論文の概要: Multi-Artifact Analysis of Self-Admitted Technical Debt in Scientific Software
- arxiv url: http://arxiv.org/abs/2601.10850v1
- Date: Thu, 15 Jan 2026 20:40:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-19 20:21:50.288756
- Title: Multi-Artifact Analysis of Self-Admitted Technical Debt in Scientific Software
- Title（参考訳）: 科学ソフトウェアにおける自己申告技術的負債の多要素分析
- Authors: Eric L. Melin, Nasir U. Eisty, Gregory Watson, Addi Malviya-Thakur,
- Abstract要約: 開発者がコードでショートカットを認めると、自己承認技術的負債(SATD)が発生する。
本研究は,科学ソフトウェア(SSW)におけるSATDの特殊な形態である科学的負債を特定し,分類し,評価することを目的とする。
- 参考スコア（独自算出の注目度）: 0.17499351967216337
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Context: Self-admitted technical debt (SATD) occurs when developers acknowledge shortcuts in code. In scientific software (SSW), such debt poses unique risks to the validity and reproducibility of results. Objective: This study aims to identify, categorize, and evaluate scientific debt, a specialized form of SATD in SSW, and assess the extent to which traditional SATD categories capture these domain-specific issues. Method: We conduct a multi-artifact analysis across code comments, commit messages, pull requests, and issue trackers from 23 open-source SSW projects. We construct and validate a curated dataset of scientific debt, develop a multi-source SATD classifier, and conduct a practitioner validation to assess the practical relevance of scientific debt. Results: Our classifier performs strongly across 900,358 artifacts from 23 SSW projects. SATD is most prevalent in pull requests and issue trackers, underscoring the value of multi-artifact analysis. Models trained on traditional SATD often miss scientific debt, emphasizing the need for its explicit detection in SSW. Practitioner validation confirmed that scientific debt is both recognizable and useful in practice. Conclusions: Scientific debt represents a unique form of SATD in SSW that that is not adequately captured by traditional categories and requires specialized identification and management. Our dataset, classification analysis, and practitioner validation results provide the first formal multi-artifact perspective on scientific debt, highlighting the need for tailored SATD detection approaches in SSW.
- Abstract（参考訳）: コンテキスト: 開発者がコードでショートカットを認めると、自己承認の技術的負債(SATD)が発生する。
科学ソフトウェア(SSW)では、そのような負債は結果の妥当性と再現性に固有のリスクをもたらす。
目的:本研究は,SSWにおけるSATDの専門形式である科学的負債を特定し,分類し,評価することを目的とする。
メソッド: コードコメント、コミットメッセージ、プルリクエスト、および23のオープンソースSSWプロジェクトからのイシュートラッカを多元的に分析する。
我々は、科学的負債の計算済みデータセットを構築し、検証し、マルチソースSATD分類器を開発し、科学的負債の実践的妥当性を評価する実践的検証を行う。
結果: 分類器はSSW23プロジェクトから900,358件のアーティファクトに対して強く機能する。
SATDはプルリクエストやイシュートラッカでよく使われており、マルチアーティファクト分析の価値を強調している。
従来のSATDで訓練されたモデルは科学的な負債を見逃しがちであり、SSWでの明示的な検出の必要性を強調している。
実践者の検証により、科学的負債は認識可能であり、実際に有用であることが確認された。
結論: 科学的負債は、伝統的なカテゴリーによって適切に捉えられず、特別な識別と管理を必要とする、SSWにおけるSATDのユニークな形態を表している。
我々のデータセット、分類分析、および実践的検証結果は、SSWにおけるSATD検出手法の調整の必要性を浮き彫りにして、科学的負債に関する最初の公式なマルチアーティファクト視点を提供する。
関連論文リスト
- Reward Modeling for Scientific Writing Evaluation [50.33952894976367]
多様なオープンエンドの科学的記述タスクを評価するために、確実にデプロイできるモデルを開発することが重要である。
本稿では,科学的執筆評価に適した費用効率の高いオープンソース報酬モデルを提案する。
論文 参考訳（メタデータ） (2026-01-16T15:32:58Z) - SciIF: Benchmarking Scientific Instruction Following Towards Rigorous Scientific Intelligence [60.202862987441684]
科学的妥当性を確立する制約に厳格に固執しながら、問題を解決する能力。
具体的には,大学レベルの問題と制約の固定されたカタログをペアにすることで,この能力を評価するマルチディシプリンのベンチマークであるSciIFを紹介する。
SciIFは、解の正当性と多拘束性の両方を測定することにより、構成的推論失敗のきめ細かい診断を可能にする。
論文 参考訳（メタデータ） (2026-01-08T09:45:58Z) - Exploring Scientific Debt: Harnessing AI for SATD Identification in Scientific Software [5.133973498885276]
本研究では,Scientific Software(SSW)におけるSATD(Self-Admitted Technical Debt)について検討する。
SATDを複数のドメインや言語にまたがる27の科学的および汎用リポジトリで分析した。
SSWは9.25倍のScientific Debtと4.93倍のSATDを含んでいる。
論文 参考訳（メタデータ） (2025-11-21T16:34:18Z) - Evidence is All We Need: Do Self-Admitted Technical Debts Impact Method-Level Maintenance? [1.0377683220196874]
Self-Admitted Technical Debt (SATD)は、開発者がソースコードのコメントを通じて技術的負債を明示的に認める現象である。
本稿では,SATDがソフトウェア保守の様々な面に与える影響を,方法論レベルで実証的に検討することを目的とする。
論文 参考訳（メタデータ） (2024-11-21T01:21:35Z) - Deep Learning and Data Augmentation for Detecting Self-Admitted Technical Debt [6.004718679054704]
Self-Admitted Technical Debt (SATD)は、開発者がテキストアーティファクトを使用して、既存の実装が最適でない理由を説明する状況を指す。
SATD と BERT のバイナリ識別に BiLSTM アーキテクチャを用い,様々な SATD の分類を行った。
異なるアーティファクトから派生した様々なデータセットからSATDを識別・分類するための2段階のアプローチを提案する。
論文 参考訳（メタデータ） (2024-10-21T09:22:16Z) - An Exploratory Study of the Relationship between SATD and Other Software Development Activities [13.026170714454071]
Self-Admitted Technical Debt (SATD)は、開発者が負債を思い出させるためにコードをドキュメント化する、特定のタイプのTechnical Debtである。
これまでの研究では、SATDの様々な側面を探求してきた。
本研究ではSATDの削除と追加とバグ修正,新機能の追加,テストなどの活動との関係について検討する。
論文 参考訳（メタデータ） (2024-04-02T13:45:42Z) - SCITAB: A Challenging Benchmark for Compositional Reasoning and Claim
Verification on Scientific Tables [68.76415918462418]
本報告では,1.2Kの専門的な科学的クレームからなる,挑戦的な評価データセットであるSCITABについて述べる。
広範な評価を通じて、SCITABは最先端のモデルに重大な課題をもたらすことを示した。
SCITABは,表の接地,主張のあいまいさ,構成的推論など,いくつかの独特な課題を明らかにした。
論文 参考訳（メタデータ） (2023-05-22T16:13:50Z) - Understanding metric-related pitfalls in image analysis validation [59.15220116166561]
この研究は、画像解析におけるバリデーションメトリクスに関連する落とし穴に関する情報にアクセスするための、初めての包括的な共通点を提供する。
バイオメディカル画像解析に焦点をあてるが、他の分野へ移行する可能性があるため、対処された落とし穴はアプリケーションドメイン全体にわたって一般化され、新しく作成されたドメインに依存しない分類に分類される。
論文 参考訳（メタデータ） (2023-02-03T14:57:40Z)
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。