노트북 코드 품질 향상을 위한 분석 필요성

초록

Jupyter Notebook은 교육·연구에 널리 쓰이지만, 코드 스타일 위반, 사용되지 않은 변수, 폐기된 함수 사용 등 저품질 코드가 만연한다. 1,982개의 고품질 노트북을 분석한 결과, PEP8 위반 비율이 36 %에 달하고, 40 % 이상에 미사용 변수와 폐기 API 사용이 발견되었다. 이러한 현상은 학습자에게 나쁜 코딩 습관을 전파할 위험이 크므로, 자동화된 정적·동적 분석 도구와 스타일 강제 메커니즘이 시급히 필요하다.

상세 분석

본 논문은 Jupyter Notebook의 코드 품질을 정량적으로 평가하기 위해 세 가지 연구 질문(RQ1‑RQ3)을 설정하고, GitHub에 공개된 1,982개의 “고품질” Python 기반 노트북을 대상으로 실험을 수행하였다. RQ1에서는 PEP8 스타일 검사기를 이용해 코드 스타일 위반을 측정했으며, 전체 202,332줄의 코드 중 73,371개의 오류가 발견되어 36.26 %의 위반률을 보였다. 동일 프로젝트 내 독립적인 *.py 파일을 대상으로 한 비교에서는 위반률이 13.40 %에 불과해, Notebook 환경 자체가 스타일 준수를 방해한다는 점을 시사한다. RQ2에서는 AST 기반 변수 접근 분석을 수행해, 변수 선언(Store) 후 이후 셀에서 Load가 전혀 이루어지지 않은 경우를 미사용 변수로 정의하였다. 결과적으로 803개의 노트북(전체의 40 %)에서 2,056개의 미사용 변수가 존재했으며, 무작위 표본 검증을 통해 모두 실제 미사용임이 확인되었다. 이는 셀 실행 순서가 뒤섞이거나, 실험적 코드가 남겨지는 경우가 빈번함을 보여준다. RQ3에서는 폐기된 API 사용 여부를 판단하기 위해 Scikit‑Learn의 릴리즈 노트를 수작업으로 추출, 214개의 노트북이 해당 라이브러리를 사용함을 확인했다. 그 중 75개(35 %)가 최소 하나 이상의 폐기 API를 호출했으며, 가장 많이 사용된 폐기 함수는 sklearn.cross_validation, sklearn.grid_search 등이다. 이러한 결과는 교육용 노트북이 최신 라이브러리 유지보수에 소홀함을 드러낸다. 논문은 또한 코드와 텍스트의 비율, 셀 실행 순서 관리 부재 등 인간‑컴퓨터 상호작용 측면의 문제점도 언급한다. 종합적으로, 저자는 현재 Jupyter Notebook 생태계가 코드 품질 관리 메커니즘이 부재한 상태이며, 이는 학습자에게 잘못된 코딩 관행을 전파하고, 재현 가능성을 저해한다는 점을 강조한다. 따라서 정적 분석, 스타일 자동 교정, 테스트·검증 프레임워크 통합 등 다각적인 접근이 필요함을 제안한다.