[論文レビュー] Source Code Hotspots: A Diagnostic Method for Quality Issues

Saleha Muzammil, Mughees Ur Rehman+2 more|arXiv (Cornell University)|Feb 13, 2026

Software Engineering Research被引用数 0

ひとこと要約

論文は91の進化するGitHubリポジトリから行レベルのホットスポットを抽出して保守性問題を診断し、15のホットスポットパターンを特定してリファクタリングガイドラインへマッピングする。ボットがホットスポット編集の大半を占めることを示し（74%）る。

ABSTRACT

Software source code often harbours "hotspots": small portions of the code that change far more often than the rest of the project and thus concentrate maintenance activity. We mine the complete version histories of 91 evolving, actively developed GitHub repositories and identify 15 recurring line-level hotspot patterns that explain why these hotspots emerge. The three most prevalent patterns are Pinned Version Bump (26%), revealing brittle release practices; Long Line Change (17%), signalling deficient layout; and Formatting Ping-Pong (9%), indicating missing or inconsistent style automation. Surprisingly, automated accounts generate 74% of all hotspot edits, suggesting that bot activity is a dominant but largely avoidable source of noise in change histories. By mapping each pattern to concrete refactoring guidelines and continuous integration checks, our taxonomy equips practitioners with actionable steps to curb hotspots and systematically improve software quality in terms of configurability, stability, and changeability.

研究の動機と目的

• Maintainabilityの診断指標としての行レベルコードチェンのホットスポットを特定する（構成可能性、安定性、変更容易性）。
• 実世界リポジトリにおけるホットスポットパターンの有病率と性質を特徴づける。
• ホットスポットパターンを具体的なリファクタリングガイドラインとCIチェックに結び付け、保守作業負担を低減する。

提案手法

• 星とフォーク数で層別サンプリングを用い、91のGitHubリポジトリの完全な改版履歴を抽出する。
• 編集を跨いでラインを追跡するラインチェンジ追跡アルゴリズムを用いてホットスポットファイル内の行レベルの変更を追跡する。
• ホットスポット分類学を構築するためのマニュアルラベリングプロセスを開発し、Chao1でラベリング飽和度を評価する。
• コミッタ識別を分析してボットを検出し、自動アカウントをフラグする。
• ボットによるホットスポット編集の比率を定量化し、パターンを緩和策へマッピングする。

実験結果

リサーチクエスチョン

• RQ1 RQ1: どの技術的要因またはプロセス要因がホットスポットを生み出し、再発を抑制する実践は何か。
• RQ2 RQ2: プロジェクト間でホットスポットの範囲、持続性、場所はどのように異なるか。
• RQ3 RQ3: ボット作成のコミットはホットスポットにどのような影響を与え、どの反パターンがボット主導か。

主な発見

• データセット全体で15の反復的な行レベルホットスポットタイプを同定。
• 最も一般的な3つのホットスポットパターンは、Pinned Version Bump（26%）、Long Line Change（17%）、Formatting Ping-Pong（9%）である。
• 調査対象のリポジトリ全体で自動アカウントがホットスポット編集の74%を占める。
• 多様な言語と活動を持つ91リポジトリを分析し、ホットスポットパターンと具体的な緩和策を結びつける分類学を可能にしている。
• 行レベルの分析により変更を人間著者とボット著者に帰属させ、保守性改善をターゲット化できる。
• 分類学はソフトウェアプロジェクトの構成可能性、安定性、変更容易性を向上させる具体的な手順を提供する。