プログラミング演習における細粒度履歴データを用いたコード流用の特定と分析

抄録

コードの流用，すなわちコードをコピーして別の箇所で再利用する行為は広く行われている．コードの流用は常に問題となるわけではない．実装の手段として良いコード片を様々なコードベースから取得することは広く行われており，最近では生成AIから出力されたコードの流用も行われている．本研究では，大学のJavaプログラミング演習における学生のソースコード流用行動を細粒度履歴データを用いて分析する．細粒度履歴データは授業中に収集された47万件を超えるコードスナップショットである．正規化およびハッシュ化を用いてスナップショット間差分からコードの流用と思われるスナップショットペアを検出する．流用元が(1)自己か他者か，(2)同一課題内か別課題か，の2軸4種類に分類し，その発生頻度や規模，時系列的な発生タイミングを詳細に調査した．分析の結果，最も頻繁に発生するのは「自己・同一課題」での流用であり，課題の初期段階や終了間際に多く見られた．また，流用されるコード行数の中央値は8行程度となっており，多くが比較的新しく作成されたものであるが，過去の課題から流用されているケースも確認された．