論文の概要: TagDebt: A Bot to Support Technical Debt Management

• arxiv url: http://arxiv.org/abs/2605.29869v1
• Date: Thu, 28 May 2026 12:54:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.25179
• Title: TagDebt: A Bot to Support Technical Debt Management
• Title（参考訳）: TagDebt: 技術的負債管理をサポートするボット
• Authors: João Paulo Biazotto, Daniel Feitosa, Paris Avgeriou, Elisa Yumi Nakagawa,
• Abstract要約: TagDebtはGitHubリポジトリに統合され、問題に自動的にラベルを割り当てるボットです。 我々はTagDebtの設計と実装についてデザインサイエンス研究を行った。 我々は16人の実践者にインタビューして、ボットの有用性、使いやすさ、そしてボットの使用に影響を及ぼす可能性のあるコンテキスト要因を確認することにした。
• 参考スコア（独自算出の注目度）: 4.547720478540521
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Context: Technical debt (TD) is a widely studied metaphor that helps to explain how sub-optimal decisions that can harm software maintainability over time. Although incurring TD is not intrinsically bad, tracking and managing TD are crucial to avoid its negative effects. Hence, researchers and practitioners have proposed and developed diverse approaches and tools for managing TD. However, we are still lacking specialized tools for technical debt management (TDM), specifically ones that can be easily integrated into existing development workflows. Objective: We present and evaluate TagDebt, a bot that can be integrated within GitHub repositories and automatically assign labels to issues (i.e., SATD or non-SATD). TagDebt helps in the identification of TD (i.e., by looking for self-admitted technical debt (SATD)), leading to more efficient TDM. Methods: We carried out a Design Science Research study to design and implement TagDebt. For its evaluation, we executed a Technology Acceptance Model (TAM) study through interviews with 16 practitioners, to check the bot's usefulness, ease of use, and contextual factors that might impact the bot's usage (such as team size and practitioners' roles). Results: Overall, practitioners found that TagDebt is useful, especially for organizing issues and reducing manual work. Furthermore, they pointed out that the bot is overall easy to use, and its documentation is clear. The analysis also revealed that contextual factors, such as team and codebase size, impact the decision to adopt TagDebt. Finally, several improvements were suggested, such as including features to check and update the source code. Conclusion: TagDebt is a proof-of-concept for the development and usage of more specialized tools for TDM. It helps to make TD visible without disrupting existing workflows and help practitioners avoid the risks of unmanaged TD.
• Abstract（参考訳）: コンテキスト: 技術的負債(TD)は広く研究されているメタファーで、ソフトウェア保守性に悪影響を及ぼすような、最適な下限の決定方法を説明するのに役立ちます。 TDの出現は本質的には悪いものではないが、TDの追跡と管理は、その悪影響を避けるために重要である。 したがって、研究者や実践者は、TDを管理するための様々なアプローチとツールを提案し、開発してきた。 しかしながら、技術的負債管理(TDM)のための特別なツール、特に既存の開発ワークフローに簡単に統合できるツールがまだ欠けています。 目的: TagDebtはGitHubリポジトリに統合され、問題(SATDや非SATDなど)に自動的にラベルを割り当てるボットです。 TagDebt は TD の識別に役立つ(すなわち、自己許容技術的負債 (SATD) を探すことで、より効率的な TDM を生み出す。 方法: TagDebtの設計と実装のためのデザインサイエンス研究を行った。 その評価のために、我々は16人の実践者へのインタビューを通じて、ボットの有用性、使いやすさ、そしてボットの使用に影響を及ぼす可能性のある状況要因(チームサイズや実践者の役割など)をチェックする技術受容モデル(TAM)研究を実行した。 結果: 全体として、TagDebtは特に課題の整理と手作業の削減に有用であることがわかった。 さらに彼らは、ボットは全体的に使いやすく、ドキュメントも明確だ、と指摘している。 分析の結果、チームやコードベースのサイズといったコンテキスト要因が、TagDebtを採用する決定に影響を及ぼすことが明らかになった。 最後に、ソースコードをチェックおよび更新する機能など、いくつかの改善が提案された。 結論: TagDebtは、TDM用のより特殊なツールの開発と使用のための概念実証です。 既存のワークフローを中断することなく、TDを可視化し、管理されていないTDのリスクを避けるのに役立つ。

関連論文リスト

• Offloading Score: Measuring AI Reliance Through Counterfactual Workflows [70.84727355516559]
  私たちは、AIツールにオフロードされた認知活動の分断を定量化する、信頼度尺度であるオフロードスコアを導入します。 本研究は,本質的な計量妥当性評価と制御されたユーザスタディにより,オフロードスコアの検証を行う。 オフロードスコアは、時間制約設定における依存度を著しく高めることを示す。
  論文  参考訳（メタデータ） (2026-05-28T05:44:31Z)
• LLMs Improving LLMs: Agentic Discovery for Test-Time Scaling [63.679448814185456]
  テストタイムスケーリング(TTS)は,大規模言語モデルの性能向上に有効なアプローチとなっている。 既存のTS戦略は、主に手作りであり、研究者はパターンを設計し、直感で調整し、計算割り当ての空間の多くを探索していない。 環境駆動型フレームワークであるAutoTTSを提案し、研究者が設計したものを、個々のTSからTTS戦略を自動的に発見できる環境へと変更する。
  論文  参考訳（メタデータ） (2026-05-08T17:59:40Z)
• A Practical Guide for Establishing a Technical Debt Management Process (Preprint) [0.9685837672183747]
  技術的負債(Technical Debt、TD)とは、短期的に有効なソフトウェアソリューションであり、将来の変化を妨げる。 ワークショップとふりかえりを19回実施し,30ヶ月にわたる108回のミーティング(96時間)を分析した。 ベストプラクティスの出発点として、すべてのチームが使用しているTDMアプローチを特定しました。
  論文  参考訳（メタデータ） (2026-03-03T15:28:50Z)
• Establishing Technical Debt Management -- A Five-Step Workshop Approach and an Action Research Study [1.3514953384460018]
  技術的負債(TD)項目は、短期的な利益を提供するが、将来の変更を妨げるソフトウェアシステムの構成である。 本研究の目的は,ワークショップの概念に基づくIT企業におけるTDMプロセスの構築である。
  論文  参考訳（メタデータ） (2025-08-21T13:44:01Z)
• Managing Technical Debt in a Multidisciplinary Data Intensive Software Team: an Observational Case Study [12.110862907227203]
  データ集約型(DI)ソリューションへの投資と開発が増加している。 慎重な管理がなければ、この成長する投資は関連する技術的負債(TD)も増加させる。 この研究は、多分野のDIチームTDマネジメントプラクティスに関する経験的、実践に基づく洞察に貢献する。
  論文  参考訳（メタデータ） (2025-06-23T00:53:45Z)
• Automating Technical Debt Management: Insights from Practitioner Discussions in Stack Exchange [2.964027141453931]
  技術的負債管理(TDM)は、長期的なソフトウェアプロジェクトの維持に不可欠である。 ツールの採用は依然として低く、TDM自動化に関するさらなる研究の必要性を示している。 本研究の目的は、TDMにおける自動化に関して、どのTDMアクティビティ実践者が議論しているか、TDMの自動化のために報告するツール、自動化ソリューションを必要とする課題について理解することである。
  論文  参考訳（メタデータ） (2025-02-05T13:23:44Z)
• 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)
• ActiveAD: Planning-Oriented Active Learning for End-to-End Autonomous Driving [96.92499034935466]
  自動運転のためのエンドツーエンドの差別化学習は、最近顕著なパラダイムになっている。 第一のボトルネックは、高品質なラベル付きデータに対する大胆な欲求にある。 収集した生データの一部を段階的に注釈付けする計画指向のアクティブラーニング手法を提案する。
  論文  参考訳（メタデータ） (2024-03-05T11:39:07Z)
• Learning Instructions with Unlabeled Data for Zero-Shot Cross-Task Generalization [68.91386402390403]
  本研究では,学習中の命令をよりよく活用するために,Unlabeled Data Augmented Instruction Tuning (UDIT)を提案する。 タスクやデータセットのさまざまなシナリオにおいて,UDITの有効性を示すための広範な実験を行う。
  論文  参考訳（メタデータ） (2022-10-17T15:25:24Z)
• TubeTK: Adopting Tubes to Track Multi-Object in a One-Step Training Model [51.14840210957289]
  マルチオブジェクトトラッキングは、長い間研究されてきた基本的な視覚問題である。 Tracking by Detection (TBD)の成功にもかかわらず、この2段階の手法はエンドツーエンドでトレーニングするには複雑すぎる。 本稿では,短いビデオクリップ中の物体の時間空間位置を示すために,バウンディングチューブを導入することで,一段階のトレーニングしか必要としない簡潔なエンドツーエンドモデルチューブTKを提案する。
  論文  参考訳（メタデータ） (2020-06-10T06:45:05Z)

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。