Studying the Change History of Code Snippets on Stack Overflow and GitHub
Notice bibliographique
Résumé
Stack Overflow (SO) is a popular Q&A forum for software developers, providing a large number of copyable code snippets.While GitHub is an independent code collaboration platform, developers often reuse SO code in their GitHub projects.These code snippets get revised and edited on both platforms after their creation and adoption.In this work, we investigate such evolution of SO posts and their adapted code snippets on GitHub.To accomplish our goal, we mine the SOTorrent dataset that provides connectivity between code snippets on the SO posts with software projects hosted on GitHub.We then create an evolutionary history of adapted code snippets by mining 26K GitHub projects to study their evolution, by creating a new dataset GHCodeSnippetHistory.Along with studying characteristics of GitHub projects that reference SO posts and what famous SO discussions can be found in GitHub projects.Our results demonstrate that, on average, developers make 45 references to SO posts in their projects, with the highest number of references being made within the JavaScript code.We also found that 79% of the SO posts with code snippets that are referenced in GitHub code do change over time (at least ones), raising code maintainability and reliability concerns.The evolution of snippets on both platforms is driven by the original author of posts (SO) and adapted code snippets (GH).Finally, our results show the adapted snippets on GH and corresponding posts on SO evolve independently of one another.iii I, Saraj Singh Manes, would like to express my sincere gratitude to my amazing supervisor, Professor Olga Baysal, for her continuous guidance, advice, and friendly discussions throughout my thesis.Our joint vision for this project, her continuous efforts in providing me with valuable feedback and support made this work successful.I am very grateful to my family -my parents
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».