ترجمه فارسی مقاله Ghost echoes فاش شد: معیار معیارهای حفظ و پیش بینی یادگیری ماشین در برابر ارزیابی های انسانی

چکیده

As generative AI is expected to increase global code volumes, the importance of maintainability from a human perspective will become even greater. Various methods have been developed to identify the most important maintainability issues, including aggregated metrics and advanced Machine Learning (ML) models. This study benchmarks several maintainability prediction approaches, including State-of-the-Art (SotA) ML, SonarQube’s Maintainability Rating, CodeScene’s Code Health, and Microsoft’s Maintainability Index. Our results indicate that CodeScene matches the accuracy of SotA ML and outperforms the average human expert. Importantly, unlike SotA ML, CodeScene also provides end users with actionable code smell details to remedy identified issues. Finally, caution is advised with SonarQube due to its tendency to generate many false positives. Unfortunately, our findings call into question the validity of previous studies that solely relied on SonarQube output for establishing ground truth labels. To improve reliability in future maintainability and technical debt studies, we recommend employing more accurate metrics. Moreover, reevaluating previous findings with Code Health would mitigate this revealed validity threat.

چکیده به فارسی (ترجمه ماشینی)

از آنجا که انتظار می رود هوش مصنوعی تولید کننده حجم کد جهانی را افزایش دهد ، اهمیت حفظ قابلیت حفظ از دیدگاه انسانی حتی بیشتر می شود.روشهای مختلفی برای شناسایی مهمترین مسائل مربوط به حفظ ، از جمله معیارهای جمع شده و مدل های پیشرفته یادگیری ماشین (ML) تهیه شده است.این مطالعه معیار چندین رویکرد پیش بینی قابلیت حفظ ، از جمله ML پیشرفته (SOTA) ، رتبه بندی قابلیت حفظ Sonarqube ، سلامت کد Codescene و شاخص حفظ مایکروسافت است.نتایج ما نشان می دهد که Codescene با صحت SOTA ML مطابقت دارد و از یک متخصص متوسط ​​انسانی بهتر است.نکته مهم این است که برخلاف SOTA ML ، Codescene همچنین جزئیات بوی کد عملی را برای اصلاح مسائل شناسایی شده در اختیار کاربران نهایی قرار می دهد.سرانجام ، به دلیل تمایل به تولید بسیاری از مثبت های کاذب ، با Sonarqube با احتیاط توصیه می شود.متأسفانه ، یافته های ما اعتبار مطالعات قبلی را که صرفاً به خروجی Sonarqube برای ایجاد برچسب های حقیقت زمینی متکی بودند ، زیر سوال می برد.برای بهبود قابلیت اطمینان در حفظ قابلیت حفظ و مطالعات بدهی فنی ، توصیه می کنیم از معیارهای دقیق تر استفاده کنید.علاوه بر این ، ارزیابی مجدد یافته های قبلی با Code Health باعث کاهش این تهدید اعتبار می شود.