論文の概要: Investigating the Utility of ChatGPT in the Issue Tracking System: An
Exploratory Study
- arxiv url: http://arxiv.org/abs/2402.03735v1
- Date: Tue, 6 Feb 2024 06:03:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-07 16:18:28.918045
- Title: Investigating the Utility of ChatGPT in the Issue Tracking System: An
Exploratory Study
- Title（参考訳）: 課題追跡システムにおけるChatGPTの有用性の検討:探索的研究
- Authors: Joy Krishan Das, Saikat Mondal, Chanchal K.Roy
- Abstract要約: 本研究は,ChatGPTと開発者間の相互作用を分析し,それらの活動を分析し,解決するものである。
私たちの調査によると、開発者は主にブレインストーミングソリューションにChatGPTを使用しているが、しばしばChatGPT生成コードを使う代わりにコードを書くことを選ぶ。
- 参考スコア（独自算出の注目度）: 5.176434782905268
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Issue tracking systems serve as the primary tool for incorporating external
users and customizing a software project to meet the users' requirements.
However, the limited number of contributors and the challenge of identifying
the best approach for each issue often impede effective resolution. Recently,
an increasing number of developers are turning to AI tools like ChatGPT to
enhance problem-solving efficiency. While previous studies have demonstrated
the potential of ChatGPT in areas such as automatic program repair, debugging,
and code generation, there is a lack of study on how developers explicitly
utilize ChatGPT to resolve issues in their tracking system. Hence, this study
aims to examine the interaction between ChatGPT and developers to analyze their
prevalent activities and provide a resolution. In addition, we assess the code
reliability by confirming if the code produced by ChatGPT was integrated into
the project's codebase using the clone detection tool NiCad. Our investigation
reveals that developers mainly use ChatGPT for brainstorming solutions but
often opt to write their code instead of using ChatGPT-generated code, possibly
due to concerns over the generation of "hallucinated code", as highlighted in
the literature.
- Abstract（参考訳）: 問題追跡システムは、外部ユーザを取り入れ、ユーザの要求を満たすためにソフトウェアプロジェクトをカスタマイズするための主要なツールである。
しかし、コントリビュータの数が限られており、各問題に対する最善のアプローチを特定するという課題は、しばしば効果的な解決を妨げる。
最近、ChatGPTのようなAIツールを使って問題解決の効率を高める開発者が増えている。
これまでの研究では、自動プログラム修復、デバッグ、コード生成といった分野でChatGPTの可能性を実証してきたが、開発者がChatGPTを明示的に利用してトラッキングシステムの問題を解決する方法については研究されていない。
そこで本研究では,ChatGPTと開発者間のインタラクションを分析し,それらの活動を分析し,解決することを目的とした。
さらに,ChatGPTが生成したコードが,クローン検出ツールNiCadを使用してプロジェクトのコードベースに統合されているかどうかを確認することで,コードの信頼性を評価する。
私たちの調査によると、開発者は主にブレインストーミングソリューションにChatGPTを使用しているが、おそらく文献で強調されているように、ChatGPTで生成されたコードではなく、自分のコードを書くことを選択している。
関連論文リスト
- Impact of the Availability of ChatGPT on Software Development: A Synthetic Difference in Differences Estimation using GitHub Data [49.1574468325115]
ChatGPTは、ソフトウェア生産効率を向上させるAIツールである。
10万人あたりのgitプッシュ数、リポジトリ数、ユニークな開発者数に対するChatGPTの影響を見積もっています。
これらの結果は、ChatGPTのようなAIツールが開発者の生産性を大幅に向上させる可能性があることを示唆している。
論文 参考訳（メタデータ） (2024-06-16T19:11:15Z) - Fight Fire with Fire: How Much Can We Trust ChatGPT on Source Code-Related Tasks? [10.389763758883975]
近年の研究では、ChatGPTを開発者とテスターの両方に活用することを提案した。
コード生成,コード補完,プログラム修復におけるChatGPTの自己検証能力を評価するための総合的な実証的研究を行う。
論文 参考訳（メタデータ） (2024-05-21T09:47:33Z) - Rocks Coding, Not Development--A Human-Centric, Experimental Evaluation
of LLM-Supported SE Tasks [9.455579863269714]
コーディングタスクやソフトウェア開発の典型的なタスクにおいて,ChatGPTがどの程度役に立つかを検討した。
単純なコーディング問題ではChatGPTはうまく機能していましたが、典型的なソフトウェア開発タスクをサポートするパフォーマンスはそれほど良くありませんでした。
そこで本研究では,ChatGPTを用いたソフトウェアエンジニアリングタスクを現実の開発者に提供する。
論文 参考訳（メタデータ） (2024-02-08T13:07:31Z) - Exploring ChatGPT's Capabilities on Vulnerability Management [56.4403395100589]
我々は、70,346のサンプルを含む大規模なデータセットを用いて、完全な脆弱性管理プロセスを含む6つのタスクでChatGPTの機能を探求する。
注目すべき例として、ChatGPTのソフトウェアバグレポートのタイトル生成などのタスクにおける熟練度がある。
以上の結果から,ChatGPTが抱える障害が明らかとなり,将来的な方向性に光を当てた。
論文 参考訳（メタデータ） (2023-11-11T11:01:13Z) - Primacy Effect of ChatGPT [69.49920102917598]
本稿では,ChatGPTの優位性について検討する。
実験と分析により、より信頼性の高いChatGPTベースのソリューションを構築する上で、さらなる洞察が得られればと思っています。
論文 参考訳（メタデータ） (2023-10-20T00:37:28Z) - Refining ChatGPT-Generated Code: Characterizing and Mitigating Code
Quality Issues [17.7880460531813]
我々は2つの人気のあるプログラミング言語で実装された4,066個のChatGPT生成コードの品質を体系的に研究した。
本稿では,ChatGPT生成コードの品質に関する潜在的な問題を同定し,特徴付ける。
ChatGPTはこれらの課題に部分的に対処でき、コード品質を20%以上改善していますが、まだ改善の余地と機会があります。
論文 参考訳（メタデータ） (2023-07-24T08:14:22Z) - ChatGPT is a Remarkable Tool -- For Experts [9.46644539427004]
生産性の向上,問題解決プロセスの合理化,書き込みスタイルの改善など,ChatGPTの可能性を探究する。
これらの分野では、ChatGPTへの過度な依存に関連する潜在的なリスクを強調します。
われわれはChatGPTが有益であることを証明した分野と目的、ChatGPTを法的に使用するべきアプリケーション、信頼性が制限されるシナリオについて概説する。
論文 参考訳（メタデータ） (2023-06-02T06:28:21Z) - ChatLog: Carefully Evaluating the Evolution of ChatGPT Across Time [54.18651663847874]
ChatGPTは大きな成功をおさめ、インフラ的な地位を得たと考えられる。
既存のベンチマークでは,(1)周期的評価の無視,(2)きめ細かい特徴の欠如という2つの課題に直面する。
2023年3月から現在まで,21のNLPベンチマークに対して,さまざまな長文ChatGPT応答を大規模に記録した常時更新データセットであるChatLogを構築している。
論文 参考訳（メタデータ） (2023-04-27T11:33:48Z) - Is ChatGPT the Ultimate Programming Assistant -- How far is it? [11.943927095071105]
ChatGPTは非常に注目されており、ソースコードを議論するためのボットとして使用できる。
完全自動プログラミングアシスタントとしてのChatGPTの可能性について実証的研究を行った。
論文 参考訳（メタデータ） (2023-04-24T09:20:13Z) - To ChatGPT, or not to ChatGPT: That is the question! [78.407861566006]
本研究は,ChatGPT検出における最新の手法を包括的かつ現代的に評価するものである。
我々は、ChatGPTと人間からのプロンプトからなるベンチマークデータセットをキュレートし、医療、オープンQ&A、ファイナンスドメインからの多様な質問を含む。
評価の結果,既存の手法ではChatGPT生成内容を効果的に検出できないことがわかった。
論文 参考訳（メタデータ） (2023-04-04T03:04:28Z) - A Multitask, Multilingual, Multimodal Evaluation of ChatGPT on
Reasoning, Hallucination, and Interactivity [79.12003701981092]
8種類の共通NLPアプリケーションタスクをカバーする23のデータセットを用いてChatGPTの広範な技術的評価を行う。
これらのデータセットと、新たに設計されたマルチモーダルデータセットに基づいて、ChatGPTのマルチタスク、マルチリンガル、マルチモーダルの側面を評価する。
ChatGPTの精度は平均63.41%で、論理的推論、非テキスト的推論、コモンセンス推論の10の異なる推論カテゴリで正確である。
論文 参考訳（メタデータ） (2023-02-08T12:35:34Z)
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。