Buchumschlag

Ghost Echoes Revealed: Benchmarking Maintainability Metrics and Machine Learning Predictions Against Human Assessments

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Borg, Markus, Ezzouhri, Marwa, Tornhill, Adam
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Industrial Code Quality Benchmarks: Toward Gamification of Software Maintainability
von: Borg, Markus, et al.
Veröffentlicht: (2024)

Code for Machines, Not Just Humans: Quantifying AI-Friendliness with Code Health Metrics
von: Borg, Markus, et al.
Veröffentlicht: (2026)

Increasing, not Diminishing: Investigating the Returns of Highly Maintainable Code
von: Borg, Markus, et al.
Veröffentlicht: (2024)

ACE: Automated Technical Debt Remediation with Validated Large Language Model Refactorings
von: Tornhill, Adam, et al.
Veröffentlicht: (2025)

Quality Requirements for Code: On the Untapped Potential in Maintainability Specifications
von: Borg, Markus
Veröffentlicht: (2024)

QUPER-MAn: Benchmark-Guided Target Setting for Maintainability Requirements
von: Borg, Markus, et al.
Veröffentlicht: (2025)

Echoes of AI: Investigating the Downstream Effects of AI Assistants on Software Maintainability
von: Borg, Markus, et al.
Veröffentlicht: (2025)

Does Co-Development with AI Assistants Lead to More Maintainable Code? A Registered Report
von: Borg, Markus, et al.
Veröffentlicht: (2024)

Requirements for Organizational Resilience: Engineering Developer Happiness
von: Borg, Markus, et al.
Veröffentlicht: (2024)

Trust Calibration in IDEs: Paving the Way for Widespread Adoption of AI Refactoring
von: Borg, Markus
Veröffentlicht: (2024)

Scalability and Maintainability Challenges and Solutions in Machine Learning: Systematic Literature Review
von: Shivashankar, Karthik, et al.
Veröffentlicht: (2025)

Is LLM-Generated Code More Maintainable \& Reliable than Human-Written Code?
von: Molison, Alfred Santa, et al.
Veröffentlicht: (2025)

Needle in the Repo: A Benchmark for Maintainability in AI-Generated Repository Edits
von: Zhu, Haichao, et al.
Veröffentlicht: (2026)

Sustaining Maintenance Labor for Healthy Open Source Software Projects through Human Infrastructure: A Maintainer Perspective
von: Linåker, Johan, et al.
Veröffentlicht: (2024)

Human and Machine: How Software Engineers Perceive and Engage with AI-Assisted Code Reviews Compared to Their Peers
von: Alami, Adam, et al.
Veröffentlicht: (2025)

Maintaining the Heterogeneity in the Organization of Software Engineering Research
von: Yue, Yang, et al.
Veröffentlicht: (2026)

NRevisit: A Cognitive Behavioral Metric for Code Understandability Assessment
von: Hao, Gao, et al.
Veröffentlicht: (2025)

MaintainCoder: Maintainable Code Generation Under Dynamic Requirements
von: Wang, Zhengren, et al.
Veröffentlicht: (2025)

An Audit of Machine Learning Experiments on Software Defect Prediction
von: Destefanis, Giuseppe, et al.
Veröffentlicht: (2026)

Challenges in Comparing Code Maintainability across Different Programming Languages
von: Ponsard, Christophe, et al.
Veröffentlicht: (2024)

Fostering Microservice Maintainability Assurance through a Comprehensive Framework
von: Abdelfattah, Amr S.
Veröffentlicht: (2024)

BinMetric: A Comprehensive Binary Analysis Benchmark for Large Language Models
von: Shang, Xiuwei, et al.
Veröffentlicht: (2025)

Critical Considerations on Effort-aware Software Defect Prediction Metrics
von: Lavazza, Luigi, et al.
Veröffentlicht: (2025)

JunoBench: A Benchmark Dataset of Crashes in Python Machine Learning Jupyter Notebooks
von: Wang, Yiran, et al.
Veröffentlicht: (2025)

Towards Supporting Open Source Library Maintainers with Community-Based Analytics
von: Raj, Rachna, et al.
Veröffentlicht: (2025)

Will It Break in Production? Metric-Driven Prediction of Residual Defects in Python Systems
von: De Rosa, Giuseppe, et al.
Veröffentlicht: (2026)

Object Oriented-Based Metrics to Predict Fault Proneness in Software Design
von: Mir, Areeb Ahmed, et al.
Veröffentlicht: (2025)

MANILA: A Low-Code Application to Benchmark Machine Learning Models and Fairness-Enhancing Methods
von: d'Aloisio, Giordano
Veröffentlicht: (2025)

A Fuzzy Logic-Based Quality Model For Identifying Microservices With Low Maintainability
von: Yilmaz, Rahime, et al.
Veröffentlicht: (2024)

What About Our Bug? A Study on the Responsiveness of NPM Package Maintainers
von: Saeidi, Mohammadreza, et al.
Veröffentlicht: (2025)

Co-Change Graph Entropy: A New Process Metric for Defect Prediction
von: Hrishikesh, Ethari, et al.
Veröffentlicht: (2025)

Maintaining MTEB: Towards Long Term Usability and Reproducibility of Embedding Benchmarks
von: Chung, Isaac, et al.
Veröffentlicht: (2025)

Safer Builders, Risky Maintainers: A Comparative Study of Breaking Changes in Human vs Agentic PRs
von: Ferdous, K M, et al.
Veröffentlicht: (2026)

How Maintainable is Proficient Code? A Case Study of Three PyPI Libraries
von: Febriyanti, Indira, et al.
Veröffentlicht: (2024)

Novice Developers Produce Larger Review Overhead for Project Maintainers while Vibe Coding
von: Asdaque, Syed Ammar, et al.
Veröffentlicht: (2026)

Application of Quantum Extreme Learning Machines for QoS Prediction of Elevators' Software in an Industrial Context
von: Wang, Xinyi, et al.
Veröffentlicht: (2024)

Geospatial Machine Learning Libraries
von: Stewart, Adam J., et al.
Veröffentlicht: (2025)

Benchmarking and Revisiting Code Generation Assessment: A Mutation-Based Approach
von: Wang, Longtian, et al.
Veröffentlicht: (2025)

Predicting the First Response Latency of Maintainers and Contributors in Pull Requests
von: Khatoonabadi, SayedHassan, et al.
Veröffentlicht: (2023)

Defect Prediction Using Stylistic Metrics
von: Yasir, Rafed Muhammad, et al.
Veröffentlicht: (2022)