論文の概要: On the Use of Commit Messages for Corrective Software Maintenance: A Systematic Mapping Study

• arxiv url: http://arxiv.org/abs/2604.16404v1
• Date: Tue, 31 Mar 2026 14:16:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 07:05:15.457495
• Title: On the Use of Commit Messages for Corrective Software Maintenance: A Systematic Mapping Study
• Title（参考訳）: 修正ソフトウェア保守におけるコミットメッセージの利用について:システムマッピングによる検討
• Authors: Syful Islam, Stefano Zacchiroli,
• Abstract要約: 私たちは、コミットメッセージがソフトウェア保守の正当性にどのように使われているか、という研究の展望をマップします。 我々の分析は、修正メンテナンスタスクを実行するためのコミットメッセージの利用に対する関心が高まっていることを示している。 コミットメッセージと組み合わせて使うソフトウェアアーティファクトが"差分"であることに気付きました。
• 参考スコア（独自算出の注目度）: 3.784900254151546
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Corrective maintenance is crucial to ensure the quality of software, thereby improving reliability and user experience. In a version control system (VCS), developers write commit messages to document their changes and support later maintenance. Still, to this day, no secondary study has mapped the research landscape of how commit messages have been used in corrective software maintenance. We present a systematic mapping study of 97 primary sources published between 2004 and May 2025, where we examine the goals, potential utilization of source code artifacts along with commit messages, methodologies, stakeholders, and the key findings about their influence on corrective maintenance. Our analysis reveals a growing interest in the usage of commit messages to perform corrective maintenance tasks, in particular for bug analysis and bug fix identification goals. Surprisingly few studies address other themes such as automated program repair, security development practices, etc. We find that the software artifacts most used in combination with commit messages are commit "diffs" and that repository mining, together with natural language processing (NLP) and artificial intelligence/machine learning (AI/ML) are the methodological foundations of studies in this field. Among stakeholders considered in previous studies, developers play the most important role in shaping corrective maintenance practices. Key findings in previous studies about commit messages establish their significant role in corrective maintenance, due to the fact that they carry crucial information helpful for stakeholders to understand and improve the code base through the software evolution process. Often, though, commit messages lack important information and are not enough to convey the intent of code changes to future readers.
• Abstract（参考訳）: ソフトウェアの品質を保証するためには,修正メンテナンスが不可欠です。 バージョン管理システム(VCS)では、開発者はコミットメッセージを書き、変更を文書化し、後のメンテナンスをサポートする。 しかし、今日まで、修正ソフトウェアのメンテナンスにコミットメッセージがどのように使われているかという研究状況について、二次的な研究は行われていない。 2004年から2025年5月までに発行された97の一次資料の体系的マッピングを行い、コミットメッセージ、方法論、利害関係者とともにソースコードアーティファクトの目標、潜在的利用の可能性、そしてそれらの修正保守への影響に関する重要な知見について検討する。 我々の分析は、特にバグ分析やバグ修正の特定目標において、修正メンテナンスタスクを実行するためのコミットメッセージの使用に対する関心が高まっていることを示している。 驚くべきことに、自動プログラム修復やセキュリティ開発プラクティスなど、他のテーマに対処する研究はほとんどない。 コミットメッセージに最もよく使われるソフトウェアアーティファクトは「差分」であり、自然言語処理(NLP)や人工知能/機械学習(AI/ML)とともにリポジトリマイニングがこの分野における研究の方法論的基盤であることがわかった。 以前の研究で考慮された利害関係者の中で、開発者は修正メンテナンスプラクティスを形成する上で最も重要な役割を担います。 コミットメッセージに関する以前の研究の主要な発見は、ソフトウェア進化プロセスを通じて、ステークホルダーがコードベースを理解し改善するのに有用な重要な情報を持っているという事実から、修正保守において重要な役割を担っている。 しかし多くの場合、コミットメッセージには重要な情報がなく、将来の読者にコード変更の意図を伝えるのに十分ではない。

関連論文リスト

• On the Informativeness of Security Commit Messages: A Large-scale Replication Study [3.784900254151546]
  セキュリティ関連のコミットメッセージはパッチトリアージには不可欠だ。 以前の調査では、コミットメッセージは多くの場合、これらのアクティビティをサポートするには非形式的すぎると報告されていた。
  論文  参考訳（メタデータ） (2026-04-22T11:41:42Z)
• Do AI models help produce verified bug fixes? [62.985237003585674]
  大規模言語モデルは、ソフトウェアバグの修正に使用される。 本稿では,プログラマが大規模言語モデルを用いて,自身のスキルを補完する方法について検討する。 その結果は、プログラムバグに対する保証された修正を提供するAIとLLMの適切な役割への第一歩となる。
  論文  参考訳（メタデータ） (2025-07-21T17:30:16Z)
• QualiTagger: Automating software quality detection in issue trackers [4.917423556150366]
  この研究は、Transformerのような最先端のモデルを使って、テキストが通常、異なる品質特性に関連付けられているものを特定する。 また,オープンアクセス可能なソフトウェアリポジトリからのイシュートラッカにおける品質分布についても検討する。
  論文  参考訳（メタデータ） (2025-04-15T10:40:40Z)
• A Purpose-oriented Study on Open-source Software Commits and Their Impacts on Software Quality [0.0]
  コミットを分類し、分類を自動化するために予測モデルをトレーニングし、異なる目的のコミットによってコミット品質がどのように影響するかを調査します。 これらの影響を特定することで、品質を改善するための変更をコミットするためのガイドラインを新たに確立します。
  論文  参考訳（メタデータ） (2025-03-04T03:14:57Z)
• Agent-Driven Automatic Software Improvement [55.2480439325792]
  本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。 継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。 我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
  論文  参考訳（メタデータ） (2024-06-24T15:45:22Z)
• Leveraging Large Language Models for Efficient Failure Analysis in Game Development [47.618236610219554]
  本稿では,テストの失敗の原因となるコードの変更を自動的に識別する手法を提案する。 このメソッドは、LLM(Large Language Models)を利用して、エラーメッセージと対応するコード変更を関連付ける。 当社のアプローチは新たに作成したデータセットで71%の精度に達しています。
  論文  参考訳（メタデータ） (2024-06-11T09:21:50Z)
• A Case Study of LLM for Automated Vulnerability Repair: Assessing Impact of Reasoning and Patch Validation Feedback [7.742213291781287]
  提案するVRpilotは,推論とパッチ検証フィードバックに基づく脆弱性修復手法である。 以上の結果から,VRpilotはCとJavaのベースライン技術よりも平均14%と7.6%の正確なパッチを生成することがわかった。
  論文  参考訳（メタデータ） (2024-05-24T16:29:48Z)
• CRITIC: Large Language Models Can Self-Correct with Tool-Interactive Critiquing [139.77117915309023]
  CRITICは、大規模な言語モデルに対して、ツールとのヒューマンインタラクションに似た方法で、自分たちのアウトプットの検証と修正を可能にする。 自由形式の質問応答、数学的プログラム合成、毒性低減を含む包括的評価は、CRITICがLLMの性能を一貫して向上することを証明している。
  論文  参考訳（メタデータ） (2023-05-19T15:19:44Z)
• Early Detection of Security-Relevant Bug Reports using Machine Learning: How Far Are We? [6.438136820117887]
  典型的なメンテナンスシナリオでは、セキュリティ関連バグレポートは、修正パッチを作成する際に開発チームによって優先される。 オープンなセキュリティ関連バグレポートは、攻撃者がゼロデイ攻撃を実行するために活用できる機密情報の重大な漏洩になる可能性がある。 近年,機械学習に基づくセキュリティ関連バグレポートの検出手法が,有望な性能で報告されている。
  論文  参考訳（メタデータ） (2021-12-19T11:30:29Z)

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。