論文の概要: Reading Between the Lines: Modeling User Behavior and Costs in AI-Assisted Programming

• arxiv url: http://arxiv.org/abs/2210.14306v1
• Date: Tue, 25 Oct 2022 20:01:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 16:11:12.344449
• Title: Reading Between the Lines: Modeling User Behavior and Costs in AI-Assisted Programming
• Title（参考訳）: ライン間の読書:AI支援プログラミングにおけるユーザ行動とコストのモデリング
• Authors: Hussein Mozannar, Gagan Bansal, Adam Fourney, Eric Horvitz
• Abstract要約: 私たちはGitHub Copilotを研究し、AIコード補完システムに共通する12のプログラマアクティビティの分類であるCUPSを開発した。 3000以上のラベルインスタンスを分析し、結果をタイムラインとステートマシンで視覚化し、プログラマとCodeRecのインタラクションをプロファイルします。
• 参考スコア（独自算出の注目度）: 36.270310963941434
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: AI code-recommendation systems (CodeRec), such as Copilot, can assist programmers inside an IDE by suggesting and autocompleting arbitrary code; potentially improving their productivity. To understand how these AI improve programmers in a coding session, we need to understand how they affect programmers' behavior. To make progress, we studied GitHub Copilot, and developed CUPS -- a taxonomy of 12 programmer activities common to AI code completion systems. We then conducted a study with 21 programmers who completed coding tasks and used our labeling tool to retrospectively label their sessions with CUPS. We analyze over 3000 label instances, and visualize the results with timelines and state machines to profile programmer-CodeRec interaction. This reveals novel insights into the distribution and patterns of programmer behavior, as well as inefficiencies and time costs. Finally, we use these insights to inform future interventions to improve AI-assisted programming and human-AI interaction.
• Abstract（参考訳）: copilotのようなai code-recommendation systems(coderec)は、任意のコードを提案および自動補完することで、ide内のプログラマを支援する。 これらのAIがプログラミングセッションでプログラマをどのように改善するかを理解するためには、プログラマの振る舞いにどのように影響するかを理解する必要がある。 進歩するために、GitHub Copilotを研究し、AIコード補完システムに共通する12のプログラマアクティビティの分類であるCUPSを開発した。 次に、コーディングタスクを完了した21人のプログラマを対象に調査を行い、ラベリングツールを使用してセッションをCUPSで振り返ってラベル付けしました。 3000以上のラベルインスタンスを分析し、結果をタイムラインとステートマシンで視覚化し、プログラマとCodeRecのインタラクションをプロファイルします。 これはプログラマの振る舞いの分布とパターン、そして非効率性と時間的コストに関する新しい洞察を明らかにする。 最後に、これらの洞察を使って将来の介入を知らせ、AI支援プログラミングと人間とAIのインタラクションを改善する。

関連論文リスト

• OpenHands: An Open Platform for AI Software Developers as Generalist Agents [109.8507367518992]
  私たちは、人間の開発者と同じような方法で世界と対話するAIエージェントを開発するためのプラットフォームであるOpenHandsを紹介します。 プラットフォームが新しいエージェントの実装を可能にし、コード実行のためのサンドボックス環境との安全なインタラクション、評価ベンチマークの導入について説明する。
  論文  参考訳（メタデータ） (2024-07-23T17:50:43Z)
• Automatic Programming: Large Language Models and Beyond [48.34544922560503]
  我々は,プログラマの責任に関するコード品質,セキュリティ,関連する問題について検討する。 ソフトウェア工学の進歩が自動プログラミングを実現する方法について論じる。 我々は、近い将来のプログラミング環境に焦点をあてて、先見的な視点で締めくくります。
  論文  参考訳（メタデータ） (2024-05-03T16:19:24Z)
• Rethinking Software Engineering in the Foundation Model Era: From Task-Driven AI Copilots to Goal-Driven AI Pair Programmers [30.996760992473064]
  我々は,人間開発者と協調する目標駆動型AI駆動ペアプログラマへのパラダイムシフトを提案する。 目標駆動、人間パートナー、SE認識、自己学習のAIペアプログラマを想定する。
  論文  参考訳（メタデータ） (2024-04-16T02:10:20Z)
• Charting a Path to Efficient Onboarding: The Role of Software Visualization [49.1574468325115]
  本研究は,ソフトウェアビジュアライゼーションツールを用いたマネージャ,リーダ,開発者の親しみやすさを探求することを目的としている。 本手法は, 質問紙調査と半構造化面接を用いて, 実践者から収集したデータの量的, 質的分析を取り入れた。
  論文  参考訳（メタデータ） (2024-01-17T21:30:45Z)
• PwR: Exploring the Role of Representations in Conversational Programming [17.838776812138626]
  PwR(Programming with Representations)は、自然言語でシステムの理解をユーザに伝えるために表現を使用する手法である。 その結果,表現は理解可能性を大幅に向上させ,参加者の間にエージェンシーの感覚を植え付けることができた。
  論文  参考訳（メタデータ） (2023-09-18T05:38:23Z)
• Collaborative, Code-Proximal Dynamic Software Visualization within Code Editors [55.57032418885258]
  本稿では,コードエディタに組み込むソフトウェアビジュアライゼーション手法の設計と実装について紹介する。 私たちのコントリビューションは、ソフトウェアシステムの実行時の動作の動的解析を使用するという点で、関連する作業と異なります。 私たちの視覚化アプローチは、一般的なリモートペアプログラミングツールを強化し、共有コード都市を利用することで協調的に使用できます。
  論文  参考訳（メタデータ） (2023-08-30T06:35:40Z)
• When to Show a Suggestion? Integrating Human Feedback in AI-Assisted Programming [28.254978977288868]
  我々は、プログラマの受け入れやコード提案の拒否に関する信号を活用するメカニズムを追求し、レコメンデーションをガイドする。 我々は、表示を控えるよりも提示する提案について決定を下すためのユーティリティ理論フレームワークを導入する。 人間のフィードバックからの条件付き提案表示は、推奨コードが受け入れられる可能性を提供するモデルのカスケードに依存します。
  論文  参考訳（メタデータ） (2023-06-08T04:24:24Z)
• "It's Weird That it Knows What I Want": Usability and Interactions with Copilot for Novice Programmers [5.317693153442043]
  本稿では,このようなコード自動生成ツールであるGithub Copilotを用いて,学生を入門レベルで観察する最初の研究について述べる。 我々は,この技術の学習におけるメリットと落とし穴に対する学生の認識を探求し,新たに観察された相互作用パターンを提示し,学生が直面する認知的・メタ認知的困難を議論する。
  論文  参考訳（メタデータ） (2023-04-05T15:07:50Z)
• Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
  ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。 標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
  論文  参考訳（メタデータ） (2022-11-16T10:00:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。