How Developers Experience Debugging Unfamiliar Codebases with Code Tours Generated and Evaluated by Local LLMs
该研究探讨开发者使用本地大语言模型生成评估的代码导航调试陌生代码库的体验,明确代码导航组件属性对开发者的影响,为优化代码导航生成与评估提供方向。
2026-08-06 cs.SE
How to Refactor this Code? An Exploratory Study on Developer-ChatGPT Refactoring Conversations
本研究通过挖掘17,913条开发者与ChatGPT的重构对话,揭示开发者常提出通用重构请求,而ChatGPT回应包含明确意图,并识别出多种提示学习设置,为AI辅助重构协作提供洞见。
2024-02-08 cs.SE
Developer-LLM Conversations: An Empirical Study of Interactions and Generated Code Quality
Queen’s University(女王大学)
本研究构建大规模开发者-LLM对话数据集CodeChat,分析开发者讨论话题、交互模式及生成代码质量的演变,发现相关问题发生率未随轮次下降,提出对话助手需跟踪开发者意图并监控代码质量。
2026-09-01 cs.SE
Do Mobile Developers Ask on Q&A Sites About Error Codes Thrown by a Cross-Platform App Development Framework? An Empirical Study
在过去的几年中,开发框架已经出现,使跨平台移动应用程序的开发和维护变得更加容易。Xamarin框架就是其中之一:它接受用C#编写的应用程序作为输入,并为Android,iOS和Windows Mobile平台生成本地代码。在使用Xamarin时,开发人员可能会遇到框架抛出的代码错误。不幸的是,Xamarin官方文档并没有提供所有这些代码的完整描述,解决方案或解决方案。本文分析了两个与Xamarin相关的问题和答案网站,以找到提到这些错误代码的问题。我们发现在这两个网站上都有开发人员写的关于Xamarin错误的问题,其中大多数至少有一个答案。我们的直觉是,这些发现的信息可能有助于为Xamarin开发人员提供支持。
2018-01-22 cs.SE
Profiling Developers Through the Lens of Technical Debt
内容:技术债需要管理以避免灾难性的后果,调查开发人员关于技术债管理的习惯是软件开发中非常宝贵的信息。目的:本研究旨在描述开发人员如何根据他们诱导的代码气味和他们应用的重构来管理技术债务。方法:我们为选定项目的每个开发人员挖掘了一个公开的技术债务数据集,以获取Git提交信息,代码气味,编码违规和重构活动。结果如下:通过结合这些信息,我们可以对开发人员进行分析,以识别多产的编码人员,突出区分开发人员角色(评审员,领导者,架构师)的活动,并估计编码成熟度和技术债务容忍度。
2020-09-08 cs.SE
Developers' Visuo-spatial Mental Model and Program Comprehension
本文通过20名开发者的被试间在线实验,比较传统标签页与 code canvas,并结合 Corsi Block 测试,考察空间代码表示和视觉空间工作记忆对程序理解的影响。
2023-04-18 cs.SE
Early Career Developers' Perceptions of Code Understandability. A Study of Complexity Metrics
该研究针对216名1-4年经验的早期职业开发者开展实证研究,探究McCabe圈复杂度与认知复杂度对代码可理解性的预测效果,发现二者预测能力一般且无法预测问题严重度,建议不让早期开发者独立做代码评审。
2024-07-15 cs.SE
Developers perception on the severity of test smells: an empirical study
单元测试是软件开发生命周期的重要组成部分。通过创建和运行单元测试,开发人员可以轻松快速地捕获和修复源代码中引入的软件错误。尽管单元测试很重要,但它会受到糟糕的设计或实现决策的影响,即所谓的测试气味。这些可能会从各个方面降低软件系统的质量,使其更难理解,更复杂的维护,更容易出现错误和bug。许多研究讨论了测试气味对测试代码的可能影响。然而,缺乏研究,捕捉开发人员对这些问题的看法。本研究实证分析了开发人员如何在他们开发的测试代码中感知测试气味的严重性。严重性是指测试气味可能对测试代码产生负面影响的程度。我们从GitHub中选择了六个开源软件项目,并采访了他们的开发人员,以了解测试气味是否以及如何影响测试代码。尽管大多数受访的开发人员认为测试气味对他们的代码的严重性很低,但他们表示测试气味可能会对项目产生负面影响,特别是在测试代码的可维护性和演化方面。此外,从测试代码中检测和移除测试气味可能对项目有积极意义。
2021-07-29 cs.SE
A Large-Scale Study on Developer Engagement and Expertise in Configurable Software System Projects
本研究通过挖掘25个CSS项目仓库的45万余次提交,分析开发者对可变/强制代码的参与度、可变代码工作量集中度及专业知识指标有效性,发现可变代码责任高度集中且传统指标识别效果差,为CSS项目任务分配提供改进方向。
2025-08-25 cs.SE
New developer metrics: Are comments as crucial as code contributions?
近年来,开源代码开发已经变得非常普遍。因此,开源软件平台也变得流行起来,来自不同地点的数百万开发人员能够为相同的项目做出贡献。在这些平台上,关于它们的各种知识都是从用户活动中获得的。这些信息以开发人员指标的形式使用,以解决各种挑战。在这项研究中,我们提出了新的开发人员指标,包括评论和与问题相关的活动,需要更少的信息。我们的结论是,对项目的任何功能进行评论都可以与代码贡献一样有价值。此外,除了定量指标外,仅基于活动存在的指标也显示出相当大的结果。我们看到,这些问题在识别用户贡献方面至关重要。即使一个开发人员只对一个项目的一个问题做出了贡献,开发人员和项目之间的关系也是紧密的。由于我们数据集的稀疏性问题,命中分数相对较低;即使如此,我们相信我们已经提出了可改进和显着的新开发人员指标。
2020-07-27 cs.SE
How Are We Doing With Using AI-Based Programming Assistants For Privacy-Related Code Generation? The Developers' Experience
本文通过调查全球 51 名专业开发者,评估 AI 编程助手生成隐私保护代码的实际表现与挑战,并提出模型、系统改进及未来研究方向。
2025-06-15 cs.SE
An Exploratory Eye Tracking Study on How Developers Classify and Debug Python Code in Different Paradigms
Dakota State University(达科他州立大学);University of Nebraska--Lincoln(内布拉斯加大学林肯分校)
本研究通过眼动追踪实验探究开发者在Python代码分类与调试中受编程范式的影响,发现函数式与过程式范式易混淆、函数式代码调试耗时更长且阅读模式存在显著差异。
2025-11-10 cs.SE
Why Developers Refactor Source Code: A Mining-based Study
重构的目的是在不修改代码外部行为的情况下改进代码的非函数属性。以前的研究通过调查开发人员来调查重构背后的动机。为了概括和补充他们的研究结果,我们提出了一个大规模的研究,定量和定性地调查为什么开发人员在开源项目中执行重构。首先,我们挖掘了150个系统历史上执行的287,813次重构操作。使用这个数据集,我们研究了重构操作和过程之间的相互作用(例如,先前的改变/修复)和产品(例如,质量度量)度量。然后,我们手动分析了551个合并的拉取请求,这些合并的拉取请求实现了重构操作,并对所实现的重构背后的动机进行了分类(例如,删除代码重复)。我们的研究结果导致(i)定量证据的关系存在于某些过程/产品指标和重构操作和(ii)一个详细的分类,概括和补充现有的文献中的动机,推动开发人员重构源代码。
2021-01-05 cs.SE
Predicting Developer Acceptance of AI-Generated Code Suggestions
Beihang University(北京航空航天大学)
本文通过分析工业数据,提出CSAP模型预测开发者对AI生成代码建议的接受度,提升了过滤效果和开发者体验。
2026-01-29 cs.SE
An Eye for Trust: An Exploration of Developers' Trust Perceptions Through Urgency and Reputation
Polytechnique Montréal(蒙特利尔高等理工学院);McGill University(麦吉尔大学)
研究通过眼动实验探讨紧迫性和声誉如何影响开发者对代码可信度的判断,发现代码优先级影响审查行为但不影响采纳决策,且开发者未充分意识到紧迫性和声誉的影响。
2026-04-09 cs.SE
Developers Perception of Peer Code Review in Research Software Development
研究软件是由研究人员开发和/或使用的软件,跨越各种领域,以执行他们的研究。由于研究软件的复杂性,开发人员无法进行详尽的测试。因此,研究人员对软件输出的正确性信心较低。同行代码评审,一个标准的软件工程实践,已经帮助解决了其他类型软件中的这个问题。目的:同行代码评审在研究软件中比在其他类型的软件中更不普遍。此外,文献不包含任何关于在研究软件中使用同行代码评审的研究。因此,通过分析开发人员的看法,这项工作的目标是了解同行代码审查在研究软件开发的现行做法,确定与同行代码审查在研究软件的挑战和障碍,并提出方法,以改善同行代码审查在研究软件。方法:我们对研究软件开发人员进行了访谈和社区调查,以收集有关他们当前的同行代码评审实践,他们面临的困难以及他们如何解决这些困难的信息。结果:我们从访谈和调查中收到了84份独特的回复。结果表明,虽然研究软件团队审查了大量的代码,他们缺乏正式的过程,适当的组织,和足够的人来执行审查。结论:使用同行代码审查有望提高研究软件的质量,从而提高基础研究结果的可信度。此外,通过使用同行代码审查,研究软件开发人员可以生成更可读和更容易理解的代码,这将更容易维护。
2021-09-22 cs.SE
CLARA: A Developer's Companion for Code Comprehension and Analysis
CLARA是一个浏览器扩展,利用先进推理模型帮助开发者和研究人员进行代码理解、重构和质量检测,经用户研究验证其有用、准确且实用。
2025-09-11 cs.SE
Towards Heuristics for Supporting the Validation of Code Smells
代码气味的识别在很大程度上被认为是一项主观任务。因此,现有的自动检测工具不足以处理任务中涉及的整个主观性,需要人工验证。然而,开发人员可能遵循不同但互补的观点来手动验证相同的代码气味。基于这种情况下,我们的研究旨在表征一个全面的和优化的一组特征,用于指导开发人员验证自动检测工具报告的代码气味的发生率。为此,我们进行了实证研究,与12个经验丰富的软件开发人员。在这项研究中,我们邀请开发人员单独验证来自开源Java项目的24个代码片段中代码气味的发生率。对于每个验证,开发人员应该提供支持他们决策的参数。研究结果显示,开发人员倾向于从不同的角度看待问题,即使他们同意代码气味的发生率。在将303个参数编码并提炼之后,我们组成了一组优化的验证项目,用于指导开发人员手动验证八种类型的代码气味的发生率:数据类,上帝类,投机性一般性,中间人,拒绝遗赠,原始痴迷,长参数列表和功能嫉妒。我们目前正计划与专家一起进行调查,以确定改进所提议的验证项目集的机会。
2021-10-06 cs.SE
On the Road to Personalized Code Intelligence: Portraiting and Assisting Developers Based on Their In-IDE Behaviors
Beihang University(北京航空航天大学);Wuhan University(武汉大学)
提出VirtualME数据基础设施,通过捕获和解释开发者在IDE中的动态编程行为,构建四维开发者画像,并集成到问答代理中实现个性化代码智能,实验显示平均提升33.80%。
2026-05-28 cs.SE
In-IDE Code Generation from Natural Language: Promise and Challenges
软件开发的很大一部分涉及概念化或交流需要在程序中表达的底层过程和逻辑。编程的一个主要困难是将概念转化为代码,特别是在处理不熟悉的库的API时。最近,用于从自然语言查询中生成和检索代码的机器学习方法激增,但这些方法主要是纯粹基于检索准确性或生成的代码与开发人员编写的代码的重叠进行评估的,并且这些方法对开发人员工作流程的实际影响令人惊讶地未经证实。我们对在IDE中使用此类技术的前景和挑战进行了首次全面调查,询问“在当前的技术状态下,它是否提高了开发人员的生产力或准确性,它如何影响开发人员的体验,以及剩下的差距和挑战是什么?”“我们首先为IDE开发一个插件,它实现了代码生成和代码检索功能的混合,并协调虚拟环境以支持收集许多用户事件。我们要求具有各种背景的开发人员完成14个Python编程任务,从基本的文件操作到机器学习或数据可视化,无论是否有插件的帮助。虽然开发人员体验的定性调查基本上是积极的,但关于提高生产力,代码质量或程序正确性的定量结果并不确定。分析确定了几个痛点,可以提高未来基于机器学习的代码生成/检索开发人员助手的有效性,并演示了开发人员何时更喜欢代码生成而不是代码检索,反之亦然。我们发布所有数据和软件,为未来的实证研究和开发更好的模型铺平道路。
2021-09-22 cs.SE
Exploring Prompt Patterns in AI-Assisted Code Generation: Towards Faster and More Effective Developer-AI Collaboration
本文基于DevGPT数据集分析七种提示模式,发现“上下文与指令”和“配方”模式能以最少迭代获得高质量代码,为优化开发者与AI协作的提示工程提供实用指导。
2025-06-02 cs.SE
Navigate, Understand, Communicate: How Developers Locate Performance Bugs
背景:性能缺陷可能导致计算效率、功耗和用户体验方面的严重问题。定位这些bug是一项困难的任务,因为开发人员必须判断每个昂贵的操作是否需要或不需要消耗运行时。目的:我们想研究开发人员在定位性能错误时如何浏览代码,理解程序并传达检测到的问题。方法:我们进行了一项定性的用户研究,观察12名开发人员试图修复两个开源项目中记录的性能错误。开发人员使用一个概要分析和分析工具,该工具以列表表示形式直观地描述运行时信息,并嵌入到源代码视图中。结果如下:我们确定了开发人员用于查明bug的典型导航策略,例如,基于运行时消耗的方法调用。可视化和代码的集成帮助开发人员理解错误。可视化数据结构和算法的草图被证明是有价值的外部化和沟通的复杂错误的理解过程。结论:修复性能bug是一个代码理解和导航问题。基于已执行方法的灵活导航特性以及源代码和性能信息的紧密集成支持该过程。
2017-06-30 cs.SE
Refactoring Debt: Myth or Reality? An Exploratory Study on the Relationship Between Technical Debt and Refactoring
为了满足项目时间表或预算限制,开发人员故意偏离编写最佳代码的可行性代码,这被称为招致技术债务(TD)。此外,作为计划纠正的一部分,开发人员将这些缺陷记录为代码中的注释(即,自我承认的技术债务或SATD)。作为提高源代码质量的一种手段,开发人员经常对代码库应用一系列重构操作。在这项研究中,我们探讨开发人员偿还这种债务,通过重构操作,检查发生的SATD删除76个开源Java系统的代码。我们的研究结果表明,TD支付通常发生在重构活动中,开发人员出于特定原因重构代码以删除TD。我们设想我们的研究结果支持供应商提供工具,以更好地支持开发人员自动偿还技术债务。
2022-03-10 cs.SE
Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows
首个受控研究揭示了自主coding agents如何超越copilots提升开发者生产力并改变工作流,同时指出用户理解和系统采用仍面临挑战。
2025-09-13 cs.SE
Why did developers migrate Android applications from Java to Kotlin?
目前,大多数在移动设备上运行的应用程序都是用Java开发的Android应用程序。然而,开发人员现在可以使用一种新的程序设计语言编写Android应用程序:Kotlin,谷歌在2017年将其作为开发Android应用程序的官方程序设计语言。从那时起,Android开发人员已经能够:a)使用Kotlin从头开始编写Android应用程序,b)通过添加Kotlin代码(可能归功于两种语言之间的互操作性)来改进现有的Java Android应用程序,或者c)将其Android应用程序从Java迁移到Kotlin。本文旨在研究这最后一种情况。我们进行了一项定性研究,以了解Android开发人员将Java代码迁移到Kotlin的原因,并将他们在此过程中的经验汇总在一起,以确定他们面临的主要困难。为了执行这项研究,我们首先确定了来自开源Android项目的提交,这些项目已经将Java代码迁移到Kotlin。然后,我们给编写这些迁移的开发人员发了电子邮件。因此,我们从98名将代码从Java迁移到Kotlin的开发人员那里获得了信息。本文介绍了研究确定的进行迁移的主要原因。我们发现开发人员将Java代码迁移到Kotlin是为了访问程序设计语言功能(例如,扩展函数,扩展函数,智能转换),这些功能在Java for Android开发中不可用,并获得更安全的代码(即,避免空指针异常)。我们还确定了研究…
2021-11-22 cs.SE
The role of library versions in Developer-ChatGPT conversations
本研究通过分析含4000多条交互的DevGPT数据集,发现开发者与ChatGPT的代码对话中仅9%提及库版本约束,且多由用户提出,同时定性识别出相关潜在问题。
2024-01-29 cs.SE
What Do Developers Discuss about Code Comments?
本文通过 LDA 与人工分析 SO、Quora 上的代码注释讨论,构建问题分类体系,揭示开发者关注文档工具、注释语法、风格规范及自动化支持。
2021-08-17 cs.SE
Evaluating LLM-Generated Code: A Benchmark and Developer Study
IU Internationale Hochschule Bad Honnef(德国国际高等教育学院)
本文提出了一种定制的树折评估方法,用于评估大语言模型生成的代码,弥补了现有基准在代码质量和可操作性方面的不足,并通过对比三个通用大语言模型展示了其有效性。
2026-06-11 cs.SE
An Empirical Study of Developer Discussions on Low-Code Software Development Challenges
低代码软件开发(LCSD)是一种新兴的范式,它将最小的源代码与交互式图形界面相结合,以促进快速的应用程序开发。康文署的目标是让不同背景的软件从业员参与应用程序开发。鉴于康文署是一个相对较新的范例,了解开发商在采用康文署平台时面临的挑战至关重要。在线开发者论坛Stack Overflow(SO)在软件开发人员中很受欢迎,他们可以寻求技术问题的解决方案。我们观察到在SO中有越来越多的帖子讨论康文署的平台。在本文中,我们提出了一个实证研究约5K SO职位(问题+接受的答案),其中包含九个流行的康文署平台的讨论。我们在帖子上应用主题建模来确定讨论的主题类型。我们在SO中找到13个与LCSD相关的主题。这13个主题分为四个类别:定制、平台采用、数据库管理和第三方集成。超过40%的问题是关于定制的,即,开发人员经常面临定制由康文署平台提供的用户界面或服务的挑战。"自定义"类别下的"动态事件处理"主题是最受欢迎的(就该主题每个问题的平均查看次数而言),也是最困难的。这意味着开发人员经常搜索自定义解决方案,例如如何将动态事件附加到低代码UI中的表单,但他们的大多数问题(75.9%)仍然没有可接受的答案。我们从帖子中手动标记900个问题,以确定主题在康文署各阶段的挑战普遍性。我们发现大多数问题都与开发阶段有关,低代码开发人员也面临着自动化测试的挑战。
2021-03-21 cs.SE
From Today's Code to Tomorrow's Symphony: The AI Transformation of Developer's Routine by 2030
本文比较2024年与2030年AI辅助编程的演进,提出增强型AI工具HyperAssistant以全面支持开发,强调AI作为补充力量将开发者转变为AI驱动生态的编排者,推动软件工程效率与安全的飞跃。
2024-09-27 cs.SE
Interpersonal Conflicts During Code Review
代码审查包括由开发人员而不是代码作者对源代码进行手动检查、讨论和判断。由于围绕竞争性想法和小组决策过程的讨论,代码审查期间预计会出现人际冲突。本研究系统地探讨了开发人员如何感知代码审查冲突和解决人际冲突,在代码审查作为一个理论结构。通过对22名开发人员进行访谈的主题分析,我们确认代码审查期间的冲突是常见的,预期的,并被开发人员视为正常。即使冲突确实会发生,并对评审产生负面影响,但冲突如果得到建设性的解决,也可以创造价值并带来改进。此外,分析提供了关于代码审查及其上下文(即,代码、开发人员、团队、组织)交织在一起。最后,有一些方面的具体代码审查冲突,需要研究和应用定制的冲突解决和管理技术,其中一些在本文中进行了讨论。数据和材料:https://doi.org/10.5281/zenodo.5848794
2022-01-14 cs.SE
EditFlow: Benchmarking and Optimizing Code Edit Recommendation Systems via Reconstruction of Developer Flows
Shanghai Jiao Tong University(上海交通大学);National University of Singapore(新加坡国立大学);Bytedance Network Technology(字节跳动网络科技)
本文提出EditFlow,通过重建开发者编辑流程,解决代码编辑推荐系统在数据收集、基准测试和统一优化中的关键挑战,提升开发者生产力。
2026-04-08 cs.SE
NLP2Code: Code Snippet Content Assist via Natural Language Tasks
开发人员越来越多地利用互联网将代码片段集成到他们的程序中。为了节省开发人员从开发环境切换到Web浏览器以寻找合适的代码片段所需的时间,我们引入了NLP 2Code,这是一个代码片段的内容帮助。与相关工具不同,NLP 2Code直接集成到源代码编辑器中,并为开发人员提供内容辅助功能,以缩小开发人员需求与代码片段Meta数据之间的词汇差距。我们对NLP 2Code的初步评估表明,大多数调用都会导致用户认为有用的代码片段,并且该工具能够支持广泛的任务。
2017-08-02 cs.SE
DPO-F+: Aligning Code Repair Feedback with Developers' Preferences
Vanderbilt University(范德堡大学)
研究针对大语言模型在代码修复中开发者难解读输出的问题,提出DPO-f+框架,通过定义指标、构建数据集、微调模型及评估反馈质量,提升反馈准确性与对齐度,增强了代码理解和人机协作。
2026-07-09 cs.SE
Breaks and Code Quality: Investigating the Impact of Forgetting on Software Development. A Registered Report
本注册报告提出实证研究,探究开发者活动中断时长、项目活动量及不同活动模式对代码质量的影响,为判断并行多项目开发或减少参与项目数哪种更有益提供依据。
2023-08-28 cs.SE
Code Smells Detection via Modern Code Review: A Study of the OpenStack and Qt Communities
代码评审在软件质量控制中起着重要的作用,它可以检测和定位缺陷和其他质量问题。可能影响软件质量的一种问题是代码气味。然而,我们对现代代码审查中代码气味的识别程度知之甚少。为了研究现代代码审查中识别出的代码气味背后的概念,以及审查者建议和开发人员采取什么行动来响应识别出的气味,我们通过分析来自OpenStack(Nova和Neutron)和Qt(Qt Base和Qt Creator)社区的四个大型开源项目的审查,对代码审查中的代码气味进行了研究。我们手动检查了通过关键字搜索和随机选择获得的总共25,415条代码审查评论,并确定了1,539条与气味相关的评论。我们的分析发现:1)代码气味在代码评审中通常不会被识别出来,2)气味通常是由违反编码约定引起的,3)评审人员通常会提供建设性的反馈,包括修复(重构)建议,以帮助开发人员消除气味,4)开发人员通常遵循这些建议并采取行动的变化,5)一旦确定由审查,开发人员通常花费不到一周的时间来修复气味,以及6)开发人员选择忽略所识别的气味的主要原因是不值得修复气味。我们的研究结果表明:1)开发人员应该在他们的项目中严格遵循编码惯例,以避免引入代码气味,2)基于审查的代码气味检测被开发人员认为是一种值得信赖的方法,主要是因为审查是上下文敏感的(由于评审人员是项目开发团队的一部分,因此他们更了解代码的上下文),以及3)需要充分考虑程序上下文以便做出是否立…
2022-05-16 cs.SE
Where do developers admit their security-related concerns?
本研究针对开发者安全顾虑记录分散易过时的问题,通过分析4个工业级开源项目的2559个文档实例,明确了开发者偏好的记录渠道及问题搁置规律,并开发了提醒流水线以提升安全意识。
2024-05-17 cs.SE
What Developers Ask to ChatGPT in GitHub Pull Requests? an Exploratory Study
本研究通过手动评估GitHub已合并PR中的155个ChatGPT分享链接,归类出14种请求类型,发现代码审查、代码片段实现等请求常见,且代码生成类提示词交互次数多于文本审查类,填补了开发者与ChatGPT代码贡献交互理解的空白。
2025-08-23 cs.SE
Code2API: A Tool for Generating Reusable APIs from Stack Overflow Code Snippets
针对Stack Overflow代码片段无法直接测试复用的问题,提出Chrome扩展Code2API,利用LLMs的思维链推理和少样本学习自动将其转换为可调用API,评估显示其显著优于基于规则的方法。
2025-04-19 cs.SE
"An Endless Stream of AI Slop": How Developers Discuss the Burden of AI-Assisted Software Development
Heidelberg University(海德堡大学);University of Melbourne(墨尔本大学);Singapore Management University(新加坡管理大学)
通过定性分析Reddit和Hacker News帖子,揭示开发者对AI生成低质量内容(AI slop)的感知与应对,归纳为审查摩擦、质量退化及系统诱因三大主题,指出其公地悲剧性质。
2026-08-31 cs.SE
Do Developers Read Type Information? An Eye-Tracking Study on TypeScript
Dakota State University(达科他州立大学);University of Nebraska-Lincoln(内布拉斯加大学林肯分校)
本研究通过注视实验发现,开发者在TypeScript代码摘要和bug定位任务中并未频繁阅读类型注解,揭示了类型注解在开发实践中的实际使用情况。
2026-02-04 cs.SE
Stack Overflow: A Code Laundering Platform?
开发人员使用问答(Q&A)网站来交流知识和专业知识。Stack Overflow是一个流行的Q&A网站,开发人员在这里讨论编码问题并分享代码示例。虽然所有Stack Overflow帖子都可以免费访问,但Stack Overflow上的代码示例受Creative Commons Attribute-ShareAlike 3.0 Unported许可证的约束,开发人员在重用Stack Overflow的代码或将代码发布到Stack Overflow时应遵守该许可证。在本文中,我们对399个Android应用程序进行了案例研究,以调查开发人员在重用Stack Overflow帖子中的代码时是否尊重许可条款(反之亦然)。我们在数据集中的62个Android应用程序中发现了232个代码片段,这些代码片段可能会从Stack Overflow中重复使用,还有1,226个Stack Overflow帖子包含的代码示例是68个Android应用程序中发布的代码的克隆,这表明开发人员可能复制了这些应用程序的代码来回答Stack Overflow问题。我们调查了这些代码的许可证,并观察到1,279个潜在的许可证违规案例(与发布到堆栈溢出的代码或堆栈溢出的代码重用有关)。本文旨在提高软件工程社区对Stack Overflow等问答网站上潜在的不道德代码重用活动的认识。
2017-03-11 cs.SE
What really changes when developers intend to improve their source code: a commit-level study of static metric value and static analysis warning changes
许多软件度量被设计用来度量那些被认为与软件质量相关的方面。静态软件度量,例如,规模、复杂性和耦合性被用于缺陷预测研究以及软件质量模型来评估软件质量。虽然这表明了质量和软件度量之间的关系,但它的程度还没有得到很好的理解。此外,最近的研究发现,复杂性度量可能是源代码可理解性的不可靠指标。为了探索这种关系,我们利用开发人员的意图,即什么构成了他们自己代码库的质量改进。我们通过检查提交消息,将来自54个Java开源项目的2,533个提交的随机样本手动分类为质量改进,这取决于开发人员的意图。我们通过预定义的指导方针区分完美和纠正性维护,并将这些数据用作基础事实,用于微调自然语言处理的最先进的深度学习模型。我们使用该模型将数据集增加到125,482次提交。基于由此产生的数据集,我们调查的差异大小和14静态源代码指标之间的变化,提高质量,由开发人员表示,和其他变化。我们发现,质量改善提交比其他提交更小。完美的更改对静态源代码指标有积极的影响,而纠正性更改则倾向于增加复杂性。此外,我们发现,文件的目标是完善的维护已经有一个较低的中位数比其他文件的复杂性。我们的研究结果提供了经验证据,静态源代码度量捕获质量改进从开发人员的角度来看。这对程序理解以及代码气味检测和推荐系统都有影响。
2022-05-30 cs.SE
Assisting Novice Developers Learning in Flutter Through Cognitive-Driven Development
本研究通过线下Flutter训练营,探索认知驱动开发(CDD)对新手学习者的帮助,发现其能降低代码复杂度,更严格限制使代码量减少20%,提升质量与可读性。
2024-08-20 cs.SE
Assessing Consensus of Developers' Views on Code Readability
本文通过调查10名经验相近的Java开发者,评估其对代码可读性评价的共识,发现显著一致性及相关代码特征,为LLM对齐开发者可读性感知提供依据。
2024-07-04 cs.HC cs.SE
AI Observability for Developer Productivity Tools: Bridging Cost Awareness and Code Quality
Northeastern University(东北大学);Boston University(波士顿大学)
本文提出一种统一的AI可观性方法,通过实时跟踪token、配置模型定价库、响应验证和成本分析,构建单一仪表板,提升开发者生产力工具的成本与代码质量理解。
2026-04-18 cs.SE
Do Developers Refactor Data Access Code? An Empirical Study
开发人员经常重构代码以提高软件的可维护性和可理解性。对于传统软件系统中的重构活动有很多研究。然而,数据密集型系统中的重构还没有得到很好的探索。了解开发人员的重构实践是很重要的开发有效的工具support.We进行了一项纵向研究的重构活动的数据访问类使用12个数据密集型主题系统。我们调查了重构的流行和演变,以及重构与数据访问气味的关联。我们还对超过378个数据访问重构实例的样本进行了手动分析,以确定这些重构所针对的代码功能。我们的研究结果表明:(1)数据访问重构是普遍存在的,并在类型上有所不同。\textit{Rename variable}是最流行的数据访问重构。(2)重构的流行程度和类型随着系统的发展而变化。(3)大多数数据访问重构的目标代码实现数据获取和插入。(4)数据访问重构通常不涉及SQL查询。总体而言,结果表明,数据访问重构专注于提高代码质量,而不是底层的数据访问操作。因此,研究社区需要做更多的工作,为从业者提供意识和支持,了解通过重构解决数据访问气味的好处。
2022-02-07 cs.SE
"Go Home Copilot, You're Drunk": Understanding Developer Responses to Agent-Generated Code Review Comments
University of Saskatchewan(萨斯喀彻温大学);Singapore Management University(新加坡管理大学);Monash University(蒙纳士大学)
研究开发者对智能体生成的代码审查评论的回应,分析五个智能体在342个Python仓库生成的54791条评论,探讨解决率、开发者经验及影响评论有用性的特征,发现不同智能体解决率有差异,还确定未解决评论原因及影响因素,为改进相关反馈提供见解。
2026-07-31 cs.SE
From Requirements to Code: Understanding Developer Practices in LLM-Assisted Software Engineering
本研究通过访谈14家公司18位开发者,发现常规需求过于抽象,需手动分解为编程任务并补充设计决策和架构约束后才能用于提示LLM,强调需求工程工作仍不可或缺。
2025-07-10 cs.SE
Less is More: Supporting Developers in Vulnerability Detection during Code Review
从安全角度审查源代码已被证明是一项艰巨的任务。事实上,以前的研究表明,开发人员在代码审查期间经常错过甚至流行和易于检测的漏洞。初步证据表明,一个重要的原因可能在于审查员的心理态度和共同的做法。在这项研究中,我们调查是否以及如何明确要求开发人员在代码审查过程中关注安全性影响漏洞的检测。此外,我们还评估了提供安全检查表来指导安全审查的效果。为此,我们进行了一项在线实验,有150名参与者,其中71%报告有三年或三年以上的专业发展经验。我们的研究结果表明,简单地要求审查人员在代码审查期间关注安全性,漏洞检测的概率增加了8倍。安全检查表的存在不会显著地进一步改善结果,即使检查表是针对所审查的变更和变更中现有的漏洞而定制的。这些结果提供了支持心理态度假设的证据,并呼吁进一步的工作,安全检查表的有效性和设计。数据和材料:https://doi.org/10.5281/zenodo.6026291
2022-02-12 cs.SE
Unveiling Exception Handling Guidelines Adopted by Java Developers
尽管Java异常处理代码是一种古老的语言特性,但它是许多系统中最不容易理解的部分之一。一些研究分析了异常处理代码的特征,试图识别常见的实践,甚至将这些实践与软件错误联系起来。然而,很少有作品,从开发人员的角度来研究异常处理问题。没有一项工作关注于发现当前系统所采用的异常处理准则--这些准则很可能是常见实践的驱动因素。在这项工作中,我们进行了定性研究的基础上半结构化的访谈和调查,其目标是调查的指导方针,是(或应该)开发人员在他们的项目。最初,我们对七位经验丰富的开发人员进行了半结构化的采访,这些采访被用来为针对更广泛的Java开发人员群体(即,一群来自GitHub上顶级项目的活跃Java开发人员)。我们向863名开发人员发送了电子邮件,收到了98个有效答案。研究表明,异常处理准则通常存在(70%),通常是隐含的和未记录的(54%)。我们的研究确定了与七个不同类别相关的48个异常处理准则。我们还调查了这些指导方针如何传播给项目团队,以及如何验证代码和指导方针之间的符合性;我们可以观察到,根据一半以上的受访者,指导方针通过代码检查或代码审查进行传播和验证。我们的研究结果为软件开发团队提供了一种改进异常处理指南的方法,该方法基于87个软件项目实践状态的见解。
2019-01-25 cs.SE
Communication and Code Dependency Effects on Software Code Quality: An Empirical Analysis of Herbsleb Hypothesis
先前的文献表明,在许多项目中,80%或更多的贡献是由大约20%的开发团队的一个小团体做出的。大多数先前的研究都不赞成依赖这样一个小的内部“英雄”群体,认为这会导致发展和沟通的瓶颈。尽管如此,这样的项目在开源项目中非常常见。那么,“英雄”对代码质量的影响到底是什么呢?Herbsleb认为,如果代码是强连接的,而他们的开发人员不是,那么代码将是错误的。为了测试Hersleb假设,我们开发并应用了两个度量标准:(a)“社会性”和(b)“英雄性”,它们衡量(a)一个开发人员对另一个开发人员的问题发表了多少评论;以及(b)一个开发人员对另一个开发人员的代码进行了多少修改(“英雄”是那些在系统中修改代码最多的人)。在支持Hersleb假设的结果中,在超过1000个开源项目中,我们发现“社会性”比“英雄性”在统计学上更能反映代码质量(bug数量)。因此,我们说,关于“英雄”价值的争论是微妙的误导。我们的研究结果表明,这些所谓的“英雄”的真正好处与其说是他们生成的代码,不如说是当一个大型社区的程序员之间的交互通过一小群集中的开发人员时所需的通信模式。换句话说,为了构建更好的代码,在核心开发人员和其他人之间建立更好的沟通流。为了让其他研究人员确认/改进/反驳我们的结果,我们所有的脚本和数据都可以在https://github.com/Anonymous633671/A-Comparison-on-C…
2022-03-21 cs.SE
ChatGPT for Code Refactoring: Analyzing Topics, Interaction, and Effective Prompts
本文通过文本挖掘 29,778 条 ChatGPT 交互中的 715 条重构相关对话,分析开发者表达重构需求的方式及 ChatGPT 的回应,以理解重构交互并提升提示有效性。
2025-09-09 cs.SE
Demystifying Code Snippets in Code Reviews: A Study of the OpenStack and Qt Communities and A Practitioner Survey
本文通过挖掘 OpenStack 与 Qt 社区代码评审数据并结合从业者调查,研究代码片段在评审评论中的使用场景与作用。
2024-04-04 cs.SE