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/2502.02194v2
• Date: Sat, 02 Aug 2025 19:18:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-05 14:07:56.099001
• 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: 共同設計ワークショップを用いた56人の開発者を対象に,CCTと対話する際の精神モデルの検討を行った。 開発者はいつ、どのようにコード提案をトリガーするかについて、さまざまな好みを表明している。 また、アクティベーションタイミングのカスタマイズ、表示のモダリティ、提案の粒度、説明内容などをサポートする必要がある。 そこで本研究では, 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: http://creativecommons.org/licenses/by/4.0/
• 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, which is an aspect underexplored in the literature. We conducted an elicitation study with 56 developers using co-design workshops to elicit their mental models when interacting with CCTs. Different important findings that might drive the interaction design with CCTs emerged. For example, developers expressed diverse preferences on when and how code suggestions should be triggered (proactive, manual, hybrid), where and how they are displayed (inline, sidebar, popup, chatbot), as well as the level of detail. It also emerged that developers need to be supported by customization of activation timing, display modality, suggestion granularity, and explanation content, to better fit the CCT to their preferences. To demonstrate the feasibility of these and the other guidelines that emerged during the study, we developed ATHENA, a proof-of-concept CCT that dynamically adapts to developers' coding preferences and environments, ensuring seamless integration into diverse workflows.
• 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、CCTとのインタラクションの課題は、主に開発者のメンタルモデルと、文献で未解明の側面であるAI生成提案の予測不可能な振る舞いのミスマッチによって継続する。 共同設計ワークショップを用いた56人の開発者を対象に,CCTと対話する際の精神モデルの検討を行った。 CCTとの相互作用設計を駆動する可能性のある、異なる重要な発見が出現した。 例えば、開発者はいつ、どのようにコード提案をトリガーするか(プロアクティブ、手動、ハイブリッド)、どのように表示するか(インライン、サイドバー、ポップアップ、チャットボット)、そして詳細レベルについて、さまざまな好みを表明している。 また、開発者は、アクティベーションタイミング、表示モダリティ、提案の粒度、説明内容のカスタマイズによって、CCTをより好みに合うようにサポートする必要があることも明らかになった。 ATHENAは概念実証CCTで、開発者のコーディングの好みや環境に動的に適応し、多様なワークフローへのシームレスな統合を保証する。

関連論文リスト

• Dynamic Programming Techniques for Enhancing Cognitive Representation in Knowledge Tracing [125.75923987618977]
  認知表現動的プログラミングに基づく知識追跡(CRDP-KT)モデルを提案する。 質問の難易度とそれらの間の性能間隔に基づいて認知表現を最適化する動的プログラミングアルゴリズムである。 これは、その後のモデルトレーニングのためにより正確で体系的な入力機能を提供し、それによって認知状態のシミュレーションにおける歪みを最小限にする。
  論文  参考訳（メタデータ） (2025-06-03T14:44:48Z)
• Exploring Prompt Patterns in AI-Assisted Code Generation: Towards Faster and More Effective Developer-AI Collaboration [3.1861081539404137]
  本稿では,AI支援コード生成に必要となるインタラクション数を最小化するために,構造化されたプロンプトパターンの適用について検討する。 我々は,開発者とAI間の往復通信を減らすことの有効性を評価するために,異なる7つのプロンプトパターンを分析した。
  論文  参考訳（メタデータ） (2025-06-02T12:43:08Z)
• Vibe Coding vs. Agentic Coding: Fundamentals and Practical Implications of Agentic AI [0.36868085124383626]
  レビューでは、AI支援ソフトウェア開発の新たなパラダイムとして、バイブコーディングとエージェントコーディングの2つを包括的に分析している。 Vibeのコーディングは、インプットベースで対話的なインタラクションを通じて、直感的で、ループ内の人間間インタラクションを強調する。 エージェントコーディングは、最小限の介入でタスクを計画、実行、テスト、反復できる目標駆動エージェントを通じて、自律的なソフトウェア開発を可能にする。
  論文  参考訳（メタデータ） (2025-05-26T03:00:21Z)
• MultiMind: A Plug-in for the Implementation of Development Tasks Aided by AI Assistants [4.543820534430522]
  MultiMindは、AI支援開発タスクの作成を効率化するVisual Studioプラグインである。 ひとつはコードコメントの自動生成のためのもので、もうひとつはAIによるチャットの定義に関するものだ。
  論文  参考訳（メタデータ） (2025-04-30T01:54:49Z)
• Bridging the Gap: Integrating Ethics and Environmental Sustainability in AI Research and Practice [57.94036023167952]
  我々は、AIの倫理的影響を研究するための努力は、その環境への影響を評価するものと相まって行われるべきであると論じる。 我々は,AI研究と実践にAI倫理と持続可能性を統合するためのベストプラクティスを提案する。
  論文  参考訳（メタデータ） (2025-04-01T13:53:11Z)
• The Impact of Generative AI Coding Assistants on Developers Who Are Visually Impaired [3.2895414694900684]
  我々は、視覚障害のある開発者が、生成型AIコーディングアシスタントを使用して一連のプログラミングタスクを完了した研究を行った。 参加者はAIアシスタントが有益であることに気付き、重要なアドバンテージを報告したが、アクセシビリティの課題も強調した。 我々の発見は、活動中心の設計原則を生成型AIアシスタントに適用する必要性を強調した。
  論文  参考訳（メタデータ） (2025-03-10T22:06:43Z)
• Human-AI Experience in Integrated Development Environments: A Systematic Literature Review [2.1749194587826026]
  In-IDE HAXはAI支援コーディング環境におけるヒューマン・コンピュータインタラクションの進化するダイナミクスを探求する。 この結果から,AIによるコーディングによって開発者の生産性が向上するだけでなく,検証オーバーヘッドや自動化バイアス,信頼性の過大化といった課題も生じていることがわかった。 コードの正確性、セキュリティ、保守性に関する懸念は、説明可能性、検証メカニズム、適応的なユーザコントロールに対する緊急の必要性を浮き彫りにする。
  論文  参考訳（メタデータ） (2025-03-08T12:40:18Z)
• Using CognitIDE to Capture Developers' Cognitive Load via Physiological Activity During Everyday Software Development Tasks [2.397062421558159]
  IntelliJベースのIDEプラグインであるCognitIDEを用いて,開発者の生理活動データを収集,マップ,可視化する研究を提案する。 フィージビリティスタディでは、参加者がソフトウェア開発者の日々の作業のシミュレーションを4回完了した。 CotantIDEは1時間のデータ収集セッションでうまく使えた。
  論文  参考訳（メタデータ） (2025-03-05T14:19:41Z)
• How Developers Interact with AI: A Taxonomy of Human-AI Collaboration in Software Engineering [8.65285948382426]
  開発者とAIツール間のインタラクションタイプを分類し,11種類のインタラクションタイプを識別する。 この分類に基づいて、AIインタラクションの最適化、開発者のコントロールの改善、AI支援開発における信頼とユーザビリティの課題への対処に焦点を当てた研究課題を概説する。
  論文  参考訳（メタデータ） (2025-01-15T12:53:49Z)
• 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)
• Enhancing Graph Contrastive Learning with Reliable and Informative Augmentation for Recommendation [84.45144851024257]
  離散コードによるより強力な協調情報を用いて、コントラスト的なビューを構築することにより、グラフのコントラスト学習を強化することを目的とした、新しいフレームワークを提案する。 中心となる考え方は、ユーザとアイテムを協調情報に富んだ離散コードにマッピングし、信頼性と情報に富んだコントラッシブなビュー生成を可能にすることである。
  論文  参考訳（メタデータ） (2024-09-09T14:04:17Z)
• Coding for Intelligence from the Perspective of Category [66.14012258680992]
  符号化の対象はデータの圧縮と再構成、インテリジェンスである。 最近の傾向は、これらの2つの分野の潜在的均一性を示している。 本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
  論文  参考訳（メタデータ） (2024-07-01T07:05:44Z)
• Agent-driven Generative Semantic Communication with Cross-Modality and Prediction [57.335922373309074]
  本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。 本研究では, エージェント支援型セマンティックエンコーダを開発し, 適応的セマンティック抽出とサンプリングを行う。 設計モデルの有効性をUA-DETRACデータセットを用いて検証し、全体的なA-GSCフレームワークの性能向上を実証した。
  論文  参考訳（メタデータ） (2024-04-10T13:24:27Z)
• CoRelation: Boosting Automatic ICD Coding Through Contextualized Code Relation Learning [56.782963838838036]
  我々は,ICDコード表現の学習を促進するために,文脈的かつ柔軟なフレームワークである新しい手法を提案する。 提案手法では,可能なすべてのコード関係をモデル化する際の臨床ノートのコンテキストを考慮した,依存型学習パラダイムを採用している。
  論文  参考訳（メタデータ） (2024-02-24T03:25:28Z)
• 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)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• 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)
• 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。