論文の概要: Study of software developers' experience using the Github Copilot Tool
in the software development process
- arxiv url: http://arxiv.org/abs/2301.04991v1
- Date: Thu, 12 Jan 2023 13:12:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 15:14:57.862064
- Title: Study of software developers' experience using the Github Copilot Tool
in the software development process
- Title(参考訳): Github Copilot Toolを用いたソフトウェア開発プロセスにおけるソフトウェア開発者の体験に関する研究
- Authors: Mateusz Jaworski and Dariusz Piotrkowski
- Abstract要約: Github Copilotは2021年6月29日に発表された。
トレーニングされたモデルを使用して、人間の理解可能な言語に基づいたコードを生成する。
本研究では,このツールに対する開発者のアプローチについて検討する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In software development there is a constant pressure to produce code faster
and faster without compromising on quality. New tools supporting developers are
created in response to this demand. Currently a new generation of such
solutions is about to be launched - Artificial Intelligence driven tools. On 29
June 2021 Github Copilot was announced. It uses trained model to generate code
based on human understandable language. The focus of this research was to
investigate software developers' approach to this tool. For this purpose a
survey containing 18 questions was prepared and shared with programmers. A
total of 42 answers were gathered. The results of the research indicate that
developers' opinions are divided. Most of them met Github Copilot before
attending the survey. The attitude to the tool was mostly positive but not many
participants were willing to use it. Concerns are caused by security issues
associated with using of Github Copilot.
- Abstract(参考訳): ソフトウェア開発では、品質を損なうことなく、コードをより速く、より速く作成するというプレッシャーが常にあります。
この要求に応えて、開発者をサポートする新しいツールが作成される。
現在、人工知能駆動ツールという新しい世代のソリューションがローンチされる予定である。
2021年6月29日、Github Copilotが発表された。
トレーニングされたモデルを使用して、人間の理解可能な言語に基づいたコードを生成する。
この研究の目的は、ソフトウェア開発者のこのツールに対するアプローチを調査することである。
この目的のために18の質問を含む調査が準備され、プログラマと共有された。
合計42人の回答が集まった。
研究結果は開発者の意見が分かれていることを示している。
彼らのほとんどは、調査に参加する前にgithub copilotに出会った。
ツールに対する態度は概ね肯定的だったが,その使用を希望する参加者はほとんどいなかった。
Github Copilotの使用に伴うセキュリティ上の問題による懸念がある。
関連論文リスト
- TOOLVERIFIER: Generalization to New Tools via Self-Verification [69.85190990517184]
本稿では,ツール選択中にコントラスト質問を自己問合せすることで,近接候補を識別する自己検証手法を提案する。
ToolBenchベンチマークによる4つのタスクの実験では、17の見えないツールで構成されており、数ショットのベースラインよりも平均22%改善されている。
論文 参考訳(メタデータ) (2024-02-21T22:41:38Z) - The Impact of AI Tool on Engineering at ANZ Bank An Emperical Study on
GitHub Copilot within Coporate Environment [0.0]
本研究では,大規模組織におけるソフトウェアエンジニアリングプラクティスにおけるAIツールの統合について検討する。
私たちは、ソフトウェア開発ライフサイクルのすべての側面をカバーする5000人以上のエンジニアを雇用するANZ Bankに重点を置いています。
本稿では、実世界のエンジニアリングタスクにおけるその有効性を評価するために、制御された環境内で、注目すべきAIツールであるGitHub Copilotを使用して実施された実験について詳述する。
論文 参考訳(メタデータ) (2024-02-08T12:47:57Z) - Exploring the Effect of Multiple Natural Languages on Code Suggestion
Using GitHub Copilot [46.822148186169144]
GitHub Copilotは、プログラム合成を自動化するAI対応ツールである。
最近の研究では、様々なプログラミングタスクにおけるCopilotの能力について広く研究されている。
しかし、異なる自然言語がコード提案に与える影響についてはほとんど分かっていない。
論文 参考訳(メタデータ) (2024-02-02T14:30:02Z) - DevEval: Evaluating Code Generation in Practical Software Projects [52.16841274646796]
我々はDevEvalという名の新しいベンチマークを提案し、実践プロジェクトにおける開発者の経験と一致している。
DevEvalは、119の実用的なプロジェクトから2,690のサンプルを含む厳格なパイプラインを通じて収集される。
DevEvalの5つの人気のあるLCMを評価し、コード生成における実際の能力を明らかにする。
論文 参考訳(メタデータ) (2024-01-12T06:51:30Z) - GitAgent: Facilitating Autonomous Agent with GitHub by Tool Extension [81.44231422624055]
さまざまなタスクを実行できる外部ツールを備えた大規模言語モデル(LLM)に焦点が当てられている。
本稿では,GitHubから自動ツール拡張を実現するエージェントであるGitAgentを紹介する。
論文 参考訳(メタデータ) (2023-12-28T15:47:30Z) - On the Concerns of Developers When Using GitHub Copilot [7.0620363951401925]
GitHub CopilotはAIベースのコード生成ツールで、自然言語処理を使用して提案と自動補完コードを生成する。
その人気にもかかわらず、Copilotで作業するソフトウェア開発者の実際の経験に関する実証的な証拠はほとんどない。
476のGitHubイシュー、706のGitHubディベート、および184のStack Overflowポストからデータを収集し、問題、問題の原因、Copilotを使用する際の問題を解決するソリューションを特定しました。
論文 参考訳(メタデータ) (2023-11-02T06:24:38Z) - Demystifying Practices, Challenges and Expected Features of Using GitHub
Copilot [3.655281304961642]
Stack Overflow(SO)とGitHubの議論からデータを収集し分析することで、実証的研究を行った。
私たちは、Copilotで使用されるプログラミング言語、技術、実装された関数、利点、制限、そしてCopilotを使用する際の課題を特定しました。
以上の結果から,Copilotの使用は二重刃の剣のようなもので,使用するかどうかを判断する際には,さまざまな側面を慎重に検討する必要があることが示唆された。
論文 参考訳(メタデータ) (2023-09-11T16:39:37Z) - The GitHub Development Workflow Automation Ecosystems [47.818229204130596]
大規模なソフトウェア開発は、非常に協力的な取り組みになっています。
この章では、開発ボットとGitHub Actionsのエコシステムについて解説する。
この領域における最先端技術に関する広範な調査を提供する。
論文 参考訳(メタデータ) (2023-05-08T15:24:23Z) - A Large-Scale Survey on the Usability of AI Programming Assistants:
Successes and Challenges [23.467373994306524]
実際には、開発者はAIプログラミングアシスタントの最初の提案を高い頻度で受け入れない。
これらのツールを使用して開発者のプラクティスを理解するため、多数の開発者を対象に調査を実施しました。
開発者がAIプログラミングアシスタントを使用する動機は、開発者がキーストロークを減らしたり、プログラミングタスクを素早く終了したり、構文をリコールするのに役立つためである。
また、開発者がこれらのツールを使用しない最も重要な理由は、これらのツールが特定の機能的あるいは非機能的要件に対処するコードを出力していないためです。
論文 参考訳(メタデータ) (2023-03-30T03:21:53Z) - An Empirical Cybersecurity Evaluation of GitHub Copilot's Code
Contributions [8.285068188878578]
GitHub Copilotは、オープンソースのGitHubコードに基づいてトレーニングされた言語モデルである。
コードにはしばしばバグが含まれているため、言語モデルが悪用可能なバグの多いコードから学べることは確かです。
これにより、Copilotのコードコントリビューションのセキュリティに対する懸念が高まる。
論文 参考訳(メタデータ) (2021-08-20T17:30:33Z) - Measuring Coding Challenge Competence With APPS [54.22600767666257]
コード生成のベンチマークであるAPPSを紹介する。
私たちのベンチマークには1万の問題が含まれています。
GPT-Neoのような最近のモデルでは、導入問題のテストケースの約15%をパスできる。
論文 参考訳(メタデータ) (2021-05-20T17:58:42Z)
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。