論文の概要: Adoption and Evolution of Code Style and Best Programming Practices in Open-Source Projects
- arxiv url: http://arxiv.org/abs/2601.09832v1
- Date: Wed, 14 Jan 2026 19:48:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-16 19:43:18.877469
- Title: Adoption and Evolution of Code Style and Best Programming Practices in Open-Source Projects
- Title（参考訳）: オープンソースプロジェクトにおけるコードスタイルとベストプラクティスの採用と進化
- Authors: Alvari Kupari, Nasser Giacaman, Valerio Terragni,
- Abstract要約: 本稿では,GITHUB 上で人気の 1,036 のオープンソース JAVA プロジェクトを分析し,コードスタイルとプログラミングの実践が時間とともにどのように採用され,進化するかを考察する。
JavadocとNamingの違反が最も一般的です。
また、GOOGLE Javaスタイルガイドには、最新の静的解析ツールが欠落することが多いカテゴリで、かなりの数の違反があったこともわかりました。
- 参考スコア（独自算出の注目度）: 2.9439848714137447
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Following code style conventions in software projects is essential for maintaining overall code quality. Adhering to these conventions improves maintainability, understandability, and extensibility. Additionally, following best practices during software development enhances performance and reduces the likelihood of errors. This paper analyzes 1,036 popular open-source JAVA projects on GITHUB to study how code style and programming practices are adopted and evolve over time, examining their prevalence and the most common violations. Additionally, we study a subset of active repositories on a monthly basis to track changes in adherence to coding standards over time. We found widespread violations across repositories, with Javadoc and Naming violations being the most common. We also found a significant number of violations of the GOOGLE Java Style Guide in categories often missed by modern static analysis tools. Furthermore, repositories claiming to follow code-style practices exhibited slightly higher overall adherence to code-style and best-practices. The results provide valuable insights into the adoption of code style and programming practices, highlighting key areas for improvement in the open-source development community. Furthermore, the paper identifies important lessons learned and suggests future directions for improving code quality in JAVA projects.
- Abstract（参考訳）: ソフトウェアプロジェクトでコードスタイルの規約に従うことは、全体的なコード品質を維持するのに不可欠です。
これらの慣習に従うことで、保守性、理解可能性、拡張性が向上します。
さらに、ソフトウェア開発のベストプラクティスに従うことで、パフォーマンスが向上し、エラーの可能性が低下します。
本稿では,GITHUB 上で人気の 1,036 のオープンソース JAVA プロジェクトを分析し,コードスタイルとプログラミングプラクティスが時間とともにどのように採用され,進化していくのかを,その頻度と最も一般的な違反について検討する。
さらに、アクティブリポジトリのサブセットを月次ベースで調査し、コーディング標準への準拠性の変化を経時的に追跡する。
JavadocとNamingの違反が最も一般的です。
また、GOOGLE Javaスタイルガイドには、モダンな静的解析ツールが欠落することが多いカテゴリで、かなりの数の違反があったこともわかりました。
さらに、コードスタイルのプラクティスに従うと主張するレポジトリは、コードスタイルとベストプラクティスへの全体的な順守をわずかに高めた。
結果として、コードスタイルとプログラミングプラクティスの採用に関する貴重な洞察が得られ、オープンソース開発コミュニティで改善すべき重要な領域が浮かび上がっています。
さらに、JAVAプロジェクトで学んだ重要な教訓を特定し、コード品質を改善するための今後の方向性を提案する。
関連論文リスト
- From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence [150.3696990310269]
大規模言語モデル(LLM)は、自然言語記述を直接関数コードに変換することによって、自動ソフトウェア開発を変革した。
コードLLMに関する総合的な合成と実践的ガイド(一連の解析および探索実験)を提供する。
一般LLM(GPT-4, Claude, LLaMA)とコード特殊化LLM(StarCoder, Code LLaMA, DeepSeek-Coder, QwenCoder)のコード機能の解析を行う。
論文 参考訳（メタデータ） (2025-11-23T17:09:34Z) - Knowledge Graph Based Repository-Level Code Generation [0.0]
本稿では,コード検索と検索を改善するための知識グラフに基づく新しい手法を提案する。
提案手法は,コードリポジトリをグラフとして表現し,コンテキスト認識型コード生成のための構造情報とリレーショナル情報をキャプチャする。
提案手法を,リポジトリレベルのコード生成ベンチマークであるEvolutionary Code Benchmarkデータセットにベンチマークし,提案手法がベースラインアプローチを著しく上回ることを示す。
論文 参考訳（メタデータ） (2025-05-20T14:13:59Z) - Code Improvement Practices at Meta [11.3591598115242]
コード品質に関するエンジニアとのコラボレーションによるMetaの実践について検討する。
リッチなソースコード変更履歴を分析して、継続的な改善に使用されるさまざまなプラクティスを明らかにします。
再設計活動の影響を解析した結果,品質と速度が大幅に向上した。
論文 参考訳（メタデータ） (2025-04-16T22:30:54Z) - Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。
Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
論文 参考訳（メタデータ） (2024-10-02T09:11:10Z) - Refactoring Deep Learning Code: A Study of Practices and Unsatisfied Tool Needs [10.440289439181756]
ディープラーニングソフトウェアは、ソフトウェアが進化するにつれて、徐々に複雑になってきています。
ディープラーニングの文脈におけるコードの洞察はまだ不明だ。
関連ツールの研究と開発は、プロジェクトの保守性とコード品質を改善するために不可欠である。
論文 参考訳（メタデータ） (2024-05-08T07:35:14Z) - CoderUJB: An Executable and Unified Java Benchmark for Practical Programming Scenarios [25.085449990951034]
我々は,多種多様なJavaプログラミングタスクにわたる大規模言語モデル(LLM)を評価するために設計された新しいベンチマークであるCoderUJBを紹介した。
本ベンチマークでは,様々なオープンソースおよびクローズドソース LLM の符号化能力について検討した。
この結果は、LSMは強力な可能性を示す一方で、特に非機能コード生成において課題が残っていることを示している。
論文 参考訳（メタデータ） (2024-03-28T10:19:18Z) - 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)
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。