論文の概要: "It's Weird That it Knows What I Want": Usability and Interactions with Copilot for Novice Programmers

• arxiv url: http://arxiv.org/abs/2304.02491v1
• Date: Wed, 5 Apr 2023 15:07:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-06 12:14:11.581115
• Title: "It's Weird That it Knows What I Want": Usability and Interactions with Copilot for Novice Programmers
• Title（参考訳）: 「私の欲しいものを知っているのは変です」:初心者プログラマのためのcopilotの使いやすさとインタラクション
• Authors: James Prather, Brent N. Reeves, Paul Denny, Brett A. Becker, Juho Leinonen, Andrew Luxton-Reilly, Garrett Powell, James Finnie-Ansley, Eddie Antonio Santos
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.317693153442043
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent developments in deep learning have resulted in code-generation models that produce source code from natural language and code-based prompts with high accuracy. This is likely to have profound effects in the classroom, where novices learning to code can now use free tools to automatically suggest solutions to programming exercises and assignments. However, little is currently known about how novices interact with these tools in practice. We present the first study that observes students at the introductory level using one such code auto-generating tool, Github Copilot, on a typical introductory programming (CS1) assignment. Through observations and interviews we explore student perceptions of the benefits and pitfalls of this technology for learning, present new observed interaction patterns, and discuss cognitive and metacognitive difficulties faced by students. We consider design implications of these findings, specifically in terms of how tools like Copilot can better support and scaffold the novice programming experience.
• Abstract（参考訳）: 近年のディープラーニングの発展により、自然言語からソースコードを生成するコード生成モデルや、高精度なコードベースプロンプトが生み出されている。 初心者がプログラミングのエクササイズや課題に対するソリューションを自動提案するために無料のツールを利用できるようになったのだ。 しかし、初心者がこれらのツールと実際にどのように相互作用するかは、現時点ではほとんど知られていない。 本稿では,github copilotというコード自動生成ツールを用いて,導入レベルの学生を観察する最初の研究を,典型的な導入プログラミング(cs1)の課題として紹介する。 観察とインタビューを通じて,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。 具体的には、copilotのようなツールが初心者プログラミング体験をより良くサポートし、足場を作る方法について考えています。

関連論文リスト

• Investigating Developers' Preferences for Learning and Issue Resolution Resources in the ChatGPT Era [1.3124513975412255]
  最近のトレンドはビデオチュートリアルのような魅力的なフォーマットを好んでいる。 ChatGPTのような大規模言語モデル(LLM)の出現は、新しい学習パラダイムを提示します。 我々は,ソフトウェア開発者とコンピュータサイエンスの学生を対象に,341の回答を集め,そのうち268の回答を完成・分析した。
  論文  参考訳（メタデータ） (2024-10-10T22:57:29Z)
• Code Compass: A Study on the Challenges of Navigating Unfamiliar Codebases [2.808331566391181]
  これらの問題に対処するための新しいツールであるCodeを提案する。 本研究は,現在のツールと方法論における大きなギャップを浮き彫りにしている。 私たちのフォーマティブな調査は、開発者がドキュメントをナビゲートする時間をいかに効率的に削減するかを示しています。
  論文  参考訳（メタデータ） (2024-05-10T06:58:31Z)
• Application-Driven Innovation in Machine Learning [56.85396167616353]
  機械学習におけるアプリケーション駆動研究のパラダイムについて述べる。 このアプローチがメソッド駆動の作業と生産的に相乗効果を示す。 このようなメリットにもかかわらず、マシンラーニングにおけるレビュー、採用、教育のプラクティスが、アプリケーション主導のイノベーションを後押しすることが多いことに気付きます。
  論文  参考訳（メタデータ） (2024-03-26T04:59:27Z)
• 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)
• How to Do Things with Deep Learning Code [0.0]
  我々は,一般ユーザーが深層学習システムの行動と対話し,直接的に対話する手段に注意を向ける。 問題となっているのは、大規模言語モデルの責任ある応用について、社会技術的に理解されたコンセンサスを達成する可能性である。
  論文  参考訳（メタデータ） (2023-04-19T03:46:12Z)
• Learning Robotic Navigation from Experience: Principles, Methods, and Recent Results [94.60414567852536]
  現実世界のナビゲーションは、単純な幾何学的抽象化に反する複雑な物理的課題の集合を示す。 機械学習は、幾何学や従来の計画を超えた、有望な方法を提供する。 本稿では,ロボットナビゲーションスキルを実験的に学習するツールキットについて紹介する。
  論文  参考訳（メタデータ） (2022-12-13T17:41:58Z)
• Conversing with Copilot: Exploring Prompt Engineering for Solving CS1 Problems Using Natural Language [3.155277175705079]
  GitHub Copilotは、自然言語の問題記述からソースコードを自動的に生成する人工知能モデルである。 2022年6月以降、CopilotはVisual Studio Codeのような開発環境へのプラグインとして、学生全員に無料で提供されるようになった。
  論文  参考訳（メタデータ） (2022-10-27T03:48:24Z)
• Reading Between the Lines: Modeling User Behavior and Costs in AI-Assisted Programming [28.254978977288868]
  GitHub Copilotは、何百万人ものプログラマが毎日使っているコード推奨システムです。 Copilotと対話する際の共通プログラマ活動の分類であるCUPSを開発した。 私たちの洞察は、プログラマがCopilotとどのように相互作用し、新しいインターフェース設計とメトリクスを動機付けるかを明らかにします。
  論文  参考訳（メタデータ） (2022-10-25T20:01:15Z)
• Improving Compositionality of Neural Networks by Decoding Representations to Inputs [83.97012077202882]
  我々は、ニューラルネットワークのアクティベーションを制約し、入力に"デコード"するように生成モデルを共同で訓練することで、従来のディープラーニングプログラムの利点を橋渡しする。 本稿では,デオード可能な表現の分布外検出,逆例,校正,公平性への応用を実証する。
  論文  参考訳（メタデータ） (2021-06-01T20:07:16Z)
• Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
  機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。 ディープラーニングは、独自の機械学習のサブフィールドになっている。 生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
  論文  参考訳（メタデータ） (2021-05-29T21:02:44Z)
• Hierarchical Affordance Discovery using Intrinsic Motivation [69.9674326582747]
  本研究では,移動ロボットの価格学習を支援するために,本質的なモチベーションを用いたアルゴリズムを提案する。 このアルゴリズムは、事前にプログラムされたアクションなしで、相互に関連のある価格を自律的に発見し、学習し、適応することができる。 一度学習すると、これらの余裕はアルゴリズムによって様々な困難を伴うタスクを実行するために一連のアクションを計画するために使われる。
  論文  参考訳（メタデータ） (2020-09-23T07:18:21Z)

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。