論文の概要: Toward an Understanding of Developer Behaviour while Using Bug Localization Tools
- arxiv url: http://arxiv.org/abs/2605.04828v1
- Date: Wed, 06 May 2026 12:21:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-07 18:41:07.806461
- Title: Toward an Understanding of Developer Behaviour while Using Bug Localization Tools
- Title（参考訳）: バグ・ローカライゼーション・ツールを用いた開発者行動の理解に向けて
- Abstract要約: この研究は、バグのローカライゼーションが複雑であることを示し、効果的なツールの採用は、その正確性以上のものに依存していることを示唆している。
予備的な調査結果は、開発者がツールとどのように相互作用するか、社会的および文脈的な情報の役割、問題解決に関する洞察を提供する。
- 参考スコア（独自算出の注目度）: 2.4163616087447877
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Bug fixing is a complex and time-consuming task in software development. Bug localization research tends to focus on the accuracy of automated tools that suggest source code files for developers to look at. However, little is known about how developers use these tools in practice. This paper reports on an ongoing qualitative user study. Eleven participants worked through four realistic bug localization tasks in a controlled environment and were given varying levels of support information offered by a specialized tool. Participants were asked to think aloud in a semi-structured interview session. The preliminary findings provide insight into three aspects of practice: how developers interact with tools, the role social and contextual information plays, and problem solving. The study demonstrates that bug localization is complex and suggests that the adoption of effective tools depends on more than their accuracy.
- Abstract（参考訳）: バグ修正はソフトウェア開発において複雑で時間を要するタスクです。
バグローカライゼーションの研究は、開発者が見るためのソースコードファイルを提案する自動化ツールの精度に焦点を当てる傾向がある。
しかし、これらのツールを実際にどのように使うかについては、ほとんど分かっていない。
本稿では,現在進行中の質的ユーザスタディについて報告する。
11名の参加者が、コントロールされた環境で4つの現実的なバグローカライズ作業を行い、特殊なツールによって提供されるさまざまなレベルのサポート情報を与えられた。
参加者は、半構造化面接セッションで大声で考えるように求められた。
予備的な調査結果は、開発者がツールとどのように相互作用するか、社会的および文脈的な情報が果たす役割、問題解決の3つの側面に関する洞察を提供する。
この研究は、バグのローカライゼーションが複雑であることを示し、効果的なツールの採用は、その正確性以上のものに依存していることを示唆している。
関連論文リスト
- A Grounded Theory of Debugging in Professional Software Engineering Practice [5.88596290266904]
基礎理論を用いた研究を行った。
17のデバッグタスクに取り組んでいる7人のプロの開発者と5人のプロのライブコーディングストリーマーを観察しました。
論文 参考訳（メタデータ） (2026-02-11T23:19:45Z) - Bug Detective and Quality Coach: Developers' Mental Models of AI-Assisted IDE Tools [6.740088349470244]
58人の開発者と共同設計ワークショップを6回実施し、AIによるバグ検出と可読性機能に関するメンタルモデルを抽出しました。
開発者は、バグ検出ツールをtextitbug detectivesとして考えており、重大な問題が発生した場合にだけユーザーに警告する。
信頼は、両方のタスクにおいて、説明、タイミング、ユーザーコントロールの明確さに依存します。
論文 参考訳（メタデータ） (2025-11-26T09:28:51Z) - 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) - Interactive Agents to Overcome Ambiguity in Software Engineering [61.40183840499932]
AIエージェントは、あいまいで不明確なユーザー指示に基づいて、タスクを自動化するためにますますデプロイされている。
不安定な仮定をし、明確な質問をしないことは、最適以下の結果につながる可能性がある。
対話型コード生成設定において,LLMエージェントが不明瞭な命令を処理する能力について,プロプライエタリモデルとオープンウェイトモデルを評価して検討する。
論文 参考訳（メタデータ） (2025-02-18T17:12:26Z) - Adaptive Tool Use in Large Language Models with Meta-Cognition Trigger [49.81945268343162]
我々は,外部ツール利用のための適応型意思決定戦略であるMeCoを提案する。
MeCoは、表現空間内の高レベル認知信号をキャプチャすることで、メタ認知スコアを定量化する。
MeCoは微調整不要で、最小限のコストがかかる。
論文 参考訳（メタデータ） (2025-02-18T15:45:01Z) - ToolCoder: A Systematic Code-Empowered Tool Learning Framework for Large Language Models [81.12673534903979]
ツール学習は、大規模な言語モデル(LLM)にとって、外部ツールとのインタラクションを通じて、複雑な現実世界のタスクを解決する重要な機能として登場した。
本稿では,ツール学習をコード生成タスクとして再編成する新しいフレームワークであるToolCoderを提案する。
論文 参考訳（メタデータ） (2025-02-17T03:42:28Z) - Code Compass: A Study on the Challenges of Navigating Unfamiliar Codebases [2.808331566391181]
これらの問題に対処するための新しいツールであるCodeを提案する。
本研究は,現在のツールと方法論における大きなギャップを浮き彫りにしている。
私たちのフォーマティブな調査は、開発者がドキュメントをナビゲートする時間をいかに効率的に削減するかを示しています。
論文 参考訳（メタデータ） (2024-05-10T06:58:31Z) - A Comparative Study of Transformer-based Neural Text Representation
Techniques on Bug Triaging [8.831760500324318]
我々は、バグトリアージのタスクにおいて、ファイントゥーントランスフォーマーベースの言語モデルに関する最初の調査の1つを提供している。
DeBERTaは、開発者とコンポーネントの割り当てのトリアージタスクの中で、最も効果的なテクニックです。
論文 参考訳（メタデータ） (2023-10-10T18:09:32Z) - Using Developer Discussions to Guide Fixing Bugs in Software [51.00904399653609]
我々は,タスク実行前に利用可能であり,また自然発生しているバグレポートの議論を,開発者による追加情報の必要性を回避して利用することを提案する。
このような議論から派生したさまざまな自然言語コンテキストがバグ修正に役立ち、オラクルのバグ修正コミットに対応するコミットメッセージの使用よりもパフォーマンスの向上につながることを実証する。
論文 参考訳（メタデータ） (2022-11-11T16:37:33Z) - BigIssue: A Realistic Bug Localization Benchmark [89.8240118116093]
BigIssueは、現実的なバグローカライゼーションのためのベンチマークである。
実際のJavaバグと合成Javaバグの多様性を備えた一般的なベンチマークを提供する。
われわれは,バグローカライゼーションの最先端技術として,APRの性能向上と,現代の開発サイクルへの適用性の向上を期待している。
論文 参考訳（メタデータ） (2022-07-21T20:17:53Z) - 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。