論文の概要: HookLens: Visual Analytics for Understanding React Hooks Structures
- arxiv url: http://arxiv.org/abs/2602.17891v1
- Date: Thu, 19 Feb 2026 23:11:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-23 18:01:41.176824
- Title: HookLens: Visual Analytics for Understanding React Hooks Structures
- Title（参考訳）: HookLens: React Hooks構造を理解するためのビジュアル分析
- Authors: Suyeon Hwang, Minkyu Kweon, Jeongmin Rhee, Soohyun Lee, Seokhyeon Park, Seokweon Jung, Hyeon Jeon, Jinwook Seo,
- Abstract要約: HookLensはインタラクティブなビジュアル分析システムで、Hooksがコンポーネント間の依存関係とデータフローをどのように定義するかを開発者が理解するのに役立ちます。
HookLensは、コンポーネント間の構造と依存関係を効率的に理解し、アンチパターンを識別する。
- 参考スコア（独自算出の注目度）: 15.011226845135354
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Maintaining and refactoring React web applications is challenging, as React code often becomes complex due to its core API called Hooks. For example, Hooks often lead developers to create complex dependencies among components, making code behavior unpredictable and reducing maintainability, i.e., anti-patterns. To address this challenge, we present HookLens, an interactive visual analytics system that helps developers understand howHooks define dependencies and data flows between components. Informed by an iterative design process with experienced React developers, HookLens supports users to efficiently understand the structure and dependencies between components and to identify anti-patterns. A quantitative user study with 12 React developers demonstrates that HookLens significantly improves participants' accuracy in detecting anti-patterns compared to conventional code editors. Moreover, a comparative study with state-of-the-art LLM-based coding assistants confirms that these improvements even surpass the capabilities of such coding assistants on the same task.
- Abstract（参考訳）: Reactのコードは、Hooksと呼ばれるコアAPIによって複雑になることが多いため、React Webアプリケーションのメンテナンスとリファクタリングは難しい。
例えば、Hooksは、しばしば開発者がコンポーネント間の複雑な依存関係を作成し、コードの振る舞いを予測不能にし、保守性、すなわちアンチパターンを低下させる。
この課題に対処するために、私たちはインタラクティブなビジュアル分析システムであるHookLensを紹介します。
HookLensは、経験豊富なReact開発者による反復的な設計プロセスによって、コンポーネント間の構造と依存関係を効率的に理解し、アンチパターンを識別するのをサポートする。
12人のReact開発者による定量的ユーザスタディによると、HookLensは、従来のコードエディタと比較して、アンチパターンの検出における参加者の精度を大幅に向上する。
さらに、最先端のLCMベースのコーディングアシスタントとの比較研究では、これらの改善が、同じタスクにおけるコーディングアシスタントの能力を超えていることが確認されている。
関連論文リスト
- In Line with Context: Repository-Level Code Generation via Context Inlining [11.065371614078723]
本稿では,リポジトリレベルのコード生成のための新しいフレームワークであるInlineCoderを紹介する。
InlineCoderは、未完成の関数をコールグラフにインライン化することで、リポジトリコンテキストの理解を強化する。
論文 参考訳（メタデータ） (2026-01-01T15:56:24Z) - Nested Browser-Use Learning for Agentic Information Seeking [60.775556172513014]
情報検索(IS)エージェントは広範囲にわたる検索タスクで高いパフォーマンスを達成しているが、ツールの使用はAPIレベルのスニペット検索やURLベースのページフェッチに限られている。
我々はNested Browser-Use Learning (NestBrowse)を提案する。NestBrowseは、ネストされた構造を通してページ探索からインタラクション制御を分離する最小かつ完全なブラウザアクションフレームワークである。
論文 参考訳（メタデータ） (2025-12-29T17:59:14Z) - Multi-hop Reasoning via Early Knowledge Alignment [68.28168992785896]
アーリー・ナレッジ・アライメント(EKA)は、大規模言語モデルと文脈的に関連づけられた知識を整合させることを目的としている。
EKAは検索精度を大幅に改善し、カスケードエラーを低減し、性能と効率を向上する。
EKAは、大規模モデルにシームレスにスケールする、多目的でトレーニング不要な推論戦略として有効である。
論文 参考訳（メタデータ） (2025-12-23T08:14:44Z) - Stitch: Step-by-step LLM Guided Tutoring for Scratch [1.8206350996077172]
そこで我々は,Stitchを紹介した。Stitchは対話型学習システムで,"答えの描画"をステップバイステップの足場に置き換える。
我々は、Scratchのための最新の自動フィードバック生成ツールと比較し、Stitchを実証的研究で評価した。
論文 参考訳（メタデータ） (2025-10-30T16:03:56Z) - CompassVerifier: A Unified and Robust Verifier for LLMs Evaluation and Outcome Reward [50.97588334916863]
評価と結果報酬のための正確で堅牢な軽量検証モデルであるCompassVerifierを開発した。
数学、知識、多種多様な推論タスクにまたがる多分野の能力を示し、様々な答えの型を処理する能力を示す。
我々は,複数のデータソースから収集したモデル出力からなるVerifierBenchベンチマークを導入し,メタエラーパターンを手動で解析してCompassVerifierを強化する。
論文 参考訳（メタデータ） (2025-08-05T17:55:24Z) - LLM-Driven Collaborative Model for Untangling Commits via Explicit and Implicit Dependency Reasoning [15.20947984949809]
コミット回避のための新しいコラボレーティブコンサルテーションフレームワークであるColaUntangleを提案する。
ColaUntangleは、LLM(Large Language Model)駆動エージェントをマルチエージェントアーキテクチャに統合する。
広く使われている2つのデータセット(1,612 C#と14k Java tangledコミット)上でColaUntangleを評価する。
論文 参考訳（メタデータ） (2025-07-22T09:42:13Z) - React-tRace: A Semantics for Understanding React Hooks [0.7705234721762716]
React Hooksの本質のセマンティクスの形式化であるReact-tRaceを紹介します。
理論的には、Hooksの本質的な性質を具現化していることを示し、我々のモデルがReactの挙動を捉えていることを実証する。
また、Hooksのセマンティクスをよりよく理解する方法を示すために、形式化に基づいた実用的な視覚化ツールを紹介します。
論文 参考訳（メタデータ） (2025-07-07T17:42:17Z) - Exploring React Library Related Questions on Stack Overflow: Answered vs. Unanswered [0.09363323206192666]
本研究の目的は,Stack Overflow(SO)におけるReact関連質問の質問応答可能性と難易度に関連する要因を分析することである。
我々の研究を容易にするために、Exploratory Data Analysisを534,820の質問に適用し、23のReact関連タグに基づいてフィルタリングした。
その結果,ビュー数,コードスニペットインクルージョン数,コード行数,ユーザ評価などの属性が,質問応答可能性に肯定的に影響を与えることがわかった。
論文 参考訳（メタデータ） (2025-07-06T13:45:40Z) - EpiCoder: Encompassing Diversity and Complexity in Code Generation [66.43738008739555]
既存のコード生成方法はシードデータとしてコードスニペットを使用する。
階層的なコード機能を中心に展開する,新しい機能ツリーベースの合成フレームワークを提案する。
我々のフレームワークは、生成されたコードの複雑さを正確に制御し、関数レベルの操作からマルチファイルのシナリオまで幅広い機能を実現する。
論文 参考訳（メタデータ） (2025-01-08T18:58:15Z) - On The Importance of Reasoning for Context Retrieval in Repository-Level Code Editing [82.96523584351314]
我々は、コンテキスト検索のタスクをリポジトリレベルのコード編集パイプラインの他のコンポーネントと分離する。
我々は、推論が収集された文脈の精度を向上させるのに役立っているが、それでもその十分性を識別する能力は欠如していると結論づける。
論文 参考訳（メタデータ） (2024-06-06T19:44:17Z) - ReactGenie: A Development Framework for Complex Multimodal Interactions Using Large Language Models [12.0218963520643]
マルチモーダルインタフェースは モダリティのみの効率を 上回ります
本稿では,マルチモーダル入力を計算モデルから分離するプログラミングフレームワークReactGenieを提案する。
評価の結果、12人の開発者が平均2.5時間以内で、非自明なReactGenieアプリケーションを学習し、構築できることがわかった。
論文 参考訳（メタデータ） (2023-06-16T06:53:26Z) - Solving Continuous Control via Q-learning [54.05120662838286]
深いQ-ラーニングの簡単な修正は、アクター批判的手法による問題を大幅に軽減することを示します。
バンバン動作の離散化と値分解、協調マルチエージェント強化学習(MARL)としての単一エージェント制御のフレーミングにより、このシンプルな批判のみのアプローチは、最先端の連続アクター批判法の性能と一致する。
論文 参考訳（メタデータ） (2022-10-22T22:55:50Z) - Hyper Meta-Path Contrastive Learning for Multi-Behavior Recommendation [61.114580368455236]
マルチビヘイビア情報によるユーザ購入予測は、現在のレコメンデーションシステムでは難しい問題である。
本稿では,ハイパーメタパスやハイパーメタグラフを構築するためのハイパーメタパスの概念を提案する。
最近のグラフコントラスト学習の成功により、異なる振る舞い間の依存関係を理解するために固定されたスキームを割り当てるのではなく、ユーザ行動パターンの埋め込みを適応的に学習する。
論文 参考訳（メタデータ） (2021-09-07T04:28:09Z)
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。