論文の概要: The Ground Is Shifting: A Reflection on the Foundations of Software Measurement
- arxiv url: http://arxiv.org/abs/2608.03007v1
- Date: Tue, 04 Aug 2026 01:41:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 07:04:20.686462
- Title: The Ground Is Shifting: A Reflection on the Foundations of Software Measurement
- Title（参考訳）: 地面がシフトしている - ソフトウェア計測の基礎を振り返る
- Authors: Thomas Bock, Audris Mockus, Bogdan Vasilescu,
- Abstract要約: 過去60年の間、ソフトウェアの測定は労働集約的なデータに依存していた。
オープンソースツールへの移行により、プロプライエタリなデータ収集技術が劇的に拡大した。
- 参考スコア（独自算出の注目度）: 10.346638444290413
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For most of the past six decades, software measurement relied on labor-intensive manual collection of proprietary data, which hampered progress. The shift to repurposing traces from version control and related tools dramatically expanded data availability$\unicode{x2014}$especially with the rise of open-source software$\unicode{x2014}$but hinged on an often unstated assumption: that these tools are used by professional developers to build genuine software systems. However, as trace-generating tools, data types and scale, and empirical methods have all evolved, it has become clear that changes in data generation and analytical approaches affect many prior findings about software development, maintenance, and evolution. With AI agents now actively using these same tools, the resulting traces frequently violate the original assumption of human origin. To preserve the relevance of software measurement research, immediate action is needed: We must detect when foundational assumptions are violated in contemporary data and develop new methodologies that remain valid under changed circumstances. To this end, we propose a systematic AI-assisted replication program that revisits key findings using modern techniques, aiming for methods that yield consistent results on current data to keep software measurement meaningful.
- Abstract（参考訳）: 過去60年の間、ソフトウェア測定は労働集約型のプロプライエタリなデータの手作業による収集に依存していたため、進歩は妨げられた。
バージョン管理や関連するツールからトレースを取得することへの移行により、データの可用性が劇的に向上した$\unicode{x2014}$ 特にオープンソースのソフトウェアが台頭した$\unicode{x2014}$ しかし、しばしば定かでない前提に、これらのツールはプロの開発者が真のソフトウェアシステムを構築するために使用している。
しかし、トレース生成ツール、データタイプ、スケール、経験的手法がすべて進化してきたため、データ生成と分析アプローチの変化がソフトウェア開発、保守、進化に関する多くの以前の発見に影響を与えることが明らかになっている。
AIエージェントがこれらの同じツールを積極的に利用しているため、結果として得られた痕跡は、しばしば人間の起源の元々の仮定に反する。
ソフトウェア測定研究の関連性を維持するためには、迅速な行動が必要である: 現代データに基礎的な仮定がいつ違反しているかを検知し、変化した状況下で有効である新しい方法論を開発する必要がある。
そこで本研究では,ソフトウェア計測を有意に維持するために,現在のデータに対して一貫した結果を出力する手法を目標として,最新の技術を用いて重要な発見を再考する,AI支援レプリケーションプログラムを提案する。
関連論文リスト
- On Automated and Explainable Provenance of AI-Generated Code [56.818202904805446]
次世代のCodeGenAIツールは、説明可能な証明の基礎の上に構築されなければならない、と我々は主張する。
本稿では,大規模実証研究とポストホック因果・解釈可能性技術を組み合わせた研究プログラムについて述べる。
論文 参考訳（メタデータ） (2026-08-03T14:50:31Z) - SciToolAgent-Evo: An Ontology-Aware Self-Evolving Agent for Open-World Scientific Tool Acquisition [53.36281538053445]
SciToolAgent-Evoは,オープンワールドの科学ツール獲得のためのオントロジーを意識した自己進化エージェントである。
スキル、経験、およびオンロジ化されたツールグラフの進化した記憶によって駆動され、蓄積中の対照的な軌跡から一般化可能な知識を抽出する。
新たなツールが取得されると、その科学的知識はオンラインで完了し、既知のグラフにシームレスに統合される。
論文 参考訳（メタデータ） (2026-07-30T08:47:11Z) - VESTA: Visual Exploration with Statistical Tool Agents [56.76643750765825]
VESTA: 統計ツールエージェントを用いたビジュアル探索について紹介する。
VESTAの動的ツール生成は、以前のエージェントパイプラインよりも優れていることを示す。
また,分散フィッティングと時系列を対象とするベンチマークであるDAWNについても紹介する。
論文 参考訳（メタデータ） (2026-05-29T21:57:37Z) - Llama-based source code vulnerability detection: Prompt engineering vs Fine tuning [0.6588840794922407]
大規模言語モデル(LLM)は、これまでで最も高性能なAIモデルであると考えられている。
それらの性能について検討し、その効果を高めるために様々な最先端技術を適用した。
我々は最近のオープンソースのLlama-3.1 8Bを活用し、BigVulデータセットとPrimeVulデータセットからソースコードサンプルを抽出した。
論文 参考訳（メタデータ） (2025-12-09T12:08:24Z) - Does Machine Unlearning Truly Remove Knowledge? [80.83986295685128]
本研究では,3つのベンチマークデータセット,6つのアンラーニングアルゴリズム,および5つのプロンプトベースの監査手法からなる,アンラーニング評価のための総合的な監査フレームワークを提案する。
異なるアンラーニング戦略の有効性とロバスト性を評価する。
論文 参考訳（メタデータ） (2025-05-29T09:19:07Z) - Position: All Current Generative Fidelity and Diversity Metrics are Flawed [58.815519650465774]
現在のジェネレーティブの忠実度と多様性の指標がすべて欠陥があることを示します。
私たちの目標は、モデルではなく、メトリクスの開発により多くの労力を費やすように研究コミュニティを説得することにあります。
論文 参考訳（メタデータ） (2025-05-28T15:10:33Z) - Quantifying Process Quality: The Role of Effective Organizational
Learning in Software Evolution [0.0]
現実世界のソフトウェアアプリケーションは、常に進化し続けなければならない。
ソフトウェア品質管理の従来の手法には、ソフトウェアの品質モデルと継続的コード検査ツールが含まれる。
しかし、開発プロセスの品質と結果のソフトウェア製品との間には、強い相関関係と因果関係がある。
論文 参考訳（メタデータ） (2023-05-29T12:57:14Z) - Automated Machine Learning Techniques for Data Streams [91.3755431537592]
本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。
この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
論文 参考訳（メタデータ） (2021-06-14T11:42:46Z)
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。