論文の概要: Following Breadcrumbs in Code: What Accidentally Committed Ad-Hoc Logs Reveal about Developer Comprehension

• arxiv url: http://arxiv.org/abs/2610.11041v1
• Date: Thu, 08 Oct 2026 00:48:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.717384
• Title: Following Breadcrumbs in Code: What Accidentally Committed Ad-Hoc Logs Reveal about Developer Comprehension
• Title（参考訳）: コードにおけるBreadcrumbの追跡: 偶然にアクシデントされたアドホックログ
• Abstract要約: 開発者は、実行時のプログラム動作をよりよく理解するために、**ad-hoc logs*として知られる一時的なプリントやログステートメントを挿入することが多い。 ほぼ普遍的な実践であるにもかかわらず、これらのログは短命であるため、体系的な研究は限られている。 私たちは3つの主要なプログラミング言語(Java、JavaScript、Python)にまたがる大規模なデータセットを構築しました。 私たちの分析では、開発者がアドホックなログに依存する場所と方法において、一般的なパターンと言語固有のパターンの両方を明らかにしています。
• 参考スコア（独自算出の注目度）: 15.281634324891433
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Developers frequently insert temporary print or log statements, known as **ad-hoc logs**, to better understand program behavior at runtime, particularly when facing unexpected issues or complex control flows. Despite being a nearly universal practice, systematic study has been limited because these logs are ephemeral: they usually remain only in local environments and are removed before code is committed, making them difficult to capture. In this work, we addressed this challenge by mining accidental commits where developers unintentionally left ad-hoc logs and later deleted them, and by analyzing live-streamed programming sessions to observe their use in practice. Using these methods, we constructed a large dataset across three major programming languages (Java, JavaScript, and Python), enabling the large-scale investigation of logging practices. Our analysis reveals both common and language-specific patterns in where and how developers rely on ad-hoc logs. Across languages, ad-hoc logs tend to appear in program regions that are harder to reason about at runtime. We also identify distinctive language-level patterns, such as frequent use in asynchronous and callback functions in JavaScript and in thread-related classes in Java. In addition, functions containing ad-hoc logs generally have higher cyclomatic complexity than the overall function population. Production logs show a similar association, consistent with logging serving as a means of observing runtime behavior in structurally complex functions. Together, these findings provide empirical insight into developers' runtime comprehension practices and offer a valuable dataset for researchers and tool builders seeking to better support debugging and logging.
• Abstract（参考訳）: 開発者は、特に予期せぬ問題や複雑な制御フローに直面している場合、実行時のプログラムの振る舞いをよりよく理解するために、**ad-hoc logs*として知られる一時的なプリントやログステートメントを挿入する。 ほとんど普遍的なプラクティスであるにもかかわらず、これらのログは短命であるため、体系的な研究は限られている。 本研究では、開発者が意図せずアドホックなログを残して後に削除した偶発的なコミットをマイニングし、ライブストリーミングされたプログラミングセッションを分析して、実際に使用していることを観察することで、この問題に対処した。 これらの手法を用いて,3つの主要なプログラミング言語(Java,JavaScript,Python)にまたがる大規模なデータセットを構築し,ロギングプラクティスの大規模調査を可能にした。 私たちの分析では、開発者がアドホックなログに依存する場所と方法において、一般的なパターンと言語固有のパターンの両方を明らかにしています。 言語全体では、アドホックなログは実行時に推論が難しいプログラム領域に現れる傾向がある。 また、JavaScriptの非同期関数やコールバック関数やJavaのスレッド関連クラスで頻繁に使用されるなど、言語レベルのパターンも特定します。 さらに、アドホックログを含む関数は、一般に全体の関数群よりもサイクロマティックな複雑さが高い。 プロダクションログは、構造的に複雑な関数で実行時の振る舞いを観察する手段として、ロギングと同じような関連性を示している。 これらの発見は、開発者実行時の理解プラクティスに関する実証的な洞察を提供し、デバッグとロギングをよりサポートしようとする研究者とツールビルダーに貴重なデータセットを提供する。

関連論文リスト

• Harnessing Generalist Agents for Contextualized Time Series [67.28481985993467]
  時系列はしばしば、全体モデリングに不可欠なリッチな文脈に埋め込まれる。 本稿では時系列のエージェントハーネスフレームワークであるTimeClawを紹介する。 TimeClawは、グラウンドドと監査可能な分析のための実行可能な時間的ツール、再利用可能な分析ルーチンを作成するためのエクスペリエンス駆動機能進化、関連する推論トレースを取得するためのエピソードマルチモーダルメモリを統合している。
  論文  参考訳（メタデータ） (2026-06-03T20:20:34Z)
• InspectCoder: Dynamic Analysis-Enabled Self Repair through interactive LLM-Debugger Collaboration [71.18377595277018]
  大きな言語モデル(LLM)は、診断が難しい複雑なロジックエラーを伴うバグの多いコードを生成することが多い。 対話型デバッガ制御による動的解析を LLM に委ねる初のエージェントプログラム修復システムである InspectCoder を提案する。
  論文  参考訳（メタデータ） (2025-10-21T06:26:29Z)
• Learning from Mistakes: Understanding Ad-hoc Logs through Analyzing Accidental Commits [5.719609621039864]
  アドホックログ(ad-hoc logs)”の使用方法について,開発者のプラクティスを研究する文献はほとんどない。 我々は、ライブストリーミングされたコーディングビデオを見て分析することで、このような開発者ロギングの実践について研究する。 私たちは、GitHub ArchiveリポジトリからJavaScriptの548,880のアドホックログを削除した27GBの偶発的なコミットを収集しました。
  論文  参考訳（メタデータ） (2025-01-17T00:42:33Z)
• LogLLM: Log-based Anomaly Detection Using Large Language Models [7.7704116297749675]
  大規模言語モデル(LLM)を活用するログベースの異常検出フレームワークであるLogLLMを提案する。 LogLLMはBERTを使用してログメッセージからセマンティックベクターを抽出し、変換器デコーダベースのモデルであるLlamaを使ってログシーケンスを分類する。 我々のフレームワークは、性能と適応性を高めるために設計された新しい3段階の手順によって訓練されている。
  論文  参考訳（メタデータ） (2024-11-13T12:18:00Z)
• A Large-Scale Evaluation for Log Parsing Techniques: How Far Are We? [42.56249610409624]
  実世界のソフトウェアシステムにおけるログデータの特徴をよりよく反映できる,アノテーション付きログデータセットの新たなコレクションであるLoghub-2.0を提供する。 我々は、より厳密で実践的な設定で15の最先端ログを徹底的に再評価し、特に、既存のメトリクスの非バランスなデータ分布に対する感度を緩和する新しい評価基準を導入する。
  論文  参考訳（メタデータ） (2023-08-21T16:24:15Z)
• Log Parsing Evaluation in the Era of Modern Software Systems [47.370291246632114]
  自動ログ分析、ログ解析は、ログから洞察を導き出すための前提条件である。 本研究は,ログ解析分野の問題点,特に異種実世界のログ処理における非効率性を明らかにする。 本稿では,企業コンテキストにおけるログ解析性能を推定するツールであるLogchimeraを提案する。
  論文  参考訳（メタデータ） (2023-08-17T14:19:22Z)
• Data-Driven Approach for Log Instruction Quality Assessment [59.04636530383049]
  優れた品質特性を持つログ命令の記述方法に関するガイドラインは,広く採用されていない。 1)ログレベルの正確さを評価するための正しいログレベルの割り当てと,2)イベント記述の冗長化に必要な静的テキストの最小富度を評価する十分な言語構造である。 本手法は,F1スコア0.99の十分な言語構造を用いて,ログレベルの割当を精度0.88で正確に評価する。
  論文  参考訳（メタデータ） (2022-04-06T07:02:23Z)
• Self-Supervised Log Parsing [59.04636530383049]
  大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。 既存のアプローチは、ログ特化や手動ルール抽出に依存している。 本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
  論文  参考訳（メタデータ） (2020-03-17T19:25:25Z)

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。