Lo Heanders licentiatseminarium

• Avhandlingens titel: Kommer att läggas till
• Författare: Lo Heander, Institutionen för datavetenskap, Lunds universitet
• Opponent: Docent Francisco Gomes de Oliveira Neto, Göteborgs universitet
• Examinator: Docent Elizabeth Bjarnason, LTH
• Handledare: Docent Emma Söderberg, LTH
• Medhandledare: Prof. Görel Hedin, LTH & Docent Christofer Rydenfält, LTH
• Datum och tid: Torsdagen den 11 september kl. 13:15
• Plats: E:C, E-huset, LTH, Klas Anshelms väg 10/Ole Römers väg 3, Lund
• Länk för nedladdning: Kommer att läggas till

Sammanfattning

Verktygsbaserad kodgranskning har varit en etablerad metod inom mjukvaruutveckling i minst ett decennium. Men medan mjukvaruutvecklingsmiljöerna har förbättrats avsevärt under denna tid med avancerade funktioner för kodförståelse, refaktorisering och AI-stöd, har kodgranskningsverktygen förblivit mer statiska och är fortfarande inriktade på en tvåvägs textuell diff-vy med funktioner som liknar dem som fanns när de första kodgranskningsverktygen introducerades. Med den snabba utvecklingen av artificiell intelligens (AI) befinner sig kodgranskning i ett avgörande skede. Den måste anpassas för att möta kraven i en framtid där allt mer AI-genererad kod behöver granskas, samtidigt som högre effektivitetskrav ställs på mjukvaruutvecklingsteam. Allt mer kapabla AI-modeller kommer snart att göra det möjligt att helt automatisera kodgranskning eller erbjuda sofistikerat AI-stöd till mänskliga kodgranskare. Fullständig automatisering kan potentiellt erbjuda ökad effektivitet, men riskerar att förlora många av de interpersonella fördelarna. Detta ger forskare och mjukvaruutvecklare anledning att stanna upp och reflektera över vad syftet och fördelarna med kodgranskning är och hur man bäst bevarar dessa fördelar i framtiden. I denna avhandling presenterar jag en riktning för modellering och förbättring av människocentrerad kodgranskning, där kodgranskningsverktyg är utformade för att stödja den mänskliga mjukvaruingenjören, anpassa sig till deras behov och öka deras kapacitet. Bidragen är en prototyp för flexibla kodblocksjämförelser utvecklade med hjälp av deltagande design, en arkitektur för AI-stödd kodgranskning och en kognitiv modell för kodgranskning som beslutsfattande (CRDM). Tillsammans pekar dessa bidrag på en väg mot nästa generation av kodgranskningsverktyg, metoder och processer: att använda deltagande designmetodik, kognitiva insikter från CRDM-modellen och AI-agentbaserade arkitekturer för att förbättra kodgranskningen samtidigt som man fokuserar på de mänskliga granskarnas behov.