論文の概要: Smells and Refactorings for Software Environmental Sustainability: A Systematic Literature Review
- arxiv url: http://arxiv.org/abs/2610.03838v1
- Date: Fri, 02 Oct 2026 14:52:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:49:55.865914
- Title: Smells and Refactorings for Software Environmental Sustainability: A Systematic Literature Review
- Title（参考訳）: ソフトウェア環境サステナビリティのためのスメルとリファクタリング: 体系的な文献レビュー
- Abstract要約: ソフトウェアの環境持続可能性に影響を与える20の匂いを識別する。
それぞれの匂いは、ソフトウェアの環境持続可能性に対する悪影響を軽減するために知られている1つ以上の技術と関連付けられている。
- 参考スコア（独自算出の注目度）: 1.4158078752410181
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Context: The environmental impact of ICT is constantly growing. Enhancing its environmental sustainability requires dealing with energy-hungry software systems, by possibly reducing their footprint. Objective: To better frame the problem and its persistent nature, software can be viewed as carrying structural inefficiencies regardless of how advanced its functionality may be. Identifying these inefficiencies as "green smells" provides a basis for refactoring code to mitigate its ecological impact. We aim at identifying well-known green smells impacting environmental sustainable software and map them to corresponding refactoring aimed at reducing the impact therein. Method: In this article, we conduct a systematic literature review on the articles that discuss green smells and their possible refactorings. We analyse and classify 66 primary studies published up to March 2026. Results: We identify 20 smells impacting environmental sustainability of software. Each smell is associated with one or more refactoring techniques known to mitigate their negative effects on the environmental sustainability of software. Conclusions: The literature witnesses the interest in resolving the green smells affecting software systems. The catalogued green smells and the corresponding refactorings can provide pragmatic value for practitioners in their daily development workflows, while also offering researchers a starting point to establish new research directions in sustainable software engineering.
- Abstract（参考訳）: コンテキスト:ICTの環境への影響は常に増大しています。
環境の持続可能性を高めるには、おそらくフットプリントを減らすことで、エネルギー不足のソフトウェアシステムを扱う必要がある。
目的: 問題とその永続性を改善するために、ソフトウェアは、その機能がどのように進歩していても、構造的非効率を担っていると見なすことができます。
これらの非効率性を"緑の臭い"として識別することは、その生態的影響を軽減するためにコードをリファクタリングする基盤となる。
本研究の目的は,環境保全ソフトウェアに影響を与えるよく知られた緑の臭いを識別し,それに対応するリファクタリングにマップすることである。
方法:本論文では,緑臭とそのリファクタリングの可能性について論じる論文について,系統的な文献レビューを行う。
我々は2026年3月までに発行された66の初等研究を分析し分類する。
結果: ソフトウェアの環境持続可能性に影響を及ぼす20種類の匂いを同定した。
それぞれの匂いは、ソフトウェアの環境持続可能性に対する悪影響を軽減するために知られている1つ以上のリファクタリング技術と関連付けられます。
結論: この文献は、ソフトウェアシステムに影響を与える緑の臭いを解決することに興味を持っている。
カタログ化された緑色の臭いとそれに対応するリファクタリングは、日々の開発ワークフローにおける実践者にとって実践的な価値を提供すると同時に、持続可能なソフトウェアエンジニアリングにおける新たな研究方向を確立するための出発点を提供する。
関連論文リスト
- Bringing GRACE to Recommendation: Fine-Tuning for Sustainable and Accurate Personalization [57.58261252242669]
環境サステナビリティに関する懸念が高まり、グリーンの推奨システムは、よりエコフレンドリーで健康的な選択へとユーザーを導いてくれる。
多くの既存のグリーンレコメンデーションアプローチでは、スクラッチから新しいモデルをトレーニングする必要がある。
本稿では、アイテムレベルのサステナビリティ信号を事前訓練されたレコメンデーションモデルに統合する微調整フレームワークであるGRACE(Adaptive Conflict-rEsolution)を提案する。
論文 参考訳（メタデータ） (2026-07-24T14:17:37Z) - FAIR+S: A validation study of a framework for sustainable research data and software [0.9449650062296823]
FAIRの原則は、デジタル研究成果物の説明、共有、再利用の仕方をすでに構成している。
FAIR+Sは、カーボンフットプリントとエネルギー利用の考慮を直接FAIRのメタデータに織り込む。
これは、オープンサイエンスの目標と脱炭目標を同時に進める再現可能な研究の基盤となる。
論文 参考訳（メタデータ） (2026-06-17T09:30:47Z) - A Causal Perspective on Measuring, Explaining and Mitigating Smells in LLM-Generated Code [49.09545217453401]
Propensity Smelly Score (PSC) は、特定の臭いの種類を生成する確率を推定する計量である。
我々は、生成戦略、モデルサイズ、モデルアーキテクチャ、および生成したコードの構造特性をいかに形成するかを識別する。
PSCは、開発者がモデルの振る舞いを解釈し、コード品質を評価するのに役立つ。
論文 参考訳（メタデータ） (2025-11-19T19:18:28Z) - Assessing the Impact of Refactoring Energy-Inefficient Code Patterns on Software Sustainability: An Industry Case Study [9.521952718902973]
本稿では,自動ソフトウェアサステナビリティ評価ツールを用いて,エネルギー非効率なコードパターンの持続可能性への影響を評価する産業ケーススタディを提案する。
予備的な結果は、アプリケーションのサステナビリティーのリファクタリング後への影響を浮き彫りにしており、ユーザ毎のエネルギー消費は29%減少している。
論文 参考訳（メタデータ） (2025-06-11T03:34:45Z) - A Synthesis of Green Architectural Tactics for ML-Enabled Systems [9.720968127923925]
ML対応システムのための30のグリーンアーキテクチャ戦略のカタログを提供する。
アーキテクチャ戦術は、ソフトウェア品質を改善するための高度な設計手法である。
透明性を高め、その普及を促進するため、我々はオンラインで簡単に消費可能なフォーマットで戦術を利用できるようにした。
論文 参考訳（メタデータ） (2023-12-15T08:53:45Z) - FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。
その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。
河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
論文 参考訳（メタデータ） (2023-11-17T00:53:09Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳（メタデータ） (2023-07-01T15:18:00Z) - Leveraging traditional ecological knowledge in ecosystem restoration
projects utilizing machine learning [77.34726150561087]
生態系修復プロジェクトの段階におけるコミュニティの関与は、コミュニティの健康改善に寄与する可能性がある。
適応的でスケーラブルなプラクティスは、エコシステム的なML修復プロジェクトのすべての段階において、学際的なコラボレーションを動機付けることができることを示唆している。
論文 参考訳（メタデータ） (2020-06-22T16:17:48Z)
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。