プログラミング初学者のためのデバッグ支援に関する研究は近年盛んに行われている．しかし，初学者のバグの傾向を捉えたデバッグの演習問題を提供することによる学習支援は研究されていない．そこで，本研究では，そのような演習問題の生成を目指す．その方法として，実際に開発者が作成したバグ修正前後のソースコードから埋め込まれているバグを機械翻訳技術の応用により学習し，バグを生成するLearning-Mutationという手法に着目した．九州大学のプログラミング初学者らのデータに対してLearning-Mutationを適用し，生成されたバグと実際のバグを比較することで，デバッグ演習問題の作成に繋げげられるかを評価した．その結果，トークン数が少ないとき，生成されるバグは実際のバグに類似しており，セミコロン忘れや変数・関数の未宣言が36%以上を占めていた．一方，トークン数が多くなると実際とは異なるバグを埋め込む可能性が高まることがわかった．また，ビームサーチのビーム幅を増やすことで実際の初学者のバグの分布に近づけることができた．

メソッドの名前は当該メソッドの処理内容を理解する上で重要な手がかりである．メソッド名(特に先頭の単語)がその振る舞いを適切に表現できていない状態をネーミングバグといい，コードの可読性を低下させる要因の1つとなっている．そこで本論文は，ネーミングバグを自動的に判定する手法を提案している．具体的には，メソッドの名前をいったん隠したかたちを作り出し，Transformer をベースとした機械学習モデルによってメソッド本体から元の名前を正しく推定できるかどうかでもって，その名前がネーミングバグに該当するかどうかを判定するものとなっている．そして，評価実験を通じて，提案手法が従来手法(Doc2Vec, Word2Vec 及び畳込みニューラルネットワークを使用)よりも高い精度でネーミングバグを検出できることを示している．

ソフトウェア開発において，開発規模を開発工数で除した生産性はコストに関連するため非常に重要である．ソフトウェア開発の生産性に影響する要因を明らかにするために，これまで数多くの研究が行われてきている．最も利用割合の高かった主開発言語に着目した分析は多数である一方，言語の使用割合に着目した分析はされていない．分析の正確性を高めるため，本研究では言語の使用割合を考慮して生産性の分析を行った．企業横断的に収集された450件のデータを分析した結果，MS-ACCESSの比率が100%の場合，開発工数が33%減少することなどがわかった．

オープンソースソフトウェア(OSS)開発プロジェクトは，プロジェクトの持続可能性を維持するために常に新たな開発者からの貢献を求めている．一部のプロジェクトでは，「Good First Issue(GFI)」と呼ばれるラベルを用いて，新規開発者向けのIssueを用意しオンボーディングを支援している．ただし，ラベル付けはプロジェクトメンテナの手作業で行われておりメンテナにとって負担となるため，多くのプロジェクトではGFIラベルは積極的に利用されていない．本研究の目的は，OSSプロジェクトの新規開発者向けのIssueを自動分類する機械学習モデルを構築することである．本論文では，ランダムフォレストを用いて分類モデルを構築した結果を述べる．通常Issue約15万件とGFI約1万件を収集して10分割交差検証を行った結果，Precisionが0.91，Recallが0.30となった(RQ1)．また，重要度が高い特徴量を分析し，GFIの分類には投稿者のプロジェクト内での役割が重要であることが分かった(RQ2)．

C，PHP，JavaScript，Python，Rubyを対象言語とし，制御文について他言語の文法にしたがって記述された場合や複数言語の文法が混在する記述をした場合に自動で修正する方法を提案する．これらの誤りはプログラマが複数のプログラミング言語を学習した際におかしやすい．文法的に誤ったコード片を解析するための式レベルの構文解析方法と制御文の共通モデルを介した言語変換方法を提案する．

テストコードの可読性や保守性に対する潜在的な問題を表す概念として，テストスメルが知られている．一般的なテストスメルはテストの長さや複雑さといったソースコードの静的な側面に着目しており，検出が容易な一方で常に問題につながるとは限らない．他方，テスト実行時の振る舞いに基づく動的スメルは，テストの実施が不十分であるのに，問題なくテストが成功したという誤った認識を開発者に与えるなど，テスト結果の誤解につながることが多い．そのため，可能な限り早期に検出し対策することが望ましい．本論文では，動的スメルの検出を行うGradleプラグインであるJTDogを提案する．ビルドツールへの組み込みにより，JTDogは高い可搬性を有している．GitHub上の205のプロジェクトに対する適用実験の結果，JTDogの可搬性を確認することができた．また，実際に66のプロジェクトから1,117個の動的スメルを検出できた．

製造業の機能検査用ビジュアルプログラミングツールSmrAIを開発し，既存のプログラム資産をScratchのブロックでラップするというアプローチが製造業の品質管理分野におけるプログラミング人材不足の解消に有効であるかを調べた．SmrAIはScratchのブロックをRubyコードに変換する機能を持つスモウルビーをベースにしており，既存の機能検査用Rubyライブラリをラップした2種類のブロック群が新たに実装されている．既存のツールやライブラリを活用したため，SmrAI開発の作業コストは低く，さらにSmrAIの導入に伴う機能検査工程の変更はない．検査工程に精通しているがプログラミング経験に乏しい被験者に対して実証実験を行ったところ，被験者がSmrAIを用いてプログラミングできることやSmrAIの業務利用を支持することが確かめられた．この結果は本アプローチが機能検査プログラミングを担う人材の多様化と増加に寄与する可能性を示すものと言える．

背景：ソースコードに記述されたプログラム要素の履歴追跡は，プログラムの理解や修正の支援に有用である．リポジトリ変換に基づく履歴追跡手法Historageは，開発者が慣れ親しんだ履歴管理インタフェースにより細粒度の履歴追跡を行えるという特徴を持つ．課題：既存のリポジトリ変換ツールは，変換時にオブジェクトデータベースからのファイルの展開と格納を繰り返すコストが大きい，増分的な変換を行わないため変換元リポジトリからの更新を伴う開発での利用に適さない，という点で変換時間に課題がある．手法：本論文では，変換時間の削減を実現した細粒度履歴追跡向けリポジトリ変換ツールToolの設計と実装について述べる．本ツールでは，オブジェクト変換の対応関係の記録に基づくリポジトリ変換フレームワークgit-steinを利用することにより，展開と格納を抑制する．また，更新前の変換時に記録した対応関係を更新後に持ち越し，それを用いて不要な書換えを抑制することにより増分的な変換を可能とする．予備評価：既存の変換ツールと実行時間の比較を行った．また，持ち越す対応関係の種類を比較した．既存のツールと比較して4倍以上の速度性能向上を達成したこと，対応関係の持ち越しが有効であることを確認した．

本論文ではSwift言語のARC機能により発生する強い循環参照やメモリリークを自動的に検知する新しいツールUCDetectorを提案する．Swift言語の「静的型付けで安全な言語でありながら低レベルなプログラミングが可能」という特徴，SwiftリフレクションAPI，デバッガ lldb Pyton APIを用いることで，簡易かつコンパクトな実装が可能だったこと，その際に自明ではない様々な障壁があったことを知見として本論文では報告する．また，実装した循環参照検知器の精度と効率に対する予備評価の結果も報告する．

コードクローンを検出する際，検出ツールの種類や設定するパラメータの値によって得られる検出結果が大きく変化することが知られている．より正確なコードクローン分析を行うためには,一つの対象に対し異なる検出ツールやパラメータ値を用いて検出を行い,それらの検出結果を比較することが重要である．しかし個々のコードクローン検出ツールの実行環境を整備し実行結果を比較することは容易ではない．本研究では多様な検出ツールに対応したSaaS型コードクローン分析システムCCXを開発した．CCXを利用することで，開発者は個別にインストールすることなく現在5つの検出ツールを利用でき，その検出結果の比較や分析を容易に行うことができる．

本研究では，ドライブ旅行の思い出を楽しく振り返ることを目的に，ドライブレコーダのデータを活用した旅の要約動画自動生成システムを提案する．最近のドライブレコーダは，車内外の様子を高解像度動画として記録するため，紀行ムービーの素材として活用できる．ドライブレコーダで撮影された映像データは，メモリカードから簡単に入手できるが，膨大なデータを編集するには多くの時間と労力が必要なため，ほとんど利用されていない．そこで，名所や会話の盛り上がりなど，旅行において重要だと考えられるシーンを判定して動画を要約し，文字テロップ・地図・合成音声の追加を行うWebシステムを開発した．また，手動編集と自動編集との比較評価を行った結果，提案システムの利用に必要な手順は少なく，システムは手動編集に比べて大幅に短い時間で要約動画を生成することがわかった．さらに，アンケート調査の結果，自動生成された動画に対するユーザの満足度は高いことがわかった．本研究は，今まであまり注目されてこなかった自動車乗車後のUX向上に貢献する．