論文の概要: Understanding User Mental Models in AI-Driven Code Completion Tools: Insights from an Elicitation Study

• arxiv url: http://arxiv.org/abs/2502.02194v1
• Date: Tue, 04 Feb 2025 10:20:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 15:00:47.056204
• Title: Understanding User Mental Models in AI-Driven Code Completion Tools: Insights from an Elicitation Study
• Title（参考訳）: AI駆動コード補完ツールにおけるユーザメンタルモデルの理解:引用研究からの洞察
• Authors: Giuseppe Desolda, Andrea Esposito, Francesco Greco, Cesare Tucci, Paolo Buono, Antonio Piccinno,
• Abstract要約: AIによるコード補完ツールと対話する際に、フォーカスグループを使用してメンタルモデルを抽出する56人の開発者を対象に、ライセンス研究を実施します。 この研究結果は、ユーザの期待に応え、満足度と生産性を高め、AIによる開発ツールへの信頼を高める、人間中心のCCTを設計するための実用的な洞察を提供する。 我々はまた、開発者のコーディングの好みや環境に動的に適応し、多様な環境へのシームレスな統合を保証する概念実証CCTであるAtheNAを開発した。
• 参考スコア（独自算出の注目度）: 5.534104886050636
• License:
• Abstract: Integrated Development Environments increasingly implement AI-powered code completion tools (CCTs), which promise to enhance developer efficiency, accuracy, and productivity. However, interaction challenges with CCTs persist, mainly due to mismatches between developers' mental models and the unpredictable behavior of AI-generated suggestions. This is an aspect underexplored in the literature. To address this gap, we conducted an elicitation study with 56 developers using focus groups, to elicit their mental models when interacting with CCTs. The study findings provide actionable insights for designing human-centered CCTs that align with user expectations, enhance satisfaction and productivity, and foster trust in AI-powered development tools. To demonstrate the feasibility of these guidelines, we also developed ATHENA, a proof-of-concept CCT that dynamically adapts to developers' coding preferences and environments, ensuring seamless integration into diverse
• Abstract（参考訳）: 統合開発環境は、開発者の効率、正確性、生産性を高めることを約束するAI駆動のコード補完ツール(CCT)を実装している。 しかし、主に開発者のメンタルモデルとAI生成提案の予測不可能な振る舞いのミスマッチのため、CCTとのインタラクションの課題は継続する。 これは文学において過小評価されている側面である。 このギャップに対処するため、56人の開発者を対象に、焦点群を用いてCCTと相互作用する際のメンタルモデルを抽出した。 この研究結果は、ユーザの期待に応え、満足度と生産性を高め、AIによる開発ツールへの信頼を高める、人間中心のCCTを設計するための実用的な洞察を提供する。 これらのガイドラインの実現可能性を示すために,開発者のコーディング嗜好や環境に動的に適応し,多様な環境へのシームレスな統合を保証する概念実証CCTであるATHENAを開発した。

関連論文リスト

• Dear Diary: A randomized controlled trial of Generative AI coding tools in the workplace [2.5280615594444567]
  ジェネレーティブAIコーディングツールは比較的新しいもので、開発者への影響は従来のコーディングメトリクスを超えて拡大している。 本研究の目的は、生成型AIツールに関する既存の信念、自己認識、そしてこれらのツールの定期的な使用がこれらの信念をどう変えるかを明らかにすることである。 その結果,ジェネレーティブなAIコーディングツールの導入と持続的使用は,これらのツールが有用かつ楽しいものであるという開発者の認識を著しく高めていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-10-24T00:07:27Z)
• The Design Space of in-IDE Human-AI Experience [6.05260196829912]
  主な発見は、よりパーソナライズされ、積極的に、信頼性の高いAIシステムの必要性を強調している。 われわれの調査によると、Adoptersは高度な機能と非断続的な統合を歓迎しているが、Churnersは信頼性とプライバシの改善の必要性を強調している。 非ユーザとは対照的に、採用の障壁として、スキル開発と倫理的懸念に焦点を当てます。
  論文  参考訳（メタデータ） (2024-10-11T10:02:52Z)
• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• Impermanent Identifiers: Enhanced Source Code Comprehension and Refactoring [43.5512514983067]
  この記事では、Imbermanent Identifierを中心としたコード拡張に対する革新的なアプローチを紹介します。 一番の目標は、変化するコンテキストに適応する動的な識別子を導入することで、ソフトウェア開発エクスペリエンスを強化することです。 本研究は,ソフトウェア開発現場における不整合識別子の採用と受容について,厳密に評価する。
  論文  参考訳（メタデータ） (2024-06-13T12:54:02Z)
• Developers' Perceptions on the Impact of ChatGPT in Software Development: A Survey [13.257222195239375]
  ソフトウェアの品質、生産性、仕事満足度に対するChatGPTの影響を理解するため、207人のソフトウェア開発者と調査を行った。 この研究は、ChatGPTの今後の適応に関する開発者の期待、潜在的な仕事の移転に関する懸念、規制介入の視点について詳しく述べている。
  論文  参考訳（メタデータ） (2024-05-20T17:31:16Z)
• 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)
• Exploration with Principles for Diverse AI Supervision [88.61687950039662]
  次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。 この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。 この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。 本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:03:39Z)
• Federated Learning-Empowered AI-Generated Content in Wireless Networks [58.48381827268331]
  フェデレートドラーニング(FL)は、学習効率を改善し、AIGCのプライバシー保護を達成するために利用することができる。 我々は,AIGCの強化を目的としたFLベースの技術を提案し,ユーザが多様でパーソナライズされた高品質なコンテンツを作成できるようにすることを目的とする。
  論文  参考訳（メタデータ） (2023-07-14T04:13:11Z)
• Guiding AI-Generated Digital Content with Wireless Perception [69.51950037942518]
  本稿では,AIGC(AIGC)と無線認識を統合し,デジタルコンテンツ制作の質を向上させる。 このフレームワークは、単語の正確な記述が難しいユーザの姿勢を読み取るために、新しいマルチスケール認識技術を採用し、それをスケルトン画像としてAIGCモデルに送信する。 生産プロセスはAIGCモデルの制約としてユーザの姿勢を強制するため、生成されたコンテンツはユーザの要求に適合する。
  論文  参考訳（メタデータ） (2023-03-26T04:39:03Z)
• Data-Driven and SE-assisted AI Model Signal-Awareness Enhancement and Introspection [61.571331422347875]
  モデルの信号認識性を高めるためのデータ駆動型手法を提案する。 コード複雑性のSE概念とカリキュラム学習のAIテクニックを組み合わせる。 モデル信号認識における最大4.8倍の改善を実現している。
  論文  参考訳（メタデータ） (2021-11-10T17:58:18Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)

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。