論文の概要: Design and Implementation of Data Acquisition and Analysis System for Programming Debugging Process Based On VS Code Plug-In

• arxiv url: http://arxiv.org/abs/2511.05825v1
• Date: Sat, 08 Nov 2025 03:18:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.602672
• Title: Design and Implementation of Data Acquisition and Analysis System for Programming Debugging Process Based On VS Code Plug-In
• Title（参考訳）: VS Code Plug-Inに基づくデバッグプロセスプログラミングのためのデータ取得・解析システムの設計と実装
• Authors: Boyang Liu,
• Abstract要約: そこで本研究では,VS Code プラグインをベースとしたデバッグプロセスのためのデータ取得と解析システムを実装した。 このシステムは様々なプログラミング言語をサポートし、デバッグタスクとデータ取得機能を統合する。 データをプラットフォームデータベースにアップロードして、プロセス全体の監視とフィードバックを実現し、教育効果を向上させる。
• 参考スコア（独自算出の注目度）: 1.1521859713894205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In order to meet the needs of students' programming debugging ability training, this paper designs and implements a data acquisition and analysis system for programming debugging process based on VS Code plug-in, which aims to solve the limitation of traditional assessment methods that are difficult to fully evaluate students' debugging ability. The system supports a variety of programming languages, integrates debugging tasks and data acquisition functions, captures students' debugging behavior in the local editor in real time, and uploads the data to the platform database to realize the whole process monitoring and feedback, provides accurate debugging guidance for teachers, and improves the teaching effect. In terms of data analysis, the system proposed a debugging behavior analysis model based on abstract syntax tree, combined with node annotation, sequence recognition and cluster analysis and other technologies, to automatically track the context of students' debugging process and accurately identify key features in the debugging path. Through this tool, the system realizes the intelligent identification and labeling of the debugging direction and behavior pattern, and improves the refinement level of debugging data analysis. In this research system, a complex debugging scenario of multi-file and multi-task is introduced into the debugging problem design, which optimizes the multi-dimensional capturing ability of debugging data and lays a foundation for accurate debugging behavior analysis. Through several practical teaching tests, the feasibility and stability of the system are verified, which proves that it can effectively support procedural evaluation in programming debugging teaching, and provides a new direction for debugging behavior analysis research.
• Abstract（参考訳）: 学生のプログラミングデバッグ能力訓練のニーズを満たすため,VS Codeプラグインをベースとして,学生のデバッグ能力を十分に評価し難い従来の評価方法の制限を解決することを目的とした,デバッグプロセスのためのデータ取得・解析システムの設計と実装を行う。 このシステムは、様々なプログラミング言語をサポートし、デバッグタスクとデータ取得機能を統合し、生徒のローカルエディタでのデバッグ動作をリアルタイムでキャプチャし、プラットフォームデータベースにデータをアップロードし、プロセスの監視とフィードバック全体を実現するとともに、教師に正確なデバッグガイダンスを提供し、教育効果を向上させる。 データ解析に関しては,ノードアノテーションやシーケンス認識,クラスタ解析などと組み合わせた抽象構文木に基づくデバッグ行動解析モデルを提案し,生徒のデバッグプロセスのコンテキストを自動的に追跡し,デバッグパスの重要な特徴を正確に識別する。 このツールにより、デバッグ方向と動作パターンのインテリジェントな識別とラベル付けを実現し、デバッグデータ解析の洗練レベルを改善する。 本研究では,複数ファイルとマルチタスクの複雑なデバッギングシナリオをデバッグ問題設計に導入し,デバッギングデータの多次元キャプチャ能力を最適化し,正確なデバッギング動作解析の基礎を定めている。 いくつかの実践的な授業テストを通じてシステムの実現可能性と安定性を検証し、デバッグ学習における手続き的評価を効果的に支援できることを証明し、デバッグ行動分析研究の新しい方向性を提供する。

関連論文リスト

• InspectCoder: Dynamic Analysis-Enabled Self Repair through interactive LLM-Debugger Collaboration [71.18377595277018]
  大きな言語モデル(LLM)は、診断が難しい複雑なロジックエラーを伴うバグの多いコードを生成することが多い。 対話型デバッガ制御による動的解析を LLM に委ねる初のエージェントプログラム修復システムである InspectCoder を提案する。
  論文  参考訳（メタデータ） (2025-10-21T06:26:29Z)
• ToolCoder: A Systematic Code-Empowered Tool Learning Framework for Large Language Models [81.12673534903979]
  ツール学習は、大規模な言語モデル(LLM)にとって、外部ツールとのインタラクションを通じて、複雑な現実世界のタスクを解決する重要な機能として登場した。 本稿では,ツール学習をコード生成タスクとして再編成する新しいフレームワークであるToolCoderを提案する。
  論文  参考訳（メタデータ） (2025-02-17T03:42:28Z)
• Simulated Interactive Debugging [7.3742419367796535]
  我々は,学生がデバッグプロセスに沿って対話的に指導する「シミュレート・インタラクティブ」という手法を提案する。 このガイダンスは、生徒がソリューションを修復し、適切な学習経験を持つことを奨励することを目的としている。 従来のフォールトローカライズ手法と大規模言語モデルを用いた実装を開発した。
  論文  参考訳（メタデータ） (2025-01-16T17:47:18Z)
• VDebugger: Harnessing Execution Feedback for Debugging Visual Programs [103.61860743476933]
  V Debuggerは、視覚プログラムのローカライズとデバッギングのために、段階的に実行を追跡することで訓練された、批評家とリファインダーのフレームワークである。 Vデバッガは、詳細な実行フィードバックを活用してプログラムエラーを特定し、修正する。 6つのデータセットの評価は、Vデバッガの有効性を示し、ダウンストリームタスクの精度が最大3.2%向上したことを示している。
  論文  参考訳（メタデータ） (2024-06-19T11:09:16Z)
• Efficacy of static analysis tools for software defect detection on open-source projects [0.0]
  この調査では、SonarQube、PMD、Checkstyle、FindBugsといった一般的な分析ツールを使って比較を行った。 その結果,SonarQubeの欠陥検出は,他のツールと比較してかなり優れていることがわかった。
  論文  参考訳（メタデータ） (2024-05-20T19:05:32Z)
• LLMDFA: Analyzing Dataflow in Code with Large Language Models [8.92611389987991]
  本稿では,コンパイル不要でカスタマイズ可能なデータフロー解析フレームワークLLMDFAを提案する。 問題をいくつかのサブタスクに分解し、一連の新しい戦略を導入する。 LLMDFAは平均87.10%の精度と80.77%のリコールを達成し、F1スコアを最大0.35に向上させた。
  論文  参考訳（メタデータ） (2024-02-16T15:21:35Z)
• Leveraging Print Debugging to Improve Code Generation in Large Language Models [63.63160583432348]
  大規模言語モデル(LLM)はコード生成タスクにおいて大きな進歩を遂げた。 しかし、複雑なデータ構造やアルゴリズムによるプログラミング問題に対処する彼らのパフォーマンスは、依然として準最適である。 そこで本稿では,LLM のデバッグを "print debugging" 手法でガイドする,コンテキスト内学習手法を提案する。
  論文  参考訳（メタデータ） (2024-01-10T18:37:59Z)
• Teaching Large Language Models to Self-Debug [62.424077000154945]
  大規模言語モデル(LLM)は、コード生成において素晴らしいパフォーマンスを達成した。 本稿では,大規模言語モデルで予測プログラムを数発のデモでデバッグする自己デバッグを提案する。
  論文  参考訳（メタデータ） (2023-04-11T10:43:43Z)
• Understanding and Supporting Debugging Workflows in Multiverse Analysis [12.23386451120784]
  マルチバース分析は、合理的な分析選択のすべての組み合わせを並列に考える統計分析のパラダイムである。 最近のツールは、アナリストがマルチバース分析を特定するのに役立つが、実際には使用が困難である。 コマンドラインインタフェースツールであるMultiverse Debuggerを開発し、マルチバースおよびプロパゲートのバグの診断を支援する。
  論文  参考訳（メタデータ） (2022-10-07T20:22:36Z)

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。