論文の概要: Developer Experiences with a Contextualized AI Coding Assistant:
Usability, Expectations, and Outcomes
- arxiv url: http://arxiv.org/abs/2311.18452v1
- Date: Thu, 30 Nov 2023 10:52:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 16:54:09.572997
- Title: Developer Experiences with a Contextualized AI Coding Assistant:
Usability, Expectations, and Outcomes
- Title(参考訳): コンテキスト化されたaiコーディングアシスタントによる開発者エクスペリエンス: ユーザビリティ、期待、成果
- Authors: Gustavo Pinto and Cleidson de Souza and Thayssa Rocha and Igor
Steinmacher and Alberto de Souza and Edward Monteiro
- Abstract要約: この研究は、コンテキスト化されたコーディングAIアシスタントであるStackSpot AIを制御された環境で使用した62人の参加者の初期体験に焦点を当てる。
アシスタントの使用は、大幅な時間を節約し、ドキュメントへのアクセスを容易にし、内部APIの正確なコードを生成する結果となった。
コーディングアシスタントが、複雑なコードを扱う際の変数応答や制限と同様に、よりコンテキスト情報にアクセスできるようにするために必要な知識ソースに関連する課題が観察された。
- 参考スコア(独自算出の注目度): 11.520721038793285
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the rapidly advancing field of artificial intelligence, software
development has emerged as a key area of innovation. Despite the plethora of
general-purpose AI assistants available, their effectiveness diminishes in
complex, domain-specific scenarios. Noting this limitation, both the academic
community and industry players are relying on contextualized coding AI
assistants. These assistants surpass general-purpose AI tools by integrating
proprietary, domain-specific knowledge, offering precise and relevant
solutions. Our study focuses on the initial experiences of 62 participants who
used a contextualized coding AI assistant -- named StackSpot AI -- in a
controlled setting. According to the participants, the assistants' use resulted
in significant time savings, easier access to documentation, and the generation
of accurate codes for internal APIs. However, challenges associated with the
knowledge sources necessary to make the coding assistant access more contextual
information as well as variable responses and limitations in handling complex
codes were observed. The study's findings, detailing both the benefits and
challenges of contextualized AI assistants, underscore their potential to
revolutionize software development practices, while also highlighting areas for
further refinement.
- Abstract(参考訳): 急速に進歩する人工知能の分野において、ソフトウェア開発はイノベーションの重要な領域として現れてきた。
汎用AIアシスタントが多用されているにもかかわらず、その効果は複雑なドメイン固有のシナリオで減少する。
この制限に注目して、学術コミュニティと業界のプレイヤーは、コンテキスト化されたコーディングAIアシスタントに依存している。
これらのアシスタントは、プロプライエタリでドメイン固有の知識を統合し、正確で関連するソリューションを提供することによって、汎用AIツールを超える。
本研究では,コンテキスト化コーディングaiアシスタント(stackspot aiと呼ばれる)をコントロール環境で使用した62名の参加者の初期経験に焦点を当てた。
参加者によると、アシスタントの使用は大幅な時間の節約、ドキュメントへのアクセスの容易化、内部apiの正確なコードの生成につながった。
しかし、コーディングアシスタントがよりコンテキスト情報にアクセスするために必要な知識ソースに関連する課題や、可変応答や複雑なコードを扱う際の制限が観察された。
この研究の結果は、コンテキスト化されたAIアシスタントのメリットと課題の両方を詳述し、ソフトウェア開発プラクティスに革命をもたらす可能性を強調しながら、さらなる改善の領域を強調している。
関連論文リスト
- Generating Java Methods: An Empirical Assessment of Four AI-Based Code
Assistants [5.32539007352208]
私たちは、人気のあるAIベースのコードアシスタントであるGitHub Copilot、Tabnine、ChatGPT、Google Bardの4つの有効性を評価します。
その結果、Copilotは他のテクニックよりも正確であることが多いが、他のアプローチによって完全に仮定されるアシスタントは存在しないことが判明した。
論文 参考訳(メタデータ) (2024-02-13T12:59:20Z) - Towards Trustworthy AI Software Development Assistance [0.599251270168187]
現在のソフトウェア開発アシスタントは信頼できない傾向があり、しばしば誤った、安全でない、あるいは品質の低いコードを生成する。
我々は、信頼できるAIソフトウェア開発アシスタントの構築、トレーニング、使用のための全体的アーキテクチャを導入することで、これらの問題を解決することを目指している。
論文 参考訳(メタデータ) (2023-12-14T16:59:49Z) - Communicative Agents for Software Development [79.86905471184195]
ChatDevはチャットを利用した仮想ソフトウェア開発会社で、確立したウォーターフォールモデルを反映している。
各ステージは、プログラマ、コードレビュアー、テストエンジニアといった"ソフトウェアエージェント"のチームが参加し、協調的な対話を促進する。
ChatDevは潜在的な脆弱性を特定し、信頼できる効率とコスト効率を維持しながら幻覚を正す。
論文 参考訳(メタデータ) (2023-07-16T02:11:34Z) - Natural Language Generation and Understanding of Big Code for
AI-Assisted Programming: A Review [9.355153561673855]
本稿では,Big Codeを用いてトレーニングしたトランスフォーマーベース大規模言語モデル(LLM)に焦点を当てる。
LLMは、コード生成、コード補完、コード翻訳、コード洗練、コードの要約、欠陥検出、クローン検出など、AI支援プログラミングアプリケーションを促進する上で重要な役割を担っている。
これらのアプリケーションにNLP技術とソフトウェア自然性を導入する上での課題と機会を探究する。
論文 参考訳(メタデータ) (2023-07-04T21:26:51Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳(メタデータ) (2023-04-10T15:38:12Z) - OpenAGI: When LLM Meets Domain Experts [51.86179657467822]
ヒューマン・インテリジェンス(HI)は、複雑なタスクを解くための基本的なスキルの組み合わせに長けている。
この機能は人工知能(AI)にとって不可欠であり、包括的なAIエージェントに組み込まれるべきである。
マルチステップで現実的なタスクを解決するために設計されたオープンソースのプラットフォームであるOpenAGIを紹介します。
論文 参考訳(メタデータ) (2023-04-10T03:55:35Z) - 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) - Chatbots As Fluent Polyglots: Revisiting Breakthrough Code Snippets [0.0]
この研究は、AI駆動のコードアシスタントを使用して、現代技術を形成する影響力のあるコンピュータコードの選択を分析する。
この研究の最初の貢献は、過去50年で最も重要なコードの進歩の半分を調査することであった。
論文 参考訳(メタデータ) (2023-01-05T23:17:17Z) - Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。
欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文 参考訳(メタデータ) (2022-12-10T07:49:50Z) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳(メタデータ) (2022-12-08T23:23:39Z) - A User-Centred Framework for Explainable Artificial Intelligence in
Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。
このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
論文 参考訳(メタデータ) (2021-09-27T09:56:23Z)
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。