While classifying changes, we notic

While classifying changes, we noticed patterns in the meta-data (e.g.,bug-fixing tasks often had fewer changes than tasks implementing new functionality). We built a regression model on the technical influences of the review process to detect what could influence the number of changes made in reviews. We show that bug-fixing tasks lead indeed to fewer changes and that tasks with more altered files and a higher code churn have more changes on average. Interestingly, the reviewer has no impact on the number of changes. In interviews, developers confirmed our results match their intuition. Structure of the paper: Section 2 introduces a common nomenclature on code reviews and provides an overview of the related work. Section 3 details our methodology: It introduces our initial research questions, the subject systems and the steps we took to conduct our investigation; subsequently, it details another research question, which emerged from our manual classification, and the steps to answer it. Section 4 presents the results for our research questions. We discuss the findings in Section 5 and conclude in Section 6.

ผลลัพธ์ (ไทย) 1:

ในขณะที่การเปลี่ยนแปลงการจัดประเภท เราพบรูปในข้อมูลเมตา (e.g.,bug fixing งานมักจะมีการเปลี่ยนแปลงน้อยกว่างานที่ใช้ฟังก์ชันใหม่) เราสร้างแบบจำลองถดถอยเทคนิคการ influences การตรวจสอบเพื่อตรวจสอบว่าสามารถ influence ของการเปลี่ยนแปลงในรีวิวนี้ เราแสดงว่า บัก fixing งานทำแน่นอนเปลี่ยนแปลงน้อยลง และงาน files ที่เปลี่ยนแปลงมากขึ้นและความสูงรหัสเดือดพล่านมีเปลี่ยนแปลงโดยเฉลี่ย เป็นเรื่องน่าสนใจ ผู้ตรวจทานได้ไม่มีผลต่อจำนวนการเปลี่ยนแปลง ในการสัมภาษณ์ confirmed พัฒนาผลลัพธ์ของเราตรงกับสัญชาตญาณของพวกเขา โครงสร้างของกระดาษ: แนะนำระบบการตั้งชื่อทั่วไปในรหัสรีวิว 2 ส่วน และแสดงภาพรวมของงานที่เกี่ยวข้อง 3 ส่วนรายละเอียดวิธีการของเรา: แนะนำคำถามวิจัยเบื้องต้นของเรา เรื่องระบบ และขั้นตอนที่เราใช้ในการดำเนินการตรวจสอบของเรา ในเวลาต่อมา มันรายละเอียดอื่นคำถามวิจัย ซึ่งเกิดจาก classification ของเราด้วยตนเอง ขั้นตอนการตอบ 4 ส่วนแสดงผลลัพธ์สำหรับคำถามการวิจัยของเรา เราอภิปราย findings ใน 5 ส่วน และสรุปใน 6 ส่วน

ผลลัพธ์ (ไทย) 2:

ในขณะที่การแบ่งประเภทของการเปลี่ยนแปลงที่เราสังเกตเห็นรูปแบบในข้อมูลเมตา (เช่นงานซิงไฟ bug- มักจะมีการเปลี่ยนแปลงน้อยกว่าการใช้งานฟังก์ชั่นใหม่) เราสร้างรูปแบบการถดถอยในทางเทคนิคในการ uences ชั้นของกระบวนการตรวจสอบในการตรวจสอบสิ่งที่จะทำได้อิทธิพลจำนวนของการเปลี่ยนแปลงที่เกิดขึ้นในการแสดงความคิดเห็น เราแสดงให้เห็นว่าไฟ bug- งานซิงนำไปสู่​​การเปลี่ยนแปลงแน่นอนน้อยลงและที่งานที่มีการเปลี่ยนแปลงมากขึ้นไฟ les และปั่นรหัสที่สูงขึ้นมีการเปลี่ยนแปลงมากขึ้นโดยเฉลี่ย ที่น่าสนใจวิจารณ์ไม่มีผลกระทบต่อจำนวนของการเปลี่ยนแปลง ในการสัมภาษณ์นักพัฒนาปรับอากาศสาย rmed ผลของเราตรงกับสัญชาตญาณของพวกเขา โครงสร้างของกระดาษ: ส่วนที่ 2 นำเสนอศัพท์ทั่วไปเกี่ยวกับความคิดเห็นรหัสและให้ภาพรวมของการทำงานที่เกี่ยวข้องกัน ส่วนที่ 3 รายละเอียดวิธีการของเรา: แนะนำคำถามวิจัยครั้งแรกของเราเรื่องระบบและขั้นตอนที่เราเอาไปดำเนินการสอบสวนของเรา; ต่อมาก็มีรายละเอียดคำถามการวิจัยอื่นที่โผล่ออกมาจากไอออนบวกจัดประเภทของเราด้วยตนเองและขั้นตอนในการตอบคำถาม หมวดที่ 4 นำเสนอผลสำหรับคำถามการวิจัยของเรา เราหารือ ndings ไฟในมาตรา 5 และมาตราสรุปในมาตรา 6

ผลลัพธ์ (ไทย) 3:

ขณะที่ข้อมูลการเปลี่ยนแปลง เราสังเกตรูปแบบในข้อมูลเมตา ( เช่นข้อผิดพลาด -- จึงซิ่งงานมักจะมีการเปลี่ยนแปลงน้อยกว่าการใช้ฟังก์ชันการทำงานใหม่ ) เราได้สร้างแบบจำลองการถดถอยในทางเทคนิคในfl uences ของกระบวนการตรวจสอบเพื่อตรวจสอบสิ่งที่อาจในfl uence จำนวนของการเปลี่ยนแปลงที่ทำในรีวิวเราแสดงข้อผิดพลาด -- จึงซิ่งงานนำแน่นอนการเปลี่ยนแปลงน้อยและงานที่มีมากขึ้น การเปลี่ยนแปลงจึงเล และมีการเปลี่ยนแปลงมากกว่าปั่นรหัสสูงกว่าค่าเฉลี่ย แต่ทานได้ไม่มีผลกระทบกับจำนวนของการเปลี่ยนแปลง ในการสัมภาษณ์นักพัฒนาคอน จึง rmed ผลของเราตรงกับสัญชาตญาณของพวกเขา โครงสร้างของกระดาษส่วนที่ 2 แนะนำการเรียกชื่อสามัญรหัสรีวิวและให้ภาพรวมของงานที่เกี่ยวข้อง รายละเอียดวิธีการของเรา ตอนที่ 3 : แนะนำคำถามการวิจัยครั้งแรกของเรา ระบบวิชาและขั้นตอนที่เราได้ดำเนินการสืบสวนของเรา จากนั้น รายละเอียดอื่นตั้งคำถามวิจัย ซึ่งเกิดขึ้นจากการถ่ายทอดของเราคู่มือ classi และขั้นตอนที่จะตอบมันส่วนที่ 4 แสดงผลสำหรับคำถามวิจัยของเรา เรากล่าวถึงในมาตรา 5 และ ndings จึงสรุปในส่วนที่ 6