Key points are not available for this paper at this time.
Das Versprechen von Empfehlungssystemen besteht darin, Entwicklern während ihrer Programmieraufgaben intelligente Unterstützung zu bieten. Diese Unterstützung reicht von der Vorschlag von Programmelementen bis hin zur Berücksichtigung relevanter Q&A-Seiten. Aktuelle Empfehlungssysteme beschränken jedoch die Kontextanalyse auf die Änderungsverläufe und Aktivitäten der Entwickler in der IDE, ohne zu berücksichtigen, was ein Entwickler bereits konsultiert oder durchgesehen hat, z.B. durch Suchanfragen im Webbrowser. Angesichts der facettierten Natur vieler Programmieraufgaben und der Unvollständigkeit der Informationen, die ein einzelnes Artefakt bietet, sind mehrere heterogene Ressourcen erforderlich, um das umfassende Bild zu erhalten, das ein Entwickler benötigt, um eine Aufgabe zu erfüllen. Wir präsentieren Libra, ein ganzheitliches Empfehlungssystem. Es unterstützt den Prozess der Informationssuche und -navigation, indem es ein umfassendes Meta-Informationsmodell der von einem Entwickler durchgesehenen Ressourcen erstellt, ihre semantischen Beziehungen analysiert und den Webbrowser mit einem interaktiven Navigationsdiagramm ergänzt. Die quantitative und qualitative Bewertung von Libra liefert Beweise dafür, dass eine ganzheitliche Analyse des Informationskontextes eines Entwicklers tatsächlich umfassende und kontextualisierte Unterstützung für die Informationsnavigation und -beschaffung während der Softwareentwicklung bieten kann.
Ponzanelli et al. (Mon,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: