論文の概要: Toward Inclusive AI-Driven Development: Exploring Gender Differences in Code Generation Tool Interactions
- arxiv url: http://arxiv.org/abs/2507.14770v1
- Date: Sat, 19 Jul 2025 23:53:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-22 20:51:32.045374
- Title: Toward Inclusive AI-Driven Development: Exploring Gender Differences in Code Generation Tool Interactions
- Title（参考訳）: 包括的AI駆動開発に向けて - コード生成ツールのインタラクションにおける性差を探る
- Authors: Manaal Basha, Ivan Beschastnikh, Gema Rodriguez-Perez, Cleidson R. B. de Souza,
- Abstract要約: コード生成ツール(CGTs)への依存度が高まっているため、公正性と傾きに関する批判的な疑問が持ち上がっている。
CGTは潜在的な生産性向上を提供するが、多様なユーザグループ間での有効性は調査されていない。
CGTとのインタラクションは,ジェンダーやタスク結果,認知的負荷などによって異なる,という仮説を立てる。
- 参考スコア（独自算出の注目度）: 5.878532307272746
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Context: The increasing reliance on Code Generation Tools (CGTs), such as Windsurf and GitHub Copilot, are revamping programming workflows and raising critical questions about fairness and inclusivity. While CGTs offer potential productivity enhancements, their effectiveness across diverse user groups have not been sufficiently investigated. Objectives: We hypothesize that developers' interactions with CGTs vary based on gender, influencing task outcomes and cognitive load, as prior research suggests that gender differences can affect technology use and cognitive processing. Methods: The study will employ a mixed-subjects design with 54 participants, evenly divided by gender for a counterbalanced design. Participants will complete two programming tasks (medium to hard difficulty) with only CGT assistance and then with only internet access. Task orders and conditions will be counterbalanced to mitigate order effects. Data collection will include cognitive load surveys, screen recordings, and task performance metrics such as completion time, code correctness, and CGT interaction behaviors. Statistical analyses will be conducted to identify statistically significant differences in CGT usage. Expected Contributions: Our work can uncover gender differences in CGT interaction and performance among developers. Our findings can inform future CGT designs and help address usability and potential disparities in interaction patterns across diverse user groups. Conclusion: While results are not yet available, our proposal lays the groundwork for advancing fairness, accountability, transparency, and ethics (FATE) in CGT design. The outcomes are anticipated to contribute to inclusive AI practices and equitable tool development for all users.
- Abstract（参考訳）: コンテキスト: WindsurfやGitHub Copilotといったコード生成ツール(CGTs)への依存度が高まっているため、プログラミングワークフローが改善され、公正さと傾きに関する重要な疑問が提起されている。
CGTは潜在的な生産性向上を提供するが、多様なユーザグループ間での有効性は十分に調査されていない。
目的: 従来の研究では, CGTとのインタラクションは, ジェンダー, タスク結果, 認知的負荷によって異なるという仮説を立てている。
方法: 本研究では54名の被験者を混在させ, 男女で等分し, 対等な設計を行う。
参加者はCGTアシストのみで2つのプログラミングタスクを完了し、次にインターネットアクセスのみを行う。
タスクの順序と条件は、順序効果を緩和するために相反する。
データ収集には、認知負荷調査、画面記録、完了時間、コードの正確性、CGTインタラクション行動などのタスクパフォーマンスメトリクスが含まれる。
統計分析は、CGT使用率の統計的に有意な差異を特定するために行われる。
期待されるコントリビューション:我々の研究は、CGTインタラクションと開発者間のパフォーマンスの男女差を明らかにすることができる。
今後のCGT設計について報告し,多様なユーザグループ間のインタラクションパターンのユーザビリティと潜在的な相違に対処する上で有効である。
結論: まだ成果が得られていないが,本提案では,CGT設計における公正性,説明可能性,透明性,倫理性(FATE)を向上するための基礎を定めている。
結果は、すべてのユーザに対して包括的AIプラクティスと同等のツール開発に貢献することが期待されている。
関連論文リスト
- Improving Question Embeddings with Cognitiv Representation Optimization for Knowledge Tracing [77.14348157016518]
知識追跡(KT)は,学生の知識状況の変化を追跡し,過去の回答記録に基づいて将来の回答を予測することを目的としている。
KTモデリングに関する最近の研究は、既存の未更新の学習相互作用の記録に基づいて、学生の将来のパフォーマンスを予測することに焦点を当てている。
本稿では、動的プログラミングアルゴリズムを用いて認知表現の構造を最適化する知識追跡モデルのための認知表現最適化を提案する。
論文 参考訳（メタデータ） (2025-04-05T09:32:03Z) - Gender Influence on Student Teams' Online Communication in Software Engineering Education [8.65285948382426]
本研究では,GitHubプロジェクトにコントリビュートする8チームを対象とした,39人のSE学生による8週間のプロジェクトについて検討する。
混合メソッドのアプローチを使用して、Slackのコミュニケーションを分析し、性別の違いを特定しました。
女性全員のチームでは、より高いヘルプシーキングとリーダシップの行動が見られましたが、男性はよりゆっくりと反応しました。
論文 参考訳（メタデータ） (2025-02-20T15:43:54Z) - Investigating the Pre-Training Dynamics of In-Context Learning: Task Recognition vs. Task Learning [99.05401042153214]
In-context Learning(ICL)は、タスク認識(TR)とタスク学習(TL)の2つの主要な能力に起因する可能性がある。
ICLの出現の事前学習のダイナミクスを調べることで、第一歩を踏み出す。
そこで本研究では,この2つの機能を推論時によりよく統合するための,シンプルで効果的な手法を提案する。
論文 参考訳（メタデータ） (2024-06-20T06:37:47Z) - 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) - Hacking Task Confounder in Meta-Learning [18.179340061914708]
本稿では,メタ学習コーサル表現(MetaCRL)を提案する。
我々の研究は、ベンチマークデータセット上での最先端(SOTA)性能を達成する。
論文 参考訳（メタデータ） (2023-12-10T05:33:40Z) - CLGT: A Graph Transformer for Student Performance Prediction in
Collaborative Learning [6.140954034246379]
協調学習のための拡張グラフトランスフォーマーフレームワーク(CLGT)を提案する。
実験結果から,提案したCLGTは,実世界のデータセットに基づいて予測を行うという点で,ベースラインモデルよりも優れていたことが確認された。
論文 参考訳（メタデータ） (2023-07-30T09:54:30Z) - Personalized Decentralized Multi-Task Learning Over Dynamic
Communication Graphs [59.96266198512243]
本稿では,正と負の相関関係を持つタスクに対する分散・フェデレーション学習アルゴリズムを提案する。
本アルゴリズムでは,タスク間の相関関係を自動的に計算し,コミュニケーショングラフを動的に調整して相互に有益なタスクを接続し,互いに悪影響を及ぼす可能性のあるタスクを分離する。
合成ガウスデータセットと大規模セレブ属性(CelebA)データセットについて実験を行った。
論文 参考訳（メタデータ） (2022-12-21T18:58:24Z) - Learning Action-Effect Dynamics for Hypothetical Vision-Language
Reasoning Task [50.72283841720014]
本研究では,行動の効果に関する推論を改善する新しい学習戦略を提案する。
本稿では,提案手法の有効性を実証し,性能,データ効率,一般化能力の観点から,従来のベースラインに対する優位性を論じる。
論文 参考訳（メタデータ） (2022-12-07T05:41:58Z) - Ranking-based Group Identification via Factorized Attention on Social
Tripartite Graph [68.08590487960475]
グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。
我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。
データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
論文 参考訳（メタデータ） (2022-11-02T01:42:20Z) - Continual Object Detection via Prototypical Task Correlation Guided
Gating Mechanism [120.1998866178014]
pRotOtypeal taSk corrElaTion guided gaTingAnism (ROSETTA)による連続物体検出のためのフレキシブルなフレームワークを提案する。
具体的には、統一されたフレームワークはすべてのタスクで共有され、タスク対応ゲートは特定のタスクのサブモデルを自動的に選択するために導入されます。
COCO-VOC、KITTI-Kitchen、VOCのクラスインクリメンタル検出、および4つのタスクの逐次学習の実験により、ROSETTAが最先端のパフォーマンスを得ることが示された。
論文 参考訳（メタデータ） (2022-05-06T07:31:28Z) - Mining Implicit Entity Preference from User-Item Interaction Data for
Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。
我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。
利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
論文 参考訳（メタデータ） (2020-03-28T05:47:33Z)
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。