論文の概要: Semantic Neighborhood Density and Eye Gaze Time in Human Programmer Attention

• arxiv url: http://arxiv.org/abs/2603.03566v1
• Date: Tue, 03 Mar 2026 22:51:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.112476
• Title: Semantic Neighborhood Density and Eye Gaze Time in Human Programmer Attention
• Title（参考訳）: ヒトプログラマの注意におけるセマンティックな近隣密度と視線時間
• Authors: Robert Wallace, Emory Michaels, Yu Huang, Collin McMillan,
• Abstract要約: 本稿では、ソースコード中の単語に対する人間の視線時間とそれらの単語のセマンティック近隣密度(SND)との関係について検討する。 SNDは、ある単語が同じ文脈の他の単語とどのように類似しているかの尺度である。 その結果,SND が高い語は視線時間が高く,SND が少ない語が多い傾向がみられた。
• 参考スコア（独自算出の注目度）: 2.870648299552377
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper studies the relationship between human eye gaze time on words in source code and the Semantic Neighborhood Density (SND) of those words. Human eye gaze time is a popular way to quantify human attention such as the importance of words people read and the cognitive effort people exert. Meanwhile, SND is a measure of how similar a word is in meaning to other words in the same context. SND has a long history in Psychology research where it has been connected to eye gaze time in various domains and helps explain human cognitive factors such as confusion and quality of reading comprehension. But SND carries an unknown and potentially unique meaning in software engineering. In this paper, we compute SND for tokens in source code that people viewed in two previous eye-tracking experiments, one in C and one in Java. We conduct a model-free analysis for statistical relationships between SND and gaze time, and a model-based analysis for predictive power of SND to gaze time. We found that words with high SND tend to have higher gaze time then low SND words, especially for words that are uncommon (i.e., have low frequency). We also found SND and frequency to have a minor predictive power on gaze time, despite high levels of noise common in eye tracking data
• Abstract（参考訳）: 本稿では、ソースコード中の単語に対する人間の視線時間とそれらの単語のセマンティック近隣密度(SND)との関係について検討する。 人間の視線時間(Human Eye gaze time)は、人々が読む言葉の重要性や、人々が実践する認知的努力など、人間の注意を定量化する一般的な方法である。 一方、SNDは単語が同じ文脈の他の単語とどのように類似しているかの尺度である。 SNDは、様々な領域で視線時間と結びついており、混乱や読解の質といった人間の認知的要因を説明するのに役立っている心理学研究において長い歴史を持っている。 しかしSNDは、ソフトウェアエンジニアリングにおいて未知の、潜在的にユニークな意味を持っている。 本稿では,従来の2つの目追跡実験で見られたソースコード中のトークンのSNDをC言語とJava言語で計算する。 本研究では,SNDと視線時間の間の統計的関係に関するモデルフリー解析と,視線時間に対するSNDの予測能力に関するモデルベース解析を行う。 その結果,SND が高い単語は視線時間が高く,SND が低い傾向にあることが明らかとなった。 また、視線追跡データに共通する高レベルのノイズにもかかわらず、視線時間にSNDと周波数が小さな予測力を持つことも見いだした。

関連論文リスト

• Time Blindness: Why Video-Language Models Can't See What Humans Can? [48.653937503646375]
  我々は、ノイズのようなフレームの時間的シーケンスにのみ情報を格納するベンチマークである$bfSpookyBenchを紹介した。 人間は98%以上の精度でこれらのシーケンスの形状、テキスト、パターンを認識できるが、最先端の視覚言語モデルは0%の精度を達成する。 この性能ギャップは、フレームレベルの空間的特徴に対する過度な信頼と、時間的手がかりから意味を抽出できないという、限界を浮き彫りにする。
  論文  参考訳（メタデータ） (2025-05-30T17:59:12Z)
• DepWiGNN: A Depth-wise Graph Neural Network for Multi-hop Spatial Reasoning in Text [52.699307699505646]
  マルチホップ空間推論のためのDepWiGNN(Depth-Wise Graph Neural Network)を提案する。 具体的には,新しいノードメモリ方式を設計し,グラフの幅次元ではなく深さ次元の情報を集約する。 2つの挑戦的なマルチホップ空間推論データセットの実験結果から,DepWiGNNが既存の空間推論手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-10-19T08:07:22Z)
• A blind spot for large language models: Supradiegetic linguistic information [0.602276990341246]
  ChatGPTのような大きな言語モデル(LLM)は、驚くべきことに人間らしく、言語的な流布を実現する。 本稿では,言語学,具体的認知,認知科学,数学,歴史など,いくつかの分野の思想を用いて,この枠組みの詳細について検討する。 これらの概念を用いて,ChatGPT などの LLM がパリンドロム処理に苦慮する理由,シンボルの視覚的特徴,シュメール・キュニフォームの翻訳,整数列の継続について検討する。
  論文  参考訳（メタデータ） (2023-06-11T22:15:01Z)
• When Do Graph Neural Networks Help with Node Classification? Investigating the Impact of Homophily Principle on Node Distinguishability [92.8279562472538]
  ホモフィリー原理は、ノード分類タスクにおけるニューラルネットワークよりもグラフネットワーク(GNN)の性能上の優位性の主要な理由であると考えられている。 最近の研究は、ホモフィリーがなくても、同じクラスのノードが類似した近隣パターンを共有する限り、GNNの利点は依然として存在することを示唆している。
  論文  参考訳（メタデータ） (2023-04-25T09:40:47Z)
• Evidential Temporal-aware Graph-based Social Event Detection via Dempster-Shafer Theory [76.4580340399321]
  ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。 ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。 ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
  論文  参考訳（メタデータ） (2022-05-24T16:22:40Z)
• Things not Written in Text: Exploring Spatial Commonsense from Visual Signals [77.46233234061758]
  視覚信号を持つモデルがテキストベースモデルよりも空間的コモンセンスを学習するかどうかを検討する。 本稿では,オブジェクトの相対スケールと,異なる動作下での人とオブジェクトの位置関係に着目したベンチマークを提案する。 画像合成モデルは,他のモデルよりも正確で一貫した空間知識を学習できることがわかった。
  論文  参考訳（メタデータ） (2022-03-15T17:02:30Z)
• Contextualized Semantic Distance between Highly Overlapped Texts [85.1541170468617]
  テキスト編集や意味的類似性評価といった自然言語処理タスクにおいて、ペア化されたテキストに重複が頻繁に発生する。 本稿では,マスク・アンド・予測戦略を用いてこの問題に対処することを目的とする。 本稿では,最も長い単語列の単語を隣接する単語とみなし,その位置の分布を予測するためにマスク付き言語モデリング(MLM)を用いる。 セマンティックテキスト類似性の実験では、NDDは様々な意味的差異、特に高い重なり合うペアテキストに対してより敏感であることが示されている。
  論文  参考訳（メタデータ） (2021-10-04T03:59:15Z)
• Enhancing Keyphrase Extraction from Microblogs using Human Reading Time [11.68845489508503]
  我々は、マイクロブログ投稿からキーフレーズを抽出するために、人間の読解時間を活用することを目指している。 オープンソース眼球追跡コーパス(OSEC)から抽出した眼球固定期間を用いた。 もう1つの課題は、人間の読解時間をキーフレーズ抽出モデルに統合する方法を決定することである。
  論文  参考訳（メタデータ） (2020-10-20T00:18:44Z)
• Implicit Saliency in Deep Neural Networks [15.510581400494207]
  本稿では,既存の認識と局所化の深部構造が人間の視覚的正当性を予測できることを示す。 予測ミスマッチ仮説を教師なし方式で計算し,その暗黙の正当性を計算する。 実験の結果,この方法での塩分濃度の抽出は,最先端の教師付きアルゴリズムに対して測定した場合と同等の性能を示すことがわかった。
  論文  参考訳（メタデータ） (2020-08-04T23:14:24Z)

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。