MARC

 008250123s2024        us                              c    eng  d
■001000017164573
■00520250211153018
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384045991
■035    ▼a(MiAaPQ)AAI31631555
■035    ▼a(MiAaPQ)umichrackham005645
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aEndres,  Madeline.
■24510▼aThree  Lenses  on  Improving  Programmer  Productivity:  From  Anecdote  to  Evidence
■260    ▼a[Sl]▼bUniversity  of  Michigan▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a217  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-03,  Section:  B.
■500    ▼aAdvisor:  Weimer,  Westley  R.
■5021  ▼aThesis  (Ph.D.)--University  of  Michigan,  2024.
■520    ▼aIn  this  dissertation,  we  present  a  series  of  algorithms  and  theoretically-grounded  interventions  that  enhance  programmer  productivity.  By  combining  large-scale  exploratory  empirical  investigations  with  controlled  human-focused  experimental  design,  we  both  build  mathematical  models  of  the  impact  of  understudied  features  on  programmer  productivity  and  also  provide  actionable,  evidence-backed  interventions  that  improve  productivity  in  practice  for  targeted  diverse  programmer  groups.  We  present  findings  from  three  primary  lenses:  developing  efficient  and  usable  bug-fixing  tools  for  non-traditional  novices,  designing  effective  programming  training  informed  by  objective  measures  of  programming  cognition,  and  understanding  the  impact  of  external  factors,  such  as  psychoactive  substance  use.  We  briefly  discuss  the  work  conducted  in  each  lens:1.  Developing  Efficient  and  Usable  Programming  Tools:  We  propose  and  evaluate  two  novel  methods  of  bug-fixing  support  targeting  parse-errors  and  input-related  bugs.  Both  are  error  types  that  we  identify  as  commonly-encountered  by  non-traditional  novice  programmers  (e.g.,  those  learning  without  the  support  of  the  traditional  classroom)  but  are  overlooked  by  existing  program-repair  tools. 2.  Designing  Effective  Developer  Training:  To  help  novice  programmers  become  more  like  experts  faster,  we  develop  a  model  of  novice  programming  expertise  using  neuroimaging.  We  leverage  our  cognitive  findings  to  design  and  evaluate  a  novel  supplemental  reading  training  that  improves  programming  outcomes.3.  Understanding  External  Productivity  Barriers:  We  argue  that  external  factors  also  impact  software  productivity,  including  those  anecdotally-reported  but  understudied  by  the  scientific  literature.  In  this  dissertation,  we  study  the  impact  of  one  such  factor:  psychoactive  substance  use.  We  both  conduct  the  first  survey  of  the  prevalence  of  such  substances  in  software  and  also  develop  a  mathematical  model  of  the  true  impact  of  one  such  substance,  cannabis,  on  programming  ability.In  this  dissertation,  we  not  only  argue  that  varied  external  support  can  improve  developer  productivity,  but  we  also  specify  which  support  can  best  do  so.  We  contend  that  understudied  factors  and  potential  interventions  can  be  identified  through  large-scale  exploratory  analyses.  In  addition,  we  show  how  the  impact  of  targeted  interventions  can  be  measured  via  causal  experimental  designs  and  large-scale  human  evaluations,  even  for  factors  impacting  diverse  populations  that  have  previously  only  been  considered  anecdotally. 
■590    ▼aSchool  code:  0127.
■650  4▼aComputer  science
■650  4▼aNeurosciences
■650  4▼aBioinformatics
■650  4▼aMedical  imaging
■650  4▼aCognitive  psychology
■653    ▼aSoftware  development  productivity
■653    ▼aNovice  programming  expertise
■653    ▼aSoftware  productivity
■653    ▼aPsychoactive  substance  use
■653    ▼aNeuroimaging
■690    ▼a0984
■690    ▼a0574
■690    ▼a0317
■690    ▼a0633
■690    ▼a0715
■71020▼aUniversity  of  Michigan▼bComputer  Science  &  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g86-03B.
■790    ▼a0127
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17164573▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

Preview

Export

ChatGPT Discussion

AI Recommended Related Books