論文の概要: Technical Lag as Latent Technical Debt: A Rapid Review
- arxiv url: http://arxiv.org/abs/2601.11693v1
- Date: Fri, 16 Jan 2026 16:27:32 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-01-21 12:42:50.912911
- Title: Technical Lag as Latent Technical Debt: A Rapid Review
- Title（参考訳）: 技術的負債としての技術的負債 - 迅速なレビュー
- Authors: Shane K. Panter, Nasir U. Eisty,
- Abstract要約: 技術的ラグは、ソフトウェアシステムが技術的進歩に遅れず、ソフトウェアの品質が低下するときに蓄積する。
本稿では, 技術的遅延に関する既存の研究の統合, 定義の明確化, 検出と定量化の方法の探求, 根本原因と結果の検証, 現状の管理実践の見直し, 受動的に蓄積された技術的負債の指標としてのビジョンの策定を目的とする。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Context: Technical lag accumulates when software systems fail to keep pace with technological advancements, leading to a deterioration in software quality. Objective: This paper aims to consolidate existing research on technical lag, clarify definitions, explore its detection and quantification methods, examine underlying causes and consequences, review current management practices, and lay out a vision as an indicator of passively accumulated technical debt. Method: We conducted a Rapid Review with snowballing to select the appropriate peer-reviewed studies. We leveraged the ACM Digital Library, IEEE Xplore, Scopus, and Springer as our primary source databases. Results: Technical lag accumulates passively, often unnoticed due to inadequate detection metrics and tools. It negatively impacts software quality through outdated dependencies, obsolete APIs, unsupported platforms, and aging infrastructure. Strategies to manage technical lag primarily involve automated dependency updates, continuous integration processes, and regular auditing. Conclusions: Enhancing and extending the current standardized metrics, detection methods, and empirical studies to use technical lag as an indication of accumulated latent debt can greatly improve the process of maintaining large codebases that are heavily dependent on external packages. We have identified the research gaps and outlined a future vision for researchers and practitioners to explore.
- Abstract（参考訳）: コンテキスト: ソフトウェアシステムが技術的進歩に遅れず、ソフトウェアの品質が低下するときに、技術的ラグが蓄積します。
目的: 本論文は, 技術的遅延に関する既存の研究の統合, 定義の明確化, 検出と定量化の方法の探求, 根本原因と結果の検証, 現状管理の実践の見直し, 受動的に蓄積した技術的負債の指標としてのビジョンの策定を目的とする。
方法: 雪玉を用いたラピッドレビューを行い, 適切なピアレビュー研究を選択した。
私たちはACM Digital Library、IEEE Xplore、Scopus、Springerを主要なソースデータベースとして利用しました。
結果: 技術的遅延は受動的に蓄積するが、検出基準やツールが不十分なため、しばしば気づかない。
古い依存関係、古いAPI、サポートされていないプラットフォーム、老朽化したインフラストラクチャを通じて、ソフトウェア品質に悪影響を及ぼします。
技術的遅延を管理する戦略には、主に自動依存関係更新、継続的インテグレーションプロセス、定期的な監査が含まれる。
結論: 現在の標準化されたメトリクス、検出方法、実証的な研究の強化と拡張により、積み重なった遅延負債の兆候として、技術的ラグを使用することで、外部パッケージに大きく依存する大規模なコードベースを維持するプロセスを大幅に改善することができます。
研究のギャップを特定し、研究者や実践者が探究する将来のビジョンを概説した。
関連論文リスト
- Large Language Models for Unit Test Generation: Achievements, Challenges, and the Road Ahead [15.43943391801509]
単体テストは、ソフトウェアの検証には不可欠だが、面倒なテクニックである。
大規模言語モデル(LLM)は、コードセマンティクスとプログラミングパターンに関するデータ駆動の知識を活用することで、この制限に対処する。
このフレームワークは、コアジェネレーティブ戦略と一連の拡張テクニックに関する文献を分析します。
論文 参考訳（メタデータ） (2025-11-26T13:30:11Z) - Does Machine Unlearning Truly Remove Knowledge? [80.83986295685128]
本研究では,3つのベンチマークデータセット,6つのアンラーニングアルゴリズム,および5つのプロンプトベースの監査手法からなる,アンラーニング評価のための総合的な監査フレームワークを提案する。
異なるアンラーニング戦略の有効性とロバスト性を評価する。
論文 参考訳（メタデータ） (2025-05-29T09:19:07Z) - Thinking Longer, Not Larger: Enhancing Software Engineering Agents via Scaling Test-Time Compute [61.00662702026523]
より大規模なモデルではなく、推論時間の増加を活用する統合されたテスト時間計算スケーリングフレームワークを提案する。
当社のフレームワークには,内部TTCと外部TTCの2つの補完戦略が組み込まれている。
当社の textbf32B モデルは,DeepSeek R1 671B や OpenAI o1 など,はるかに大きなモデルを上回る 46% の課題解決率を実現している。
論文 参考訳（メタデータ） (2025-03-31T07:31:32Z) - Detection of Technical Debt in Java Source Code [12.07607688189035]
技術的負債(TD)は、開発者が問題に対して迅速かつ簡単な解決策を選択すると生じる追加コストを記述します。
本研究では、974のJavaプロジェクトからのコメントとそのソースコードの分析を通じて、コードコメントによって識別された最初のTDデータセットをキュレートした。
論文 参考訳（メタデータ） (2024-11-08T10:12:33Z) - A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [89.92916473403108]
本稿では,新しい手法のモジュラーフレームワークであるADerの総合的な視覚異常検出ベンチマークを提案する。
このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。
我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
論文 参考訳（メタデータ） (2024-06-05T13:40:07Z) - A Microservices Identification Method Based on Spectral Clustering for
Industrial Legacy Systems [5.255685751491305]
本稿では,スペクトルグラフ理論に基づくマイクロサービス候補抽出のための自動分解手法を提案する。
提案手法は,ドメインの専門家が関与しなくても,良好な結果が得られることを示す。
論文 参考訳（メタデータ） (2023-12-20T07:47:01Z) - Accelerating System-Level Debug Using Rule Learning and Subgroup Discovery Techniques [1.6317061277457001]
デバッグの労力を減らすために、高品質なデバッグヒントを提供する方法について説明する。
ケーススタディでは,これらの手法をパワーマネジメント (PM) 設計機能であるPackage-C8の根源的故障に応用した。
本稿では,ルートキャスティングの経験と再利用の成果をマイニングし,将来のデバッグ活動を加速し,検証専門家への依存を減らすためのアプローチを提案する。
論文 参考訳（メタデータ） (2022-07-02T22:00:30Z)
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。