論文の概要: Understanding and Evaluating Developer Behaviour in Programming Tasks
- arxiv url: http://arxiv.org/abs/2403.08480v1
- Date: Wed, 13 Mar 2024 12:46:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-14 14:43:48.693591
- Title: Understanding and Evaluating Developer Behaviour in Programming Tasks
- Title(参考訳): プログラミングタスクにおける開発者の振る舞いを理解して評価する
- Authors: Martin Schr\"oer, Rainer Koschke
- Abstract要約: 一連の3つの研究で、特定のプログラミングタスクを解く開発者の具体的な振る舞いを調査した。
私たちは、どのソースコードファイルを訪れたか、どのようにしてコードと知識を他人に関連づけ、いつ、どのようにコード編集を成功させたかに焦点を当てました。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: To evaluate how developers perform differently in solving programming tasks,
i.e., which actions and behaviours are more beneficial to them than others and
if there are any specific strategies and behaviours that may indicate good
versus poor understanding of the task and program given to them, we used the
MIMESIS plug-in to record developers' interactions with the IDE. In a series of
three studies we investigated the specific behaviour of developers solving a
specific programming task. We focused on which source code files they visited,
how they related pieces of code and knowledge to others and when and how
successful they performed code edits. To cope with the variety of behaviours
due to interpersonal differences such as different level of knowledge,
development style or problem solving stratiegies, we used an abstraction of the
observed behaviour, which enables for a better comparison between different
individual attributes such as skill, speed and used stratiegies and also
facilitates later automatic evaluation of behaviours, i.e. by using a software
to react to.
- Abstract(参考訳): 開発者がプログラミングタスクをどう解決するかを評価するために、例えば、どのアクションや振る舞いが他の人よりも有益であるか、タスクやプログラムの理解が良いか悪いかを示す具体的な戦略や振る舞いがある場合、IDEとのインタラクションを記録するためにMIMESISプラグインを使用しました。
一連の3つの研究で、特定のプログラミングタスクを解く開発者の具体的な振る舞いを調査した。
私たちは、どのソースコードファイルを訪れたか、どのようにしてコードと知識を他人に関連づけ、いつ、どのようにコード編集を成功させたかに焦点を当てました。
異なる知識レベル,開発スタイル,問題解決階層といった個人間の差異による多様な行動に対処するため,我々は,観察された行動の抽象化を用いて,スキルやスピード,使用した階層といった個々の属性のより良い比較を可能にするとともに,ソフトウェアを用いて反応する振る舞いの後の自動評価を容易にする。
関連論文リスト
- Interactive Agents to Overcome Ambiguity in Software Engineering [61.40183840499932]
AIエージェントは、あいまいで不明確なユーザー指示に基づいて、タスクを自動化するためにますますデプロイされている。
不安定な仮定をし、明確な質問をしないことは、最適以下の結果につながる可能性がある。
対話型コード生成設定において,LLMエージェントが不明瞭な命令を処理する能力について,プロプライエタリモデルとオープンウェイトモデルを評価して検討する。
論文 参考訳(メタデータ) (2025-02-18T17:12:26Z) - Why Vision Language Models Struggle with Visual Arithmetic? Towards Enhanced Chart and Geometry Understanding [94.64781599202882]
視覚言語モデル(VLM)はマルチモーダルタスクにおいて顕著な進歩を遂げた。
彼らはしばしば、オブジェクトのカウントや長さ比較のような一見単純な機能である視覚的算術に苦しむ。
我々は、ピアジェの認知発達理論に触発された新しいポストトレーニング戦略であるCogAlignを提案する。
論文 参考訳(メタデータ) (2025-02-17T06:54:49Z) - Towards Decoding Developer Cognition in the Age of AI Assistants [9.887133861477233]
本稿では,生理的計測(EEGとアイトラッキング)とインタラクションデータを組み合わせて,AI支援プログラミングツールの開発者による使用状況を調べるための制御された観察的研究を提案する。
私たちは、認知負荷とタスク完了時間を計測しながら、AIアシストの有無に関わらず、プログラムタスクを完了させるために、プロの開発者を募集します。
論文 参考訳(メタデータ) (2025-01-05T23:25:21Z) - Multi-agent cooperation through learning-aware policy gradients [53.63948041506278]
利己的な個人はしばしば協力に失敗し、マルチエージェント学習の根本的な課題を提起する。
本稿では,学習型強化学習のための,偏見のない高導出性ポリシー勾配アルゴリズムを提案する。
我々は, 受刑者のジレンマから, 自己関心のある学習エージェントの間でどのように, いつ, 協力関係が生じるかの新たな説明を得た。
論文 参考訳(メタデータ) (2024-10-24T10:48:42Z) - A Study on Developer Behaviors for Validating and Repairing LLM-Generated Code Using Eye Tracking and IDE Actions [13.58143103712]
GitHub Copilotは、LLM(Big Language Model)ベースのコード生成ツールである。
本稿では,Copilotが生成したコードを開発者がどのように検証し,修復するかを検討する。
コードの存在を認識したことにより、パフォーマンスの向上、検索努力の向上、コパイロットの使用頻度の向上、認知作業負荷の向上につながった。
論文 参考訳(メタデータ) (2024-05-25T06:20:01Z) - How far are AI-powered programming assistants from meeting developers' needs? [17.77734978425295]
GitHub CopilotのようなIDE内AIコーディングアシスタントツール(ACAT)は、開発者のコーディング習慣に大きな影響を与えている。
我々は,実開発シナリオをシミュレートし,27人のコンピュータサイエンス学生を募集し,その振る舞いを3つのACATを用いて調査する。
ACATは一般的にタスク完了率を高め、時間を短縮し、コード品質を改善し、自己認識の生産性を高めます。
論文 参考訳(メタデータ) (2024-04-18T08:51:14Z) - Experiential Co-Learning of Software-Developing Agents [83.34027623428096]
大規模言語モデル(LLM)は、特にソフトウェア開発において、様々な領域に大きな変化をもたらした。
本稿では,新しいLLM学習フレームワークであるExperiential Co-Learningを紹介する。
実験では、このフレームワークにより、エージェントは、目に見えないソフトウェア開発タスクをより効果的に対処できることを示した。
論文 参考訳(メタデータ) (2023-12-28T13:50:42Z) - Improving Testing Behavior by Gamifying IntelliJ [13.086283144520513]
一般的なIntelliJ Java統合開発環境用のガミフィケーションプラグインであるIntelliGameを紹介します。
IntelliGameは、マルチレベルの達成システムを使用して、肯定的なテスト行動に対して開発者に報奨を与える。
49人の参加者によるコントロールされた実験では、IntelliGameによって引き起こされるテスト動作にかなりの違いが示されている。
論文 参考訳(メタデータ) (2023-10-17T11:40:55Z) - Collaborative, Code-Proximal Dynamic Software Visualization within Code
Editors [55.57032418885258]
本稿では,コードエディタに組み込むソフトウェアビジュアライゼーション手法の設計と実装について紹介する。
私たちのコントリビューションは、ソフトウェアシステムの実行時の動作の動的解析を使用するという点で、関連する作業と異なります。
私たちの視覚化アプローチは、一般的なリモートペアプログラミングツールを強化し、共有コード都市を利用することで協調的に使用できます。
論文 参考訳(メタデータ) (2023-08-30T06:35:40Z) - CONCORD: Clone-aware Contrastive Learning for Source Code [64.51161487524436]
セルフ教師付き事前トレーニングは、多くのダウンストリームSEタスクに価値のあるジェネリックコード表現を学ぶための牽引役になった。
汎用的な表現学習のために、開発者が日々どのようにコードをコーディングするかは、要因としても不可欠である、と私たちは主張する。
特に,表現空間に良性クローンを近づける自己教師型コントラスト学習戦略であるCONCORDを提案する。
論文 参考訳(メタデータ) (2023-06-05T20:39:08Z) - 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)
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。