論文の概要: ChatGPT for Code Refactoring: Analyzing Topics, Interaction, and Effective Prompts
- arxiv url: http://arxiv.org/abs/2509.08090v1
- Date: Tue, 09 Sep 2025 18:55:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-11 15:16:52.230255
- Title: ChatGPT for Code Refactoring: Analyzing Topics, Interaction, and Effective Prompts
- Title（参考訳）: コードリファクタリングのためのChatGPT - トピック、インタラクション、効果的なプロンプトの分析
- Authors: Eman Abdullah AlOmar, Luo Xu, Sofia Martinez, Anthony Peruma, Mohamed Wiem Mkaouer, Christian D. Newman, Ali Ouni,
- Abstract要約: 大規模言語モデル(LLM)は、テスト、コードレビュー、プログラムの理解といった様々なソフトウェア工学のタスクで広く使われている。
私たちの目標は、開発者とChatGPT間のインタラクションを調べて、開発者がコード改善の領域を特定する方法をよりよく理解することにあります。
当社のアプローチでは,29,778のChatGPTプロンプトと応答からのテキストマイニング715関連インタラクションに加えて,開発者の明示的な意図の分析を行う。
- 参考スコア（独自算出の注目度）: 10.31253409274086
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Large Language Models (LLMs), such as ChatGPT, have become widely popular and widely used in various software engineering tasks such as refactoring, testing, code review, and program comprehension. Although recent studies have examined the effectiveness of LLMs in recommending and suggesting refactoring, there is a limited understanding of how developers express their refactoring needs when interacting with ChatGPT. In this paper, our goal is to explore interactions related to refactoring between developers and ChatGPT to better understand how developers identify areas for improvement in code, and how ChatGPT addresses developers' needs. Our approach involves text mining 715 refactoring-related interactions from 29,778 ChatGPT prompts and responses, as well as the analysis of developers' explicit refactoring intentions.
- Abstract（参考訳）: ChatGPTのような大規模言語モデル(LLM)は、リファクタリング、テスト、コードレビュー、プログラム理解といった様々なソフトウェアエンジニアリングタスクで広く普及し、広く使われている。
近年の研究では、リファクタリングを推奨し提案するLLMの有効性について検討されているが、ChatGPTと対話する際に、開発者がリファクタリングのニーズをどのように表現するかについては、限定的な理解がある。
本稿では、開発者とChatGPT間のリファクタリングに関連するインタラクションを探求し、開発者がコード改善の領域を特定する方法と、ChatGPTが開発者のニーズにどう対処するかをよりよく理解することを目的とする。
当社のアプローチでは,29,778のChatGPTプロンプトとレスポンスから715のリファクタリング関連インタラクションをテキストマイニングし,開発者の明示的なリファクタリング意図を分析する。
関連論文リスト
- Automated Refactoring of Non-Idiomatic Python Code: A Differentiated Replication with LLMs [54.309127753635366]
本研究は, GPT-4の有効性について検討し, 慣用行動の推奨と示唆について検討した。
この結果から,従来は複雑なコード解析に基づくレコメンデータの実装が求められていた,LCMの課題達成の可能性が浮き彫りになった。
論文 参考訳（メタデータ） (2025-01-28T15:41:54Z) - How to Refactor this Code? An Exploratory Study on Developer-ChatGPT
Refactoring Conversations [14.736597134188065]
開発者がChatGPTと対話する際のニーズを明確にする方法については、ほとんど分かっていない。
提案手法は17,913のChatGPTプロンプトと応答からのテキストマイニングに関する会話に依存する。
私たちの発見は、コードという文脈において、開発者とAIモデル間のコラボレーションのより広範な理解に寄与し、モデルの改善、ツール開発、ソフトウェアエンジニアリングにおけるベストプラクティスに影響を及ぼすと期待しています。
論文 参考訳（メタデータ） (2024-02-08T19:24:01Z) - Rocks Coding, Not Development--A Human-Centric, Experimental Evaluation
of LLM-Supported SE Tasks [9.455579863269714]
コーディングタスクやソフトウェア開発の典型的なタスクにおいて,ChatGPTがどの程度役に立つかを検討した。
単純なコーディング問題ではChatGPTはうまく機能していましたが、典型的なソフトウェア開発タスクをサポートするパフォーマンスはそれほど良くありませんでした。
そこで本研究では,ChatGPTを用いたソフトウェアエンジニアリングタスクを現実の開発者に提供する。
論文 参考訳（メタデータ） (2024-02-08T13:07:31Z) - DevGPT: Studying Developer-ChatGPT Conversations [12.69439932665687]
本稿では、ソフトウェア開発者がChatGPTとどのように相互作用するかを調査するためのデータセットであるDevGPTを紹介する。
データセットには、ChatGPTからの29,778のプロンプトとレスポンスが含まれており、コードスニペットは19,106である。
論文 参考訳（メタデータ） (2023-08-31T06:55:40Z) - ChatDev: Communicative Agents for Software Development [84.90400377131962]
ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。
これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
論文 参考訳（メタデータ） (2023-07-16T02:11:34Z) - State of Refactoring Adoption: Better Understanding Developer Perception
of Refactoring [5.516979718589074]
ソフトウェアライフサイクルにおける開発者の活動の文書化方法について検討する。
このようなアクティビティを自己確認リファクタリング(Self-Affirmed Refactoring, SAR)と呼びます。
本稿では,コミットが開発者関連のイベントを記述しているかどうかを,共通品質改善カテゴリに従って分類するアプローチを提案する。
論文 参考訳（メタデータ） (2023-06-09T16:38:20Z) - ChatCoT: Tool-Augmented Chain-of-Thought Reasoning on Chat-based Large
Language Models [125.7209927536255]
チャットベースのLLMのためのツール拡張チェーン推論フレームワークChatCoTを提案する。
ChatCoTでは、チャットを通じてより自然な方法でツールを活用するために、マルチターン会話として思考の連鎖(CoT)推論をモデル化します。
提案手法は,チャットベースのLLMのマルチターン会話能力を効果的に活用し,思考連鎖とツール操作を統一的に統合する。
論文 参考訳（メタデータ） (2023-05-23T17:54:33Z) - Do code refactorings influence the merge effort? [80.1936417993664]
複数のコントリビュータがソースコードを並行して変更して,新機能の実装やバグの修正,既存のコードの変更などを行っている。
これらの同時変更は、ソースコードの同じバージョンにマージする必要がある。
研究によると、すべてのマージの試みの10～20%が衝突を起こしており、これはプロセスを完了するために手動開発者の介入を必要とする。
論文 参考訳（メタデータ） (2023-05-10T13:24:59Z) - ChatGPT Beyond English: Towards a Comprehensive Evaluation of Large
Language Models in Multilingual Learning [70.57126720079971]
大規模言語モデル(LLM)は、自然言語処理(NLP)において最も重要なブレークスルーとして登場した。
本稿では,高,中,低,低リソースの37言語を対象として,ChatGPTを7つのタスクで評価する。
従来のモデルと比較すると,様々なNLPタスクや言語に対するChatGPTの性能は低下していた。
論文 参考訳（メタデータ） (2023-04-12T05:08:52Z) - Reasoning in Dialog: Improving Response Generation by Context Reading
Comprehension [49.92173751203827]
マルチターンダイアログでは、発話が文の完全な形を取るとは限らない。
読み解きの質問に答えるモデルの能力を検討し、応答生成性能の向上を提案する。
論文 参考訳（メタデータ） (2020-12-14T10:58:01Z)
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。