Why Do Developers Engage with ChatGPT in Issue-Tracker? Investigating Usage and Reliance on ChatGPT-Generated Code
本研究通过分析GitHub上的开发者-ChatGPT对话,探究了ChatGPT在问题追踪中的使用场景、代码复用率及开发者满意度,发现其多用于构思且后端场景占比高,仅少量代码被直接复用,不同场景满意度差异显著,为开发任务专属的LLM解决方案提供了参考。
2024-12-10 cs.SE
An Empirical Study of Safetensors' Usage Trends and Developers' Perceptions
本文实证研究了 Hugging Face 上开发者采用 safetensors 的趋势与认知,发现采用率上升且多由自动转换驱动,但多数开发者忽略转换拉取请求,同时虽有使用困难仍积极学习适应。
2025-01-04 cs.SE
An Empirical Study of Usages, Updates and Risks of Third-Party Libraries in Java Projects
第三方库是开发软件系统的核心构建块。然而,过时的第三方库通常被使用,开发人员通常不太了解潜在的风险。因此,对第三方图书馆的使用、更新和风险进行定量和全面的研究,可以为可持续地改善生态系统提供实践性的见解。在本文中,我们在Java生态系统中进行了这样的研究。具体而言,我们进行库使用分析(例如,使用强度和过时性)和库更新分析(例如,更新强度和延迟)使用806个开源项目。这两项分析旨在从开源项目和第三方库的角度全面量化使用和更新实践。然后,我们进行库风险分析(例如,潜在的风险和开发人员的反应)的错误与15个常用的第三方库。该分析旨在量化使用过时库的潜在风险以及开发人员对风险的响应。我们从三个分析中得出的结论为开发人员和研究人员提供了关于维护第三方库(例如,智能警报和自动更新过时的库)。为了证明我们的研究结果的有用性,我们提出了一个错误驱动的警报系统,以帮助开发人员在更新第三方库版本时做出自信的决定。我们已经发布了我们的数据集,以促进有价值的应用程序和改善生态系统。
2020-02-25 cs.SE
Automated Inference of Software Library Usage Patterns
现代软件系统越来越依赖于第三方库。人们普遍认为,使用成熟且经过良好测试的第三方库可以提高开发人员的生产力,缩短上市时间,并生产出更可靠的软件。今天的开放源代码库提供了广泛的库,可以免费下载和使用。然而,由于软件库是单独记录的,但打算一起使用,开发人员不太可能充分利用这些重用机会。在本文中,我们提出了一种新的方法来自动识别第三方库的使用模式,即,开发人员通常一起使用的库集合。我们的方法采用层次聚类技术组在一起的软件库外部客户端使用的基础上。为了评估我们的方法,我们从Maven Central Repository中挖掘了超过6,000个流行库,并调查了Github存储库中超过38,000个客户端系统的使用情况。我们的实验表明,我们的技术是能够检测到大多数(77%)的高度一致和凝聚力的图书馆使用模式在相当数量的客户端系统。
2016-12-06 cs.SE
From Early Adoption to Sustained Use: Understanding GenAI Usage Among Software Developers in Italian SMEs
University of Bari(巴里大学);University of Hamburg(汉堡大学);University of Southampton(南安普顿大学);Pontifícia Universidade do Rio Grande do Sul(南里奥格兰得天主教大学)
本研究基于UTAUT2框架,通过纵向和横截面混合方法调查意大利中小企业开发者持续使用生成式AI工具的意图,发现个体层面因素(如生产力、享受和易用性)是主要驱动力,而社会和组织因素影响不显著。
2026-05-25 cs.SE
Unveiling ChatGPT's Usage in Open Source Projects: A Mining-based Study
本研究通过挖掘并手动分析1,501个开源项目中的提交、PR和问题,识别出467个ChatGPT实际使用实例,构建了包含45项自动化任务的分类体系,为开发者和研究者提供了LLMs实际应用场景的系统性实证依据。
2024-02-26 cs.SE
Mining API Usage Scenarios from Stack Overflow
我们提出了一个框架,从堆栈溢出挖掘API使用场景。每个任务都由一个代码示例、任务描述和开发人员对代码示例的反应组成。首先,我们提出了一种算法,可以自动将论坛帖子中的代码示例链接到论坛帖子的文本内容中提到的API。其次,我们通过总结围绕代码示例的讨论来生成任务的自然语言描述。第三,我们自动关联开发人员的反应(即,积极和消极的意见),以提供有关代码质量的信息。我们使用三个基准评估算法。
2021-02-17 cs.SE
An Empirical Study on the Impact of Deep Parameters on Mobile App Energy Usage
通过配置参数调优来提高软件性能是软件维护过程中常见的活动。除了延迟等传统性能指标外,移动应用程序开发人员还对减少应用程序的能源使用感兴趣。某些移动应用程序具有用于参数调优的集中位置,类似于数据库和操作系统,但移动应用程序通常会在源代码中分散数百个参数。这些“深度”参数与应用程序能耗之间的相关性尚不清楚。研究人员已经在特定模块中研究了深部参数的能量效应,但我们对移动深部参数的能量影响缺乏系统的认识。在本文中,我们实证调查这一主题,结合系统的能源测量开发人员的调查。我们对25名Android开发者的动机调查表明,开发者不理解,并且在很大程度上忽视了深层参数的能量影响。为了评估这种做法的潜在影响,我们提出了一个深度参数能量分析框架,可以分析应用程序中深度参数的能量影响。我们的框架识别深度参数,根据我们的参数值选择方案对其进行变异,并执行可靠的能量影响分析。将该框架应用于16个流行的Android应用程序,我们发现深度参数引起的能源效率低下是罕见的。我们发现,在1644个深度参数中,只有2个参数的不同值可以显著提高其应用程序的能源效率。详细分析发现,大多数深层参数要么没有能量影响,要么能量影响有限,要么只有在极端值下才有能量影响。我们的研究表明,开发人员在移动应用程序中选择深度参数值时忽略能源影响通常是安全的。
2022-01-16 cs.SE
Investigating Technology Usage Span by Analyzing Users' Q&A Traces in Stack Overflow
本文分析 Stack Overflow 约 9.7 万活跃用户 15 年间的 670 万条问答痕迹,识别高使用跨度与新兴技术,为技术选型和后续研究提供基准。
2023-12-05 cs.SE
Automated Change Rule Inference for Distance-Based API Misuse Detection
开发人员构建应用程序编程接口(API)以重用代码库的现有功能。尽管重用已建立的库(例如,节省时间,高质量),开发人员可能会偏离API的预期用途;可能导致错误,或者更具体地说,API误用。最近的研究重点是开发自动检测API滥用的技术,但许多技术的假阳性率很高。在本文中,我们通过提出ChaRLI(更改规则推理)来改进这种情况,ChaRLI是一种基于API使用图(AUG)从开发人员对API误用的修复中自动推断更改规则的技术。通过随后应用图距离算法,我们使用更改规则来区分API误用和正确使用。这允许开发人员在同一个或另一个项目的其他代码位置重用其他人对API误用的修复。我们基于三个数据集评估了更改规则检测API误用的能力,并发现最佳平均相对精度(即,对于可测试的用途)范围从77.1%到96.1%,而对于单个更改规则,平均召回率范围从0.007%到17.7%。这些结果表明,ChaRLI和我们的误用检测是对现有API误用检测器的有益补充。
2022-07-14 cs.SE
Beyond Textual Issues: Understanding the Usage and Impact of GitHub Reactions
最近,GitHub推出了一个新的社交功能,名为reactions,它是一种“图形字符”,类似于目前在基于文本的通信中广泛使用的表情符号。特别是,GitHub用户可以使用一组预定义的符号来响应问题和拉取请求。然而,人们对GitHub反应的实际使用和影响知之甚少。在本文中,我们分析了开发人员对超过250万个问题和970万个问题评论的反应,以回答关于反应的使用和采用的九个研究问题。我们表明,反应越来越多地被开源开发人员使用。此外,我们还发现,有反应的问题通常需要更多的时间来处理,并进行更长的讨论。
2019-10-01 cs.SE
Understanding the Impact of AI Code Assistants on Security API Usage: An Empirical Study
Centre for Research on Engineering Software Technologies (CREST) & Adelaide University, Australia(工程软件研究技术中心(CREST)及阿德莱德大学,澳大利亚);Edith Cowan University, Australia(埃德温·考文大学,澳大利亚);CSIRO’s Data61, Australia(CSIRO数据61,澳大利亚)
该研究通过对44名开发者的实证调查,探讨人工智能代码助手对安全API使用的影响。发现GitHub Copilot虽提高功能正确性、减少不安全模式,但未显著提升安全API使用,且开发者安全意识不足,进而给出相关建议与研究方向。
2026-07-14 cs.AI cs.SE
How do Developers Test Android Applications?
实现移动应用程序的全自动测试最近已成为研究人员和从业人员的重要研究课题。已经提出了大量的工具和方法,通过增加手动测试实践和自动化测试过程的各个部分来帮助移动开发人员。然而,目前的自动化测试方法无法让开发人员相信它们的好处,导致大多数移动测试都是手动执行的。为了帮助设计支持移动测试方法的研究人员和从业人员了解开发人员的需求,我们分析了来自Android项目的102位开源贡献者关于他们在执行测试时的实践的调查回复。调查的重点是关于开发人员/测试人员在野外的实践和偏好的问题:(i)设计和生成测试用例,(ii)自动化测试实践,以及(iii)对质量度量的看法,例如用于确定测试质量的代码覆盖率。通过分析从这次调查中收集到的信息,我们汇编了一套知识体系,以帮助指导研究人员和专业人员根据不同开源开发人员的需求定制新的自动化测试方法。
2018-01-19 cs.SE
Threshy: Supporting Safe Usage of Intelligent Web Services
“智能”网络服务的日益普及为最终用户提供了机器学习功能,开发人员只需付出很少的努力。然而,这些服务需要根据特定问题的数据设置决策阈值。开发人员缺乏评估智能服务的系统方法,现有的评估工具主要针对数据科学家进行开发前评估。本文提出了一个工作流程和支持工具,Threshy,以帮助软件开发人员选择一个决策阈值适合他们的问题域。与现有工具不同,Threshy旨在在多个工作流程中运行,包括预开发,预发布和支持。Threshy旨在调整智能Web服务返回的置信度分数,并且不处理ML模型中使用的超参数优化。此外,它还考虑了误报的财务影响。Threshy导出的阈值配置文件可以集成到客户端应用程序和监控基础设施中。演示:https://bit.ly/2YKeYhE.
2020-08-19 cs.CY cs.SE
Framework Code Samples: How Are They Maintained and Used by Developers?
背景:现代软件系统通常构建在框架之上。为了加速框架提供的功能的学习过程,代码示例可用于帮助开发人员。然而,我们对代码示例实际上是如何开发的知之甚少。目的:在本文中,我们的目标是通过评估框架代码样本的特点来填补这一空白。我们提供有关开发人员如何维护和使用代码示例的见解。方法:我们分析了Android和SpringBoot的233个代码样本,并评估了与其源代码,演变,流行程度和客户端使用相关的方面。结果:我们发现大多数代码样本都很小,很简单,为客户端提供了一个工作环境,并且依赖于自动化的构建工具。它们随着时间的推移而频繁变化,例如,以适应新的框架版本。我们还发现,客户端通常会派生代码样本,但很少修改它们。结论:我们为代码示例的创建者和客户提供了一组经验教训和启示,以改进维护和使用活动。
2019-07-12 cs.SE
Understanding API Usage and Testing: An Empirical Study of C Libraries
本研究针对21个流行C库的3061个客户端开展实证分析,发现库测试未匹配API实际使用热度,开发了LibProbe框架并证明可借助客户端测试提升库测试覆盖率。
2025-06-13 cs.SE
Understanding How Programmers Can Use Annotations on Documentation
现代软件开发要求开发人员找到并有效地利用新的API及其文档,但文档有许多众所周知的问题。尽管如此,开发人员最终克服了这些问题,但无法分享他们学到的东西。我们研究通过\textit{annotations}共享此特定于文档的信息,这比开发人员论坛具有优势,因为信息是上下文化的,不具有破坏性,并且简短,因此易于创作。开发人员还可以编写注释来支持自己的理解。为了支持我们发现的文档使用行为,我们构建了Adamite注释工具,它支持多锚定、注释类型和固定等特性。在我们的用户研究中,我们发现开发人员能够创建对自己有用的注释,并且能够在学习新API时利用其他开发人员创建的注释,注释的读者平均比基线多完成67%的任务。
2022-01-11 cs.HC cs.SE
An Exploratory Study on the Usage and Readability of Messages Within Assertion Methods of Test Cases
单元测试是软件开发过程的重要组成部分,涉及开发人员编写代码来验证或断言产品代码。此外,为了帮助理解测试用例和解决问题,开发人员可以选择提供一条消息来解释断言失败的原因。在这个探索性的实证研究中,我们研究了20个开源Java系统的测试方法中包含的断言消息的特征。我们的研究结果表明,虽然开发人员很少使用提供消息的选项,但使用消息的人要么仅由字符串字面量、标识符或这两种类型的组合组成。使用标准的英语可读性测量技术,我们观察到,一个初学者的英语知识需要理解的消息只包含标识符,而四年级的教育水平需要理解的字符串文字组成的消息。我们还讨论了在断言消息构造中使用这种可读性度量技术和常见反模式的缺点。我们设想我们的结果纳入代码质量工具,评估断言消息的可理解性。
2023-03-01 cs.SE
Breaking Type Safety in Go: An Empirical Study on the Usage of the unsafe Package
Concordia University(康考迪亚大学);Queen’s University(女王大学)
在第一次发布十年后,Go程序设计语言已经成为开发领域的主要程序设计语言。虽然Go语言因其干净的语法和类似C语言的性能而受到称赞,但它也包含一个强大的静态类型系统,可以防止任意类型转换和任意内存访问,使语言在设计上是类型安全的。然而,为了让开发人员能够实现低级代码,Go附带了一个名为unsafe的特殊包,为开发人员提供了一种绕过Go程序类型安全的方法。该包为开发人员提供了更大的灵活性,但存在更高的运行时错误风险,不可移植性的可能性,以及未来版本Go的兼容性保证的损失。在本文中,我们首次对2,438个流行Go项目中不安全包的使用情况进行了大规模研究。我们的调查显示,unsafe在24%的Go项目中使用,主要是为了与操作系统和C代码进行通信,但也常被用作性能优化的来源。开发人员愿意使用unsafe来破坏语言规范(例如,字符串不变性)以获得更好的性能,6%的分析项目使用unsafe执行有风险的指针转换,这可能导致程序崩溃和意外行为。此外,我们报告了使用不安全的项目所面临的一系列实际问题,从崩溃错误和不确定性行为到限制其部署到某些流行环境。我们的研究结果可以用来理解开发人员如何以及为什么在Go中破坏类型安全,并有助于激励进一步的工具和语言开发,使Go中的unsafe用法更加安全。
2021-07-22 cs.LG cs.PL cs.SE
A Systematic Study of Deprecated Android API Usage Updates
Texas A&M University–Kingsville(德克萨斯农工大学金斯维尔分校);Central Queensland University(昆士兰中部大学);The University of Queensland(昆士兰大学)
本研究分析1000个废弃Android API与4336个GitHub迁移示例,确定6类迁移模式,将其融入GUPPY基准提示后,在156个任务上正确更新数从139增至147,多数类别性能提升。
2026-10-13 cs.SE
Usage and Attribution of Stack Overflow Code Snippets in GitHub Projects
Stack Overflow(SO)是最受软件开发人员欢迎的问答网站,提供了大量可复制的代码片段。使用这些片段会引起维护和法律问题。SO的许可证(CC BY-SA 3.0)需要署名,即,引用原始问题或答案,并要求派生作品采用兼容的许可证。虽然有一个激烈的辩论SO的许可证模型的代码片段和所需的归属,很少有人知道的程度,代码片段被复制从SO没有适当的归属。我们提出了一项大规模实证研究的结果,分析了公共GitHub(GH)项目中SO答案中非平凡Java代码片段的使用和属性。我们遵循三种不同的方法来对未归因使用的比例进行三角测量,并与软件开发人员进行了两次在线调查,以补充我们的结果。对于我们分析的不同项目集,包含引用SO的文件的项目比例在3.3%和11.9%之间变化。我们发现,在所有分析过的包含SO代码的存储库中,最多有1.8%的代码以与CC BY-SA 3.0兼容的方式使用。此外,我们估计,从SO复制的代码片段中,最多有四分之一是根据需要进行属性化的。在接受调查的开发人员中,近一半的人承认在没有署名的情况下从SO复制代码,约三分之二的人不知道SO代码片段的许可及其影响。
2018-09-21 cs.SE
Factors Impacting Developer Efficiency: Results from an Adaptive Longitudinal Study
Franssa(弗兰萨);CESAR School(塞萨尔学院);DevEficiente(德维效率)
本研究通过采用ADEMM方法对27名外部开发者开展混合方法纵向研究,发现组织依赖等效率瓶颈稳定存在,还识别出固定工具会遗漏的生成式AI使用障碍,为组织干预提供了依据。
2026-08-18 cs.SE
Automatic Android Deprecated-API Usage Update by Learning from Single Updated Example
由于Android操作系统中的API已被弃用,开发人员必须更新API的用法,以确保其应用程序适用于过去和当前版本的Android。此类更新可能是广泛的、重要的且耗时的。因此,这种更新的自动化将对开发人员大有好处。AppEvolve是自动化此类更新的最先进工具,它依赖于更新前和更新后的示例来学习。在这项工作中,我们提出了一种名为CocciEvolve的方法,只使用一个单一的更新后的例子来执行这样的更新。CocciEvolve通过从更新后的示例中提取代码块的相关更新来学习编辑。从初步实验中,我们发现CocciEvolve可以成功执行112次更新中的96次,成功率为85%。
2020-05-27 cs.SE
Translating Video Recordings of Mobile App Usages into Replayable Scenarios
William & Mary(威廉与玛丽学院);The University of Texas at Dallas(德克萨斯大学达拉斯分校)
移动应用的屏幕记录易于获得并捕获与软件开发者有关的大量信息(例如,bug或功能请求),使其成为众包应用反馈的流行机制。因此,这些视频正在成为开发人员必须管理的常见工件。鉴于独特的移动开发限制,包括快速的发布周期和快速发展的平台,用于分析所有类型的丰富软件工件的自动化技术为移动开发人员提供了好处。不幸的是,与其他类型的(文本)工件相比,自动分析屏幕记录存在严重的挑战,这是由于它们的图形性质。为了应对这些挑战,本文介绍了V2S,一种轻量级的自动化方法,用于将Android应用程序使用的视频记录转换为可重播的场景。V2S主要基于计算机视觉技术,并采用最新的目标检测和图像分类解决方案来检测和分类视频中捕获的用户动作,并将其转换为可重播的测试场景。我们对V2S进行了广泛的评估,涉及175个视频,描述了3,534个基于GUI的操作,这些操作是从使用功能的用户那里收集的,并再现了80多个流行Android应用程序的错误。我们的研究结果表明,V2S可以准确地重放场景从屏幕记录,并能够再现$\approx$ 89%,我们收集的视频,以最小的开销。与三个工业合作伙伴的案例研究从开发人员的角度说明了V2S的潜在用途。
2020-05-18 cs.CV cs.SE
Empirical Study on the Characteristics and Evolution of AI-usage in GitHub Repositories: Evidence from Code Comments
Missouri University of Science and Technology(密苏里科技大学);Drexel University(德雷塞尔大学)
通过分析35,361条提及AI的GitHub代码注释及后续提交,发现开发者主要用LLM实现代码,随后频繁重构、集成和修复,AI引用从代码生成转向知识支持和代码增强。
2026-06-05 cs.SE
How Do Developers Use Migration Guides? A Case Study of Log4j
Nara Institute of Science and Technology(奈良先端科学技术大学院大学);Wakayama University(和歌山大学);Notre Dame Seishin University(圣母圣心大学)
本文通过Log4j的案例研究,探讨开发者如何使用迁移指南,发现开发者在拉取请求描述中频繁引用迁移指南,且大部分引用指向整个指南而非特定部分,表明迁移指南在迁移过程的各个阶段都起着重要作用。
2026-05-19 cs.SE
An Empirical Study on the Usage of BERT Models for Code Completion
代码完成是现代集成开发环境(IDE)的主要功能之一。它的目标是通过预测开发人员可能编写的下一个代码令牌来加速代码编写。这一领域的研究大大提高了这些技术的预测性能。然而,对开发人员的支持仍然限于预测接下来要输入的几个令牌。在这项工作中,我们在这个方向上更进一步,提出了一个大规模的实证研究,旨在探索最先进的深度学习(DL)模型在支持不同粒度级别的代码完成方面的能力,包括单个令牌,一个或多个完整语句,直到整个代码块(例如,for循环的迭代块)。为此,我们训练和测试最近提出的RoBERTa模型的几个适应变体,并从几个角度评估其预测,包括:(i)评估DL生成模型时通常采用的指标(即,BLEU评分和Levenshtein距离);(ii)完美预测的百分比(即,与开发者编写的代码片段相匹配的预测代码片段);以及(iii)所生成的代码与开发者编写的代码相比的“语义”等价性。所取得的结果表明,BERT模型代表了一个可行的解决方案的代码完成,与完美的预测范围从~ 7%,当要求模型猜测整个块,高达~ 58%,达到在更简单的情况下,几个令牌从相同的代码语句屏蔽。
2021-03-12 cs.SE
Understanding the Challenges and Assisting Developers with Developing Spark Applications
为了更有效地处理数据,大数据框架为开发人员提供了数据抽象。然而,由于抽象,对于开发人员来说,理解和调试数据处理代码可能存在许多挑战。为了揭示使用大数据框架的挑战,我们首先在Stack Overflow上对1,000个Apache Spark相关问题进行了实证研究。我们发现,大多数挑战都与数据转换和API使用有关。为了解决这些挑战,我们设计了一种方法,帮助开发人员理解和调试Spark中的数据处理。我们的方法利用统计采样来最大限度地减少性能开销,并为链式方法管道的每个数据处理步骤提供中间信息和提示消息。我们的方法的初步评估表明,它具有较低的性能开销,我们收到良好的反馈,从开发人员。
2021-03-25 cs.SE
How Do Developers Use Code Suggestions in Pull Request Reviews?
本文通过对 46 个 GitHub 项目的实证研究和开发者调查,揭示了代码评审建议的四种类型、使用频率及其对合并率、解决时间和代码复杂度的影响,并发现建议更常用于新手提交者,具有知识共享工具的潜力。
2025-02-07 cs.SE
How Do Developers Use Type Inference: An Exploratory Study in Kotlin
本研究针对支持类型推断的Kotlin语言,用Boa工具分析49万余个项目的类型推断使用模式,发现局部变量及外部方法初始化的变量更常用类型推断,为语言设计与算法优化提供参考。
2024-10-30 cs.SE
Developer Challenges on Large Language Models: A Study of Stack Overflow and OpenAI Developer Forum Posts
本文通过 BERTopic 分析 Stack Overflow 和 OpenAI 开发者论坛帖子,识别出 LLM 开发者在 API 使用、微调、训练等方面的九类和 17 类挑战,揭示其高未解决率和长响应时间,并呼吁加强社区支持与针对性资源建设。
2024-11-22 cs.SE
On the adoption, usage and evolution of Kotlin Features on Android development
背景资料:Google在2017年宣布Kotlin为Android官方程序设计语言,让开发人员可以选择使用结合了面向对象和函数功能的语言编写应用程序。目的:本文的目标是从四个方面了解Kotlin特性的使用情况:i)采用了哪些特性,ii)采用的程度如何,iii)这些特性何时首次添加到Android应用程序中,iv)特性的使用如何随着应用程序的发展而发展。方法:通过研究387个Android应用程序的源代码,我们确定了Kotlin功能在每个版本应用程序版本上的使用情况,并计算了每个功能首次使用的时刻。最后,我们确定的演变趋势,更好地描述了这些功能的使用。结果:26项功能中有15项至少在50%的应用程序中使用。此外,我们发现类型推断、lambda和安全调用是最常用的特性。此外,我们观察到,最常用的Kotlin功能是Android应用程序中首次包含的功能。最后,我们报告说,大多数应用程序倾向于添加更多的26个功能中的24个功能的实例。{ \bf结论:}我们的研究产生了7个主要发现。我们提出了他们的影响,这是针对开发人员,研究人员和工具构建者,以促进使用Kotlin功能来开发Android应用程序。
2020-07-27 cs.SE
Probabilistic Model Checking of DTMC Models of User Activity Patterns
软件开发人员不能总是预测用户将如何实际使用他们的软件,因为它可能因用户而异,甚至因单个用户的使用而异。为了解决系统开发人员和评估人员对软件使用情况提出的问题,我们定义了新的概率模型,根据从实际记录的用户痕迹推断的活动模式,对用户行为进行分析。我们在概率模型检查器中对这些新模型进行编码,并使用概率时态逻辑来深入了解软件使用情况。我们通过应用程序来激励和说明我们的方法,以记录iOS应用程序的用户痕迹。
2014-03-20 cs.LO cs.SE
Understanding and supporting how developers prompt for LLM-powered code editing in practice
University of California Irvine(加州大学尔布雷分校);Google(谷歌);Meta
本文研究开发者在使用LLM赋能代码编辑工具时的提示行为,发现频繁重新提示表明使用困难,并提出AutoPrompter工具通过推断缺失信息提升编辑正确性27%。
2025-12-19 cs.AI cs.HC cs.SE
Hashing It Out: A Survey of Programmers' Cannabis Usage, Perception, and Motivation
大麻是最常见的精神改变物质之一。它被用于医疗和娱乐,并陷入了复杂和不断变化的法律环境。有证据表明,一些软件开发人员可能会使用大麻来帮助完成一些编程任务。与此同时,禁毒政策和测试在许多软件工程环境中仍然很常见,有时会导致某些工作的招聘短缺。尽管存在这些联系,但实际上对方案拟订时使用大麻的流行率和动机知之甚少。在本文中,我们报告了程序员使用大麻的第一次大规模调查的结果。我们报告了关于803名开发人员(包括450名全职程序员)大麻使用率,感知和动机的调查结果。例如,我们发现一些程序员在编程时经常使用大麻:我们的样本中有35%的人在使用大麻时尝试过编程,18%的人目前至少每月一次。此外,这种大麻的使用主要是出于对某些软件开发技能的增强(例如头脑风暴或进入编程区),而不是医学原因(例如缓解疼痛)。最后,我们发现,尽管大麻的认知和可见性存在差异,但编程员工,经理和学生在编程时使用大麻的比率相似。我们的研究结果对规划工作药物政策和激励未来的研究大麻使用,而编程的影响。
2021-12-17 cs.SE
Open Source Software: An Approach to Controlling Usage and Risk in Application Ecosystems
开源软件运动多年来一直呈指数级增长,没有放缓的迹象。推动这种增长的是提供许多功能的库和框架的广泛可用性。开发人员将此功能整合到他们的应用程序中可以节省时间和金钱,从而更快,功能更丰富。尽管开放源码软件取得了越来越大的成功,并提供了许多优势,但它也有黑暗的一面。由于其社区建设和很大程度上不受监管的分发,大多数开源软件都包含错误、漏洞和其他问题,使其极易被利用。缺乏监督通常会阻碍软件的质量,导致在使用它的应用程序中产生涓滴效应。此外,使用开源的开发人员倾向于随意将软件下载到他们的构建系统中,但很少跟踪他们下载的内容,导致在他们的应用程序和生态系统中有过多的开源软件。本文讨论的过程和做法,开放源码软件的用户可以实现到他们的环境中,可以安全地跟踪和控制的开放源码软件的引入和使用到他们的应用程序,并报告在工业环境中获得的一些初步成果。最后,我们讨论了与开源的规范使用和重用相关的治理问题,以及需要进一步改进的领域。
2022-06-21 cs.SE
Lightweight Syntactic API Usage Analysis with UCov
本文提出基于语法使用模型的概念框架及工具UCov,通过分析客户端代码的语法使用足迹和覆盖分数,帮助Java库开发者理解API实际使用情况,识别测试与文档不足的代码。
2024-02-19 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
Who Ate My Memory? Towards Attribution in Memory Management
本文指出生产环境和移动应用难以获取细粒度内存归因数据,主张研究轻量级内存使用采集方法,并分析该方向的早期研究机会。
2022-12-22 cs.SE
Guiding Software Developers by Social Networking Application Plug-in using the Multiple Bridge Source Repository through a Data Mining Integrated Approach
在当今世界,社交网络是一个重要的(充满力量的)大众传播媒介。几乎所有阶层的人都在通过使用不同社交网站中的大量用户友好应用程序相互交流并分享他们的观点,时刻和想法。找到一个从来没有听说过社交网络的人真是难以置信。可用的社交网站通常使其用户能够通过特定的模板和嵌入式代码源开发各种定制应用程序。具有一般开发知识的用户经常遇到重用这些资源的困难,最终缺乏指导方针和必要的API建议。在我们的工作中,我们提出了一个框架和模型,以帮助这些应用程序开发人员通过用户辅助插件工具,能够提供相同的API使用模式和序列,以响应特定的用户查询。我们将我们的系统命名为社交网络应用程序插件(SNAP)。我们搜索社交网络应用程序存储库,其中多个存储被桥接,并应用相应的挖掘算法,以找到相关的序列,以满足用户的需求。它提供了类似的、最相关的、功能性的API使用场景,并提供了一个选择、重用和修改推荐源的选项。从我们曾经做过的调查,我们的SNAP方法是能够推荐用户的无错误,可理解的,和最小的API模式。
2020-06-24 cs.SE
From Release to Adoption: Challenges in Reusing Pre-trained AI Models for Downstream Developers
The University of Melbourne(墨尔本大学);Singapore Management University(新加坡管理大学)
研究探讨了下游开发者在软件系统中重用预训练模型时面临的挑战,通过分析840个问题报告,建立了涵盖模型使用、性能和输出质量等七个关键类别的分类体系,并发现PTM相关问题的解决时间显著长于非PTM问题。
2025-07-16 cs.SE
Evaluation of software impact designed for biomedical research: Are we measuring what's meaningful?
本文针对生物医学软件影响力评估中指标失真、小众工具价值被低估等问题,结合ITCR社区调查与软件基础设施分析,提出通用及分类评估策略,并发现文档、健康指标等基础设施与使用率提升相关。
2023-06-05 cs.SE q-bio.OT
Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
Model Evaluation & Threat Research (METR)(模型评估与威胁研究(METR))
通过随机对照试验评估2025年初AI工具对资深开源开发者的影响,发现AI非但未提速,反而使任务完成时间增加19%。
2025-07-25 cs.AI cs.HC cs.SE
On Designing Better Tools for Learning APIs
现代软件开发需要在学习应用程序编程接口(API)方面进行大量投资。最近的研究发现,学习材料本身往往是不够的:开发人员很难找到简单的使用场景之外的答案。解决这些问题需要在工具和搜索引擎开发方面进行大量投资。为了了解进一步投资在哪些方面最有用,我们与19名专业开发人员进行了一项研究,以了解没有技术限制的解决方案可能是什么样子。在本文中,我们报告了API学习工具的设计含义,基于专业开发人员本身的现实。在参与者的反馈中反复出现的主题是可信度、机密性、信息过载和需要代码示例作为一流的文档工件。
2014-02-05 cs.SE
The Perils of Agency: How Developers Perceive, Prioritize, and Address Risks in Agentic AI Products
University of California, Berkeley(加州大学伯克利分校)
通过35位行业开发者的研究,发现开发者对代理型AI风险的感知与自主性、工具使用等代理特性紧密相关,他们优先考虑产品和业务风险,缺乏成熟的控制手段,揭示了代理能力与风险控制之间的张力。
2026-08-10 cs.AI cs.CY cs.HC
SoK: Demystifying Privacy Enhancing Technologies Through the Lens of Software Developers
本文通过系统文献综述分析了39项实证研究,探讨了六种隐私增强技术在软件中的应用现状、开发者面临的内外在挑战及现有解决方案,并提出了未来研究方向以支持开发者更好地集成PETs。
2023-12-30 cs.CY cs.SE
Challenges in Docker Development: A Large-scale Study Using Stack Overflow
Docker技术已经越来越多地被软件开发人员用于许多项目。这种日益增长的兴趣是由于Docker技术支持创建和构建容器的方便过程,促进开发人员和运营团队之间的密切合作,并实现持续的软件交付。作为一项快速发展的技术,确定最受欢迎的Docker相关主题以及开发人员面临的现有挑战和困难非常重要。本文介绍了一项大规模的实证研究,通过挖掘Stack Overflow(SoF)社区的帖子来确定从业者对Docker技术的看法。方法:基于一组相关标签和内容创建了113,922个与Docker相关的帖子的数据集。清理并准备数据集。主题建模使用潜在狄利克雷分配(LDA)进行,允许在域中的主导主题的识别。我们的研究结果表明,大多数开发人员使用SoF询问广泛的Docker主题,包括框架开发,应用程序部署,持续集成,Web服务器配置等等。我们确定开发人员讨论的30个主题可以分为13个主要类别。大多数帖子属于应用程序开发、配置和网络的类别。另一方面,我们发现,与其他主题相比,监控状态,传输数据和验证用户的帖子更受开发人员欢迎。具体而言,开发人员面临着网络浏览器问题、网络错误和存储管理方面的挑战。此外,在这方面缺乏专家。我们的研究结果将指导未来开发新工具和技术的工作,帮助社区集中精力并了解Docker主题的现有权衡。
2020-08-11 cs.IR cs.SE
Collective Intelligence for Smarter API Recommendations in Python
软件开发人员在编写程序时广泛使用库和框架的应用程序编程接口(API)。在这种情况下,代码完成弹出窗口中提供的建议可以帮助开发人员选择所需的方法。然而,这些工具推荐的候选人名单往往很大,顺序混乱,有时甚至不完整。最近已经做了大量的工作来提高这些代码完成结果的相关性,特别是对于像Java这样的静态类型语言。然而,这些建议的技术依赖于对象的静态类型,因此不适用于像Python这样的动态类型语言。在本文中,我们提出了PyReco,一个智能的代码完成系统的Python,它使用挖掘的API使用从开源存储库的结果排序的基础上的相关性,而不是传统的字母顺序。为了推荐与工作上下文相关的建议,使用最近邻分类器来识别所有提取的使用模式中的最佳匹配使用。为了评估我们的系统的有效性,代码完成查询自动提取项目和测试定量使用十倍交叉验证技术。评估表明,我们的方法优于顺序的API推荐系统推荐的API标准,以及,第三方库。
2016-08-31 cs.SE
An Empirical Study of Bots in Software Development -- Characteristics and Challenges from a Practitioner's Perspective
软件工程机器人-处理繁琐任务的自动化工具-越来越多地被工业和开源项目用于提高开发人员的生产力。目前在这一领域的研究是阻碍了缺乏共识的软件工程机器人(DevBots)实际上是什么,什么特征区分他们从其他工具,什么好处和挑战是与DevBot的使用。在本文中,我们报告了DevBot在工业实践中使用的混合方法实证研究。我们报告的调查结果,从采访21和调查共111名开发人员。我们在DevBot用户中确定了三种不同的角色(专注于自主性,聊天界面和“智能性”),每种角色都对DevBot是什么,开发人员为什么使用它们以及他们的斗争有不同的定义。我们的结论是,未来的DevBot研究应该在我们的框架内验证他们的工作,以明确确定工作目标是什么类型的机器人,以及从业者可以期待什么样的优势。此外,我们发现目前缺乏超越简单自动化工具或聊天界面的通用“智能”机器人。这是有问题的,因为我们已经看到,这种机器人,如果可用,可以对使用它们的项目产生变革性影响。
2020-10-29 cs.SE
How are MLOps Frameworks Used in Open Source Projects? An Empirical Characterization
University of Sannio(桑尼奥大学)
本文通过实证分析研究了MLOps框架在开源项目中的实际使用情况,发现开发者主要通过API实现自定义功能,而非直接使用框架。
2026-01-26 cs.SE
A First Look at Emoji Usage on GitHub: An Empirical Study
近年来,包括软件工程(SE)领域在内,Java语言正在成为一种无处不在的语言,并在全球范围内受到欢迎。表情符号作为一种非语言线索,被广泛应用于情感分析等用户理解任务中,但在SE场景中研究表情符号的工作却很少。本文介绍了一项关于GitHub用户如何在与开发相关的通信中使用表情符号的大规模实证研究。我们发现表情符号被相当大比例的GitHub用户使用。与互联网用户相比,开发者表现出有趣的使用特征,并对表情符号的含义有自己的解释。此外,表情符号的使用反映了这个社区积极和支持的文化。通过手动注释任务,我们发现情感使用是在问题,拉请求和评论中使用表情符号的主要意图,而表情符号主要用于强调README中的重要内容。这些发现不仅加深了我们对SE社区文化的理解,还为如何使用表情符号促进SE任务(例如情感分析)提供了启示。
2018-12-12 cs.CY cs.SE
An Empirical Study of GenAI Adoption in Open-Source Game Development: Tools, Tasks, and Developer Challenges
本研究通过分析GitHub issue并比较GenAI、TradAI与NonAI主题,揭示生成式AI在开源游戏开发中的工具、任务、挑战及工作流影响。
2025-07-24 cs.SE
Sandboxing Adoption in Open Source Ecosystems
本研究调查四个开源操作系统全部软件包中 Seccomp、Landlock、Capsicum、Pledge 和 Unveil 的使用,发现直接采用率不足 1%,并归纳使用模式与推广障碍。
2024-05-13 cs.CR cs.SE
How far are German companies in improving security through static program analysis tools?
随着安全性对许多公司变得越来越重要,静态程序分析(SPA)工具的流行程度也在不断提高。在本文中,我们的目标是在德国的公司之间使用SPA工具,重点是安全性。我们给出了对当前问题的见解,以及开发人员配置工具以克服这些问题的意愿。与以前的研究相比,我们的研究考虑了公司的文化和使用SPA工具的过程。我们进行了一项在线调查,有256份回复,并对来自多家公司的17名产品负责人和高管进行了半结构化访谈。我们的研究结果显示了工具使用的多样性。只有一半的受访者使用SPA工具。免费工具在软件开发人员中更受欢迎。在大多数公司,软件开发人员被鼓励使用免费工具,而商业工具可以要求。然而,在我们的采访中,产品所有者和执行官报告说,他们的开发人员不要求新的工具。我们还发现,很少在每个版本上使用工具进行自动安全检查。
2022-08-12 cs.CR cs.SE