Buchumschlag

Empirical Analysis of Pull Requests for Google Summer of Code

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Popoola, Saheed
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

What do Computing Interns Discuss Online? An Empirical Analysis of Reddit Posts
von: Popoola, Saheed, et al.
Veröffentlicht: (2024)

Efficacy of static analysis tools for software defect detection on open-source projects
von: Yeboah, Jones, et al.
Veröffentlicht: (2024)

Let's Make Every Pull Request Meaningful: An Empirical Analysis of Developer and Agentic Pull Requests
von: Yoshioka, Haruhiko, et al.
Veröffentlicht: (2026)

On the Use of Agentic Coding: An Empirical Study of Pull Requests on GitHub
von: Watanabe, Miku, et al.
Veröffentlicht: (2025)

From Industry Claims to Empirical Reality: An Empirical Study of Code Review Agents in Pull Requests
von: Chowdhury, Kowshik, et al.
Veröffentlicht: (2026)

Why Are Agentic Pull Requests Merged or Rejected? An Empirical Study
von: Peralta, Sien Reeve O., et al.
Veröffentlicht: (2026)

Developing and Sustaining a Student-Driven Software Solutions Center -- An Experience Report
von: Popoola, Saheed, et al.
Veröffentlicht: (2024)

Beyond Bug Fixes: An Empirical Investigation of Post-Merge Code Quality Issues in Agent-Generated Pull Requests
von: Cynthia, Shamse Tasnim, et al.
Veröffentlicht: (2026)

Comparing AI Coding Agents: A Task-Stratified Analysis of Pull Request Acceptance
von: Pinna, Giovanni, et al.
Veröffentlicht: (2026)

Google Summer of Code: Student Motivations and Contributions
von: Silva, Jefferson O., et al.
Veröffentlicht: (2019)

How Do Developers Use Code Suggestions in Pull Request Reviews?
von: Bouraffa, Abir, et al.
Veröffentlicht: (2025)

The Value of Effective Pull Request Description
von: Pirouzkhah, Shirin, et al.
Veröffentlicht: (2026)

An Empirical Study on Developers Shared Conversations with ChatGPT in GitHub Pull Requests and Issues
von: Hao, Huizi, et al.
Veröffentlicht: (2024)

Where Do AI Coding Agents Fail? An Empirical Study of Failed Agentic Pull Requests in GitHub
von: Ehsani, Ramtin, et al.
Veröffentlicht: (2026)

Quality Gatekeepers: Investigating the Effects ofCode Review Bots on Pull Request Activities
von: Wessel, Mairieli, et al.
Veröffentlicht: (2021)

Analyzing Message-Code Inconsistency in AI Coding Agent-Authored Pull Requests
von: Gong, Jingzhi, et al.
Veröffentlicht: (2026)

Do Autonomous Agents Contribute Test Code? A Study of Tests in Agentic Pull Requests
von: Haque, Sabrina, et al.
Veröffentlicht: (2026)

Collaborator or Assistant? How AI Coding Agents Partition Work Across Pull Request Lifecycles
von: Jo, Young, et al.
Veröffentlicht: (2026)

GitHub Actions: The Impact on the Pull Request Process
von: Wessel, Mairieli, et al.
Veröffentlicht: (2022)

Insights into Security-Related AI-Generated Pull Requests
von: Rabbi, Md Fazle, et al.
Veröffentlicht: (2026)

The Impact of Documentation on Test Engagement in Pull Requests in OSS
von: Amore, Teal, et al.
Veröffentlicht: (2026)

Security in the Age of AI Teammates: An Empirical Study of Agentic Pull Requests on GitHub
von: Siddiq, Mohammed Latif, et al.
Veröffentlicht: (2026)

Code Change Characteristics and Description Alignment: A Comparative Study of Agentic versus Human Pull Requests
von: Pham, Dung, et al.
Veröffentlicht: (2026)

The Quiet Contributions: Insights into AI-Generated Silent Pull Requests
von: Hasan, S M Mahedy, et al.
Veröffentlicht: (2026)

A Study of Library Usage in Agent-Authored Pull Requests
von: Twist, Lukas, et al.
Veröffentlicht: (2025)

Why Are AI Agent Involved Pull Requests (Fix-Related) Remain Unmerged? An Empirical Study
von: Alam, Khairul, et al.
Veröffentlicht: (2026)

SWE-PRBench: Benchmarking AI Code Review Quality Against Pull Request Feedback
von: Kumar, Deepak
Veröffentlicht: (2026)

Generative AI for Pull Request Descriptions: Adoption, Impact, and Developer Interventions
von: Xiao, Tao, et al.
Veröffentlicht: (2024)

Evaluating the Impact of Data Cleaning on the Quality of Generated Pull Request Descriptions
von: Tire, Kutay, et al.
Veröffentlicht: (2025)

Pull Requests as a Training Signal for Repo-Level Code Editing
von: Zhu, Qinglin, et al.
Veröffentlicht: (2026)

A Longitudinal Analysis of Good First Issue Practices and Newcomer Pull Requests in Popular OSS Projects
von: Hoshikawa, Hirotatsu, et al.
Veröffentlicht: (2026)

The Death Spiral of Open Source Projects: A Post-Mortem Analysis of Pull Request Workflow Dynamics
von: Kaushik, Mohit, et al.
Veröffentlicht: (2026)

Improving Merge Pipeline Throughput in Continuous Integration via Pull Request Prioritization
von: Jungwirth, Maximilian, et al.
Veröffentlicht: (2025)

Change And Cover: Last-Mile, Pull Request-Based Regression Test Augmentation
von: Zhou, Zitong, et al.
Veröffentlicht: (2026)

How Do Agentic AI Systems Address Performance Optimizations? A BERTopic-Based Analysis of Pull Requests
von: Opu, Md Nahidul Islam, et al.
Veröffentlicht: (2025)

On the Footprints of Reviewer Bots Feedback on Agentic Pull Requests in OSS GitHub Repositories
von: Fatima, Syeda Kaneez, et al.
Veröffentlicht: (2026)

Humans Integrate, Agents Fix: How Agent-Authored Pull Requests Are Referenced in Practice
von: Khemissi, Islem, et al.
Veröffentlicht: (2026)

Human-Agent versus Human Pull Requests: A Testing-Focused Characterization and Comparison
von: Milanese, Roberto, et al.
Veröffentlicht: (2026)

What Developers Ask to ChatGPT in GitHub Pull Requests? an Exploratory Study
von: Silva, Julyanara R., et al.
Veröffentlicht: (2025)

Sphinx: Benchmarking and Modeling for LLM-Driven Pull Request Review
von: Zhang, Daoan, et al.
Veröffentlicht: (2026)