論文の概要: The Effects of GitHub Copilot on Computing Students' Programming Effectiveness, Efficiency, and Processes in Brownfield Programming Tasks

• arxiv url: http://arxiv.org/abs/2506.10051v1
• Date: Wed, 11 Jun 2025 16:18:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 15:37:22.344956
• Title: The Effects of GitHub Copilot on Computing Students' Programming Effectiveness, Efficiency, and Processes in Brownfield Programming Tasks
• Title（参考訳）: ブラウンフィールドプログラミング課題におけるGitHubコパイロットが学生のプログラミング効果, 効率, プロセスに及ぼす影響
• Authors: Md Istiak Hossain Shihab, Christopher Hundhausen, Ahsun Tariq, Summit Haque, Yunhan Qiao, Brian Mulanda,
• Abstract要約: GitHub Copilotは、ジェネレーティブ人工知能(GenAI)コーディングアシスタントである。 本稿では,GitHub Copilotが大学生のプログラミングパフォーマンス,行動,理解にどのように影響するかを検討する。
• 参考スコア（独自算出の注目度）: 0.6282171844772422
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When graduates of computing degree programs enter the software industry, they will most likely join teams working on legacy code bases developed by people other than themselves. In these so-called brownfield software development settings, generative artificial intelligence (GenAI) coding assistants like GitHub Copilot are rapidly transforming software development practices, yet the impact of GenAI on student programmers performing brownfield development tasks remains underexplored. This paper investigates how GitHub Copilot influences undergraduate students' programming performance, behaviors, and understanding when completing brownfield programming tasks in which they add new code to an unfamiliar code base. We conducted a controlled experiment in which 10 undergraduate computer science students completed highly similar brownfield development tasks with and without Copilot in a legacy web application. Using a mixed-methods approach combining performance analysis, behavioral analysis, and exit interviews, we found that students completed tasks 35% faster (p < 0.05) and made 50% more solution progress p (< 0.05) when using Copilot. Moreover, our analysis revealed that, when using Copilot, students spent 11% less time manually writing code (p < 0.05), and 12% less time conducting web searches (p < 0.05), providing evidence of a fundamental shift in how they engaged in programming. In exit interviews, students reported concerns about not understanding how or why Copilot suggestions work. This research suggests the need for computing educators to develop new pedagogical approaches that leverage GenAI assistants' benefits while fostering reflection on how and why GenAI suggestions address brownfield programming tasks. Complete study results and analysis are presented at https://ghcopilot-icer.github.io/.
• Abstract（参考訳）: コンピューティング学位プログラムの卒業生がソフトウェア業界に入ると、彼らはおそらく、彼ら以外の人々が開発するレガシーコードベースに取り組むチームに加わるでしょう。 いわゆるブラウンフィールドソフトウェア開発設定では、GitHub Copilotのような生成人工知能(GenAI)コーディングアシスタントは、ソフトウェア開発のプラクティスを急速に変革している。 本稿では,GitHub Copilotが大学生のプログラミングパフォーマンス,行動,理解にどのように影響するかを検討する。 我々は,10人の大学生を対象に,CopilotとCopilotを併用・使用せずに,非常に類似したブラウンフィールド開発タスクを完了した制御実験を行った。 評価分析,行動分析,出口面接を併用した混合手法を用いて,学生はタスクを35%高速化 (p < 0.05) し,Copilotを用いた場合の解の進歩p (< 0.05) を50%向上させた。 さらに,Copilotを使用する場合,学生は手作業でコードを書き込む時間(p < 0.05)を11%削減し,Web検索を行う時間(p < 0.05)を12%削減した。 エグジットインタビューで、学生はコパイロットの提案がどのように機能するか、なぜ機能するのかを理解していないという懸念を報告した。 本研究は、GenAIアシスタントのメリットを生かし、GenAI提案がブラウンフィールドプログラミングタスクにどのように対処するかと理由を反映しつつ、新たな教育的アプローチを開発するためのコンピューティング教育者の必要性を示唆している。 完全な研究結果と分析はhttps://ghcopilot-icer.github.io/で発表されている。

関連論文リスト

• From Developer Pairs to AI Copilots: A Comparative Study on Knowledge Transfer [8.567835367628787]
  AIコーディングアシスタントの台頭により、開発者は人間のパートナーだけでなく、AIペアプログラマーとも仕事をするようになる。 人・人・AI設定の知識伝達を解析するために,実験的検討を行った。 同様の頻度で知識伝達が成功し、両方の設定で話題カテゴリーが重複していることがわかりました。
  論文  参考訳（メタデータ） (2025-06-05T09:13:30Z)
• SwingArena: Competitive Programming Arena for Long-context GitHub Issue Solving [90.32201622392137]
  We present SwingArena, a competitive evaluation framework for Large Language Models (LLMs)。 従来の静的ベンチマークとは異なり、SwingArenaはLLMをイテレーションとして組み合わせて、テストケースを作成し、継続的インテグレーション(CI)パイプラインを通じてパッチを検証するパッチとレビュアーを生成することで、ソフトウェアのコラボレーションプロセスをモデル化する。
  論文  参考訳（メタデータ） (2025-05-29T18:28:02Z)
• OpenHands: An Open Platform for AI Software Developers as Generalist Agents [109.8507367518992]
  私たちは、人間の開発者と同じような方法で世界と対話するAIエージェントを開発するためのプラットフォームであるOpenHandsを紹介します。 プラットフォームが新しいエージェントの実装を可能にし、コード実行のためのサンドボックス環境との安全なインタラクション、評価ベンチマークの導入について説明する。
  論文  参考訳（メタデータ） (2024-07-23T17:50:43Z)
• Transforming Software Development with Generative AI: Empirical Insights on Collaboration and Workflow [2.6124032579630114]
  Generative AI(GenAI)は、ソフトウェア開発者などの知識労働者がタスクを解決し、ソフトウェア製品の開発に協力する方法を根本的に変えた。 ChatGPTやCopilotといったイノベーティブなツールの導入によって,さまざまな問題に対してソフトウェア開発を支援し,拡張する新たな機会が生まれました。 我々の研究は、ChatGPTがソフトウェア開発者のワークフローにおけるパラダイムシフトを表していることを明らかにしている。この技術は、開発者がより効率的に作業できるようにし、学習プロセスをスピードアップし、退屈で反復的なタスクを減らすことでモチベーションを高める。
  論文  参考訳（メタデータ） (2024-02-12T12:36:29Z)
• The Impact of AI Tool on Engineering at ANZ Bank An Empirical Study on GitHub Copilot within Corporate Environment [0.0]
  本研究では,大規模組織におけるソフトウェアエンジニアリングプラクティスにおけるAIツールの統合について検討する。 私たちは、ソフトウェア開発ライフサイクルのすべての側面をカバーする5000人以上のエンジニアを雇用するANZ Bankに重点を置いています。 本稿では、実世界のエンジニアリングタスクにおけるその有効性を評価するために、制御された環境内で、注目すべきAIツールであるGitHub Copilotを使用して実施された実験について詳述する。
  論文  参考訳（メタデータ） (2024-02-08T12:47:57Z)
• Exploring the Problems, their Causes and Solutions of AI Pair Programming: A Study on GitHub and Stack Overflow [6.724815667295355]
  AIプログラマペアであるGitHub Copilotは、コードスニペットの大規模なコーパスでトレーニングされた機械学習モデルを使用して、コード提案を生成する。 ソフトウェア開発で人気があるにもかかわらず、Copilotと仕事をする実践者の実際の経験に関する実証的な証拠は限られている。 473のGitHubイシュー、706のGitHubディスカッション、142のStack Overflowポストからデータを収集しました。
  論文  参考訳（メタデータ） (2023-11-02T06:24:38Z)
• Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
  ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。 標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
  論文  参考訳（メタデータ） (2022-11-16T10:00:23Z)

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。