論文の概要: High Expectations: An Observational Study of Programming and Cannabis
Intoxication
- arxiv url: http://arxiv.org/abs/2402.19194v1
- Date: Thu, 29 Feb 2024 14:26:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-01 14:33:22.989316
- Title: High Expectations: An Observational Study of Programming and Cannabis
Intoxication
- Title（参考訳）: 高期待: プログラミングと大麻中毒の観察的研究
- Authors: Wenxin He, Manasvi Parikh, Westley Weimer, Madeline Endres
- Abstract要約: 一部のプロフェッショナルは、仕事関連のタスクでもプログラミングしながら、定期的に大麻を使用します。
大麻のプログラミングへの影響は様々であり、しばしば矛盾する。
本稿では,大麻がプログラミング能力に与える影響について,初めて制御された観察的研究を行った。
- 参考スコア（独自算出の注目度）: 10.628808257929627
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Anecdotal evidence of cannabis use by professional programmers abounds.
Recent studies have found that some professionals regularly use cannabis while
programming even for work-related tasks. However, accounts of the impacts of
cannabis on programming vary widely and are often contradictory. For example,
some programmers claim that it impairs their ability to generate correct
solutions while others claim it enhances creativity and focus. There remains a
need for an empirical understanding of the true impacts of cannabis on
programming. This paper presents the first controlled observational study of
the effects of cannabis on programming ability. Based on a within-subjects
design with over 70 participants, we find that at ecologically valid dosages,
cannabis significantly impairs programming performance. Programs implemented
while high contain more bugs and take longer to write (p < 0.05), a small to
medium effect (0.22 <= d <= 0.44). We also did not find any evidence that high
programmers generate more divergent solutions. However, programmers can
accurately assess differences in their programming performance (r = 0.59), even
when under the influence of cannabis. We hope that this research will
facilitate evidence-based policies and help developers make informed decisions
regarding cannabis use while programming.
- Abstract（参考訳）: プロのプログラマが使う大麻の逸話的な証拠。
近年の研究では、仕事関連のタスクでもプログラミング中に定期的に大麻を使用するプロもいる。
しかし、大麻のプログラミングへの影響は様々であり、しばしば矛盾する。
例えば、正しいソリューションを生成する能力に障害があると主張するプログラマもいれば、創造性と集中力を高めると主張するプログラマもいる。
大麻がプログラミングに与える影響を実証的に理解する必要がある。
本稿では,大麻がプログラミング能力に与える影響について,初めて制御された観察的研究を行った。
70人以上の参加者を持つオブジェクト内設計に基づいて、生態学的に有効な量では、大麻はプログラミング性能を著しく損なう。
highで実装されたプログラムは、より多くのバグが含まれ、書き込みに時間がかかる(p < 0.05)が、小から中程度の効果(0.22 <= d <= 0.44)である。
ハイプログラマがより多様なソリューションを生成するという証拠も見つからなかった。
しかし、大麻の影響下であっても、プログラマはプログラム性能の違いを正確に評価できる(r = 0.59)。
この研究がエビデンスベースのポリシーを促進し、プログラミングにおける大麻の使用に関する情報決定を支援することを期待しています。
関連論文リスト
- Understanding Code Understandability Improvements in Code Reviews [79.16476505761582]
GitHub上のJavaオープンソースプロジェクトからの2,401のコードレビューコメントを分析した。
改善提案の83.9%が承認され、統合され、1%未満が後に復活した。
論文 参考訳（メタデータ） (2024-10-29T12:21:23Z) - VDebugger: Harnessing Execution Feedback for Debugging Visual Programs [103.61860743476933]
V Debuggerは、視覚プログラムのローカライズとデバッギングのために、段階的に実行を追跡することで訓練された、批評家とリファインダーのフレームワークである。
Vデバッガは、詳細な実行フィードバックを活用してプログラムエラーを特定し、修正する。
6つのデータセットの評価は、Vデバッガの有効性を示し、ダウンストリームタスクの精度が最大3.2%向上したことを示している。
論文 参考訳（メタデータ） (2024-06-19T11:09:16Z) - 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) - The Ballmer Peak: An Empirical Search [0.0]
Ballmer Peak」の概念は2007年に初めて提案され、超人的プログラミング能力を示す非常に特殊な血液アルコール含量が存在すると仮定した。
コーディング能力評価のための業界標準を用いて,このようなピークを探索し,アルコールの量の違いがパフォーマンスに与える影響を概観した。
p 0.001では、少量のアルコール(わずか2杯)がプログラミング能力に有意な効果があることが判明した。
論文 参考訳（メタデータ） (2024-04-02T16:16:23Z) - Breaks and Code Quality: Investigating the Impact of Forgetting on
Software Development. A Registered Report [15.438443553618896]
開発者がそのことを明確に理解し、長時間中断しても効率的に効果的に機能できることは、非常に重要です。
本報告では,開発者の活動が持続時間とコード品質の異なる特性に与える影響を調査するための実証的研究を提案する。
論文 参考訳（メタデータ） (2023-05-01T10:33:17Z) - Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。
トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
論文 参考訳（メタデータ） (2023-02-14T18:43:34Z) - Piloting Copilot and Codex: Hot Temperature, Cold Prompts, or Black
Magic? [5.714553194279462]
2つの言語モデルの様々な入力パラメータについて検討し、これらの入力パラメータの変動が生成したプログラムの品質に重大な影響を及ぼすかどうかを理解するために研究を行う。
その結果,入力パラメータの変動は言語モデルの性能を著しく向上させることができることがわかった。
論文 参考訳（メタデータ） (2022-10-26T13:28:14Z) - What is it like to program with artificial intelligence? [10.343988028594612]
大規模言語モデルは、自然言語で表される様々な問題を解決するためにコードを生成することができる。
この技術はすでに、少なくとも1つの広く使用されているプログラミングエディタ拡張、GitHub Copilotで商用化されている。
我々は,大規模言語モデル(LLM支援プログラミング)を用いたプログラミングが,プログラマ支援の事前概念化とどのように似ており,異なるのかを考察する。
論文 参考訳（メタデータ） (2022-08-12T10:48:46Z) - BigIssue: A Realistic Bug Localization Benchmark [89.8240118116093]
BigIssueは、現実的なバグローカライゼーションのためのベンチマークである。
実際のJavaバグと合成Javaバグの多様性を備えた一般的なベンチマークを提供する。
われわれは,バグローカライゼーションの最先端技術として,APRの性能向上と,現代の開発サイクルへの適用性の向上を期待している。
論文 参考訳（メタデータ） (2022-07-21T20:17:53Z) - Fault-Aware Neural Code Rankers [64.41888054066861]
サンプルプログラムの正しさを予測できる故障認識型ニューラルネットワークローダを提案する。
我々のフォールト・アウェア・ローダは、様々なコード生成モデルのpass@1精度を大幅に向上させることができる。
論文 参考訳（メタデータ） (2022-06-04T22:01:05Z) - "Is depression related to cannabis?": A knowledge-infused model for
Entity and Relation Extraction with Limited Supervision [15.474688705696348]
ドメインの専門家によって注釈付けされた3つのカテゴリ – 推論、エフェクト、追加 – の関連性を含むつぶやきを使用する。
最先端のNatural Langauge Processing技術は、大麻のフレーズとうつ病の指標の間の関係を抽出するのに不足している。
我々は,広範囲なコーパスで訓練された GPT-3 と併用して教師付きコントラスト学習を行い,限られた監督下でも性能の向上を実現している。
論文 参考訳（メタデータ） (2021-02-01T23:02:43Z)
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。