2018 Fiscal Year Annual Research Report
ソフトウェア開発プロセスの効率化を目的とした自動コードレビューモデルの提案
| Project/Area Number |
17J09333
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
平尾 俊貴 奈良先端科学技術大学院大学, 情報科学研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2017-04-26 – 2020-03-31
|
| Keywords | ソフトウェア工学 / コードレビュー / データマイニング |
|---|
| Outline of Annual Research Achievements |
平成30年度の研究計画を遂行するために必要となる、ソフトウェア開発期間中に発生するコードレビュー履歴が記録されたデータを整形し、そのデータを用いてコードレビュー内容を分析する環境を構築した。本レビュー履歴を用いて、主に二つの研究プロジェクトを遂行した。一つ目は、レビュー評価の予測モデルの構築を実現するために、評価内容を定性的に分析した。当分析では、平成29年度で実施したコードレビューの議論内容の実証的分析結果を拡張した内容であり、平成29年度より共同研究を進めているMcGill大学のShane McIntosh先生らとの研究成果の一部である。当該分析結果の一部は、国際会議論文に投稿して採択された。二つ目では、コードレビューが実施された成果物間の関連性を評価した。この関連性は、レビュー評価結果に影響を与えることが確認されており、コードレビュー評価の予測モデルの実用可能性を高めると期待される。同じく、McGill大学のShane McIntosh先生らと共同で進めた。本結果の一部を、国際会議論文にまとめて投稿した。平成30年度の活動を通して、国内外の民間企業や研究機関へ訪問し、研究内容について議論を深め、自身の研究を進展させた。また、１２月には国際ワークショップ The 9th International Workshop on Empirical Software Engineering in Practiceを共同実行委員長として開催し 、国内のソフトウェア工学分野の発展に貢献した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
平成30年度では、主に２つの研究テーマに取り組んだ。１つ目は、コードレビュー評価の予測モデルの構築に向けた、コードレビュー中の議論内容の定量的・定性的分析である．当該モデルは、過去のコードレビュー履歴を定性的に分析して知見を生み出し、その得られた知見を元に機械学習技術を応用し、コードレビューの議論内容を予測するモデルを構築して、そのモデルの予測精度を評価する．本研究テーマで得られた成果の一部は、すでに海外論文として採択されており、国際会議International Symposium on Empirical Software Engineering and Measurement 2018で掲載された。２つ目は、コードレビューが実施された成果物間の関連性の定性的・定量的分析である。当該分析では、成果物間の関連性を明確に定義して、その影響の種類を調査した。また、その関連性がどのように影響を与えるのか、定量的に分析した。本研究テーマで得られた成果の一部は、すでに海外論文として投稿されており、現在査読中である。以上の進捗状況から、遂行すべき研究内容をおおむね順調に進展させていると考えられる。
|
| Strategy for Future Research Activity |
今後の研究の推進として、主に２つの方策を考えている。１つ目では、コードレビュー履歴を元にして定性的・定量的に分析した結果を元に、コードレビュー評価の予測モデルを構築して、様々な開発環境で活用できる方法を提案する予定である。当該方策の実現に向けて、様々な開発環境で発生したコードレビュー履歴を用いて、当該予測モデルの性能評価及び性能の向上に努める。また、当該内容は、引き続きMcGill大学のShane McIntosh先生と共同で研究を進めて行く計画であり、実験結果の一部を国際会議論文もしくは国際論文誌にまとめて、投稿する予定である。２つ目では、コードレビュー成果物間の関係性を考慮したコードレビューデータの分析方法を改良する予定である。平成３０年度で得られた実験結果を元に、より精度の高いコードレビュー成果物の関係性の予測モデルを構築する。当該予測モデルを構築・改良することで、コードレビュー評価の予測モデルに活用でき、コードレビュー中の様々な因子の影響を考慮した正確なレビュー評価を予測できると期待される。当該内容についても、引き続きMcGill大学のShane McIntosh先生と共同で研究を進めて行く計画であり、実験結果の一部を国際会議論文もしくは国際論文誌にまとめて、投稿する予定である。
|
