論文の概要: The Role of Generative AI in Software Development Productivity: A Pilot Case Study
- arxiv url: http://arxiv.org/abs/2406.00560v1
- Date: Sat, 1 Jun 2024 21:51:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-06 06:15:52.186704
- Title: The Role of Generative AI in Software Development Productivity: A Pilot Case Study
- Title（参考訳）: ソフトウェア開発生産性における生成AIの役割--パイロットケーススタディ
- Authors: Mariana Coutinho, Lorena Marques, Anderson Santos, Marcio Dahia, Cesar Franca, Ronnie de Souza Santos,
- Abstract要約: 本稿では,ソフトウェア開発における生成AIツールの統合について検討する。
パイロットケーススタディを通じて、生成可能なAIツールを日々の作業ルーチンに統合する上で、貴重な経験を集めました。
以上の結果から,これらのツールの個人の生産性に対する肯定的な認識と,特定された制限に対処する必要性が示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With software development increasingly reliant on innovative technologies, there is a growing interest in exploring the potential of generative AI tools to streamline processes and enhance productivity. In this scenario, this paper investigates the integration of generative AI tools within software development, focusing on understanding their uses, benefits, and challenges to software professionals, in particular, looking at aspects of productivity. Through a pilot case study involving software practitioners working in different roles, we gathered valuable experiences on the integration of generative AI tools into their daily work routines. Our findings reveal a generally positive perception of these tools in individual productivity while also highlighting the need to address identified limitations. Overall, our research sets the stage for further exploration into the evolving landscape of software development practices with the integration of generative AI tools.
- Abstract（参考訳）: ソフトウェア開発は革新的技術にますます依存しているため、プロセスの合理化と生産性向上のための生成AIツールの可能性を探求することへの関心が高まっている。
本稿では,ソフトウェア開発におけるジェネレーティブAIツールの統合について検討し,生産性の面に注目したソフトウェアプロフェッショナルに対する利用,メリット,課題の理解に焦点をあてる。
ソフトウェア実践者がさまざまな役割を担っているパイロットケーススタディを通じて、生成可能なAIツールを日々の作業ルーチンに統合するための貴重な経験を集めました。
以上の結果から,これらのツールの個人の生産性に対する肯定的な認識と,特定された制限に対処する必要性が示唆された。
全体として、私たちの研究は、生成型AIツールの統合によるソフトウェア開発の実践の進化の展望を、さらなる調査の段階に設定しています。
関連論文リスト
- Bridging Gaps, Building Futures: Advancing Software Developer Diversity and Inclusion Through Future-Oriented Research [50.545824691484796]
我々はSEの多様性と包摂性に関する課題と解決策について、SE研究者や実践者から知見を提示する。
我々は,将来的なユートピアやディストピアのビジョンを共有し,今後の研究の方向性とアカデミックや産業への示唆を提供する。
論文 参考訳（メタデータ） (2024-04-10T16:18:11Z) - In-IDE Human-AI Experience in the Era of Large Language Models; A
Literature Review [2.6703221234079946]
IDEにおけるヒューマンAIエクスペリエンスの研究は、これらのAIツールがソフトウェア開発プロセスをどのように変化させているかを理解する上で非常に重要である。
我々は,IDE内人間-AI体験研究の現状を研究するために文献レビューを行った。
論文 参考訳（メタデータ） (2024-01-19T14:55:51Z) - 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) - Exploring the intersection of Generative AI and Software Development [0.0]
生成AIとソフトウェアエンジニアリングの相乗効果は、変革的なフロンティアとして現れます。
このホワイトペーパーは、探索されていない領域に展開し、生成的AI技術がソフトウェア開発にどのように革命をもたらすかを解明する。
これはステークホルダーのためのガイドとして機能し、ソフトウェア工学における生成AIの適用に関する議論と実験を促している。
論文 参考訳（メタデータ） (2023-12-21T19:23:23Z) - Prompted Software Engineering in the Era of AI Models [1.450405446885067]
本稿では、言語ベースのAIモデルのための効果的なプロンプトを構築するために、プロンプトエンジニアリングを統合した、プロンプトソフトウェアエンジニアリング(PSE)を紹介する。
PSEは、ソフトウェア開発にAIモデルを使用することで、少ないリソースで高品質なソフトウェアを生産し、面倒なタスクを自動化し、開発者がより革新的な側面に集中できるようにする。
論文 参考訳（メタデータ） (2023-09-07T20:40:04Z) - LLM-based Interaction for Content Generation: A Case Study on the
Perception of Employees in an IT department [85.1523466539595]
本稿では,IT企業の従業員が生成ツールを使用する意図を明らかにするためのアンケート調査を行う。
以上の結果から, 生成ツールの比較的平均的な受容性が示唆されるが, ツールが有用であると認識されるほど, 意図が高くなることが示唆された。
分析の結果, 生産ツールの利用頻度は, 従業員が作業の文脈でこれらのツールをどのように認識しているかを理解する上で重要な要因である可能性が示唆された。
論文 参考訳（メタデータ） (2023-04-18T15:35:43Z) - Building an AI-ready RSE Workforce [0.0]
機械学習とディープラーニングは、研究ソフトウェア開発ライフサイクルのあらゆる側面に適用されています。
我々は、AIが研究ソフトウェア開発とエンジニアに提示した今日の課題と機会について、私たちの見解について議論する。
論文 参考訳（メタデータ） (2021-11-09T02:36:24Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z) - AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-08-29T14:57:53Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
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。