プログラミング初学者の支援に向けたバグ自動修正・生成技術の創出

点击翻译按钮获取中文摘要

今年度は主にコンパイルエラーの自動バグ修正技術について研究を行った．本研究課題の目的である「プログラミング初学者のつまずきを減らし」の部分に該当する．今年度は，学習者の実行ログに対して，深層学習モデルや大規模言語モデルを適用し，コンパイルエラーを自動修正する技術の性能評価を行った．１．大規模言語モデルに対する修正性能の調査： GPT-3.5は，大規模で一般化された言語モデルであり，プログラム生成の一部も実現している．GPT-3.5を用いることでコンパイルエラーを含むプログラムも修正できるのではないかと考えた．今年度は，初学者支援ツールへのGPT-3.5の適用に向けた初期評価として，九州大学の学生のデータを用いて調査を行った．その結果，GPT-3.5は先行研究である自動プログラム修正技術よりも10%以上高い精度での修正を行うことがわかった．２．大規模言語モデルのロバスト性の調査：GitHub Copilotに対して，プログラミングコンテストのAtCoderの問題を入力データとして用い，調査を行った．まず，Copilotが同じ入力データから生成するコードの類似性を確かめたのち，問題の文をランダムに並び替えた場合と，順序をそのままにした場合とで，生成されるコードがどちらにおいても同じであるかどうかを確かめた．３．型プレビュー機能の実装：Pythonは動的型付け言語であるため，型を意識しなくてもプログラムを記述できる.しかしながら，初学者がデバッグを実施したりプログラムの学習時において，型について理解することは重要である.そこで，型への理解を助けることを目的とし，コードエディタ上に変数の型を表示するプレピュー機能を実装した．