• 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)
• Towards Better Answers: Automated Stack Overflow Post Updating [11.85319691188159]
  このタスクのために、Soup(Stack Overflow Updator for Post)という新しいフレームワークを紹介します。 Soup氏は、Valid Comment-Edit Prediction(VCP)とAutomatic Post Updating(APU)の2つの重要なタスクに対処している。
  論文  参考訳（メタデータ） (2024-08-17T04:48:53Z)
• Comments as Natural Logic Pivots: Improve Code Generation via Comment Perspective [85.48043537327258]
  本稿では, MANGO (comMents As Natural loGic pivOts) を提案する。 その結果、MANGOは強いベースラインに基づいてコードパス率を大幅に改善することがわかった。 論理的なコメントの復号化戦略の堅牢性は、考えの連鎖よりも顕著に高い。
  論文  参考訳（メタデータ） (2024-04-11T08:30:46Z)
• CONCORD: Clone-aware Contrastive Learning for Source Code [64.51161487524436]
  セルフ教師付き事前トレーニングは、多くのダウンストリームSEタスクに価値のあるジェネリックコード表現を学ぶための牽引役になった。 汎用的な表現学習のために、開発者が日々どのようにコードをコーディングするかは、要因としても不可欠である、と私たちは主張する。 特に,表現空間に良性クローンを近づける自己教師型コントラスト学習戦略であるCONCORDを提案する。
  論文  参考訳（メタデータ） (2023-06-05T20:39:08Z)
• Answer ranking in Community Question Answering: a deep learning approach [0.0]
  本研究は, 地域質問回答の回答ランキングを, 深層学習のアプローチで進めることによって, 技術の現状を推し進めるものである。 Stack OverflowのWebサイトにポストされた質問と回答の大規模なデータセットを作成しました。 我々は,高密度埋め込みとLSTMネットワークの自然言語処理機能を利用して,受理された応答属性の予測を行った。
  論文  参考訳（メタデータ） (2022-10-16T18:47:41Z)
• Features that Predict the Acceptability of Java and JavaScript Answers on Stack Overflow [5.332217496693262]
  私たちは、最も人気のある2つのタグ(JavaとJavaScript)の質問と回答を分析してStack Overflowデータセットを調査しました。 その結果,回答中のコードの長さ,ユーザの評判,質問と回答間のテキストの類似性,質問と回答間の時間ラグは,受け入れられない回答と受け入れられない回答を区別する最も高い予測力を有することがわかった。
  論文  参考訳（メタデータ） (2021-01-08T03:09:38Z)
• Retrieve, Program, Repeat: Complex Knowledge Base Question Answering via Alternate Meta-learning [56.771557756836906]
  本稿では,弱い監督からプログラマと交互に検索モデルを自動的に学習する手法を提案する。 本システムでは,知識ベースに対する複雑な質問応答を行う大規模タスクにおいて,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-10-29T18:28:16Z)
• Deep Just-In-Time Inconsistency Detection Between Comments and Source Code [51.00904399653609]
  本稿では,コード本体の変更によりコメントが矛盾するかどうかを検出することを目的とする。 私たちは、コメントとコードの変更を関連付けるディープラーニングアプローチを開発しています。 より包括的な自動コメント更新システムを構築するために,コメント更新モデルと組み合わせて提案手法の有用性を示す。
  論文  参考訳（メタデータ） (2020-10-04T16:49:28Z)
• Improving Quality of a Post's Set of Answers in Stack Overflow [2.0625936401496237]
  Stack Overflowの低品質な投稿の多くは改善を必要としている。 本稿では,このような投稿の識別プロセスを自動化し,回答の集合を強化するアプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-30T19:40:19Z)

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。