論文の概要: What Developers Ask to ChatGPT in GitHub Pull Requests? an Exploratory Study
- arxiv url: http://arxiv.org/abs/2508.17161v1
- Date: Sat, 23 Aug 2025 23:24:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 18:43:45.376578
- Title: What Developers Ask to ChatGPT in GitHub Pull Requests? an Exploratory Study
- Title（参考訳）: GitHubのプルリクエストでChatGPTに何を求めるか? - 調査研究
- Authors: Julyanara R. Silva, Carlos Eduardo C. Dantas, Marcelo A. Maia,
- Abstract要約: ChatGPTのような大規模言語モデル(LLM)は、プロ文法タスクの解決において、ソフトウェア開発者を支援するための新しいツールセットを導入した。
この制限を探索するため,139個のPull Requestsから抽出した155個のChatGPTリンクを手動で評価した。
その結果,14種類のChatGPT要求を4つのグループに分類したカタログが得られた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The emergence of Large Language Models (LLMs), such as ChatGPT, has introduced a new set of tools to support software developers in solving pro- gramming tasks. However, our understanding of the interactions (i.e., prompts) between developers and ChatGPT that result in contributions to the codebase remains limited. To explore this limitation, we conducted a manual evaluation of 155 valid ChatGPT share links extracted from 139 merged Pull Requests (PRs), revealing the interactions between developers and reviewers with ChatGPT that led to merges into the main codebase. Our results produced a catalog of 14 types of ChatGPT requests categorized into four main groups. We found a significant number of requests involving code review and the implementation of code snippets based on specific tasks. Developers also sought to clarify doubts by requesting technical explanations or by asking for text refinements for their web pages. Furthermore, we verified that prompts involving code generation generally required more interactions to produce the desired answer compared to prompts requesting text review or technical information.
- Abstract（参考訳）: ChatGPTのようなLLM(Large Language Models)の出現は、プロ文法タスクの解決において、ソフトウェア開発者を支援するための新しいツールセットを導入した。
しかし、コードベースへのコントリビューションをもたらす開発者とChatGPTの間のインタラクション(つまり、プロンプト)に対する私たちの理解は限定的です。
この制限を探索するため、我々は139個の統合プルリクエスト(PR)から抽出した155個の有効なChatGPT共有リンクを手動で評価した。
その結果,14種類のChatGPT要求を4つのグループに分類したカタログが得られた。
コードレビューと特定のタスクに基づいたコードスニペットの実装を含む、かなりの数のリクエストを見つけました。
開発者はまた、技術的な説明を求めたり、Webページのテキストの改良を求めたりすることで、疑念を明確にしようとした。
さらに、コード生成に関わるプロンプトは、一般的に、テキストレビューや技術情報を要求するプロンプトよりも、望ましい回答を生成するためにより多くのインタラクションを必要とすることを確認した。
関連論文リスト
- Why Do Developers Engage with ChatGPT in Issue-Tracker? Investigating Usage and Reliance on ChatGPT-Generated Code [4.605779671279481]
GitHubの1,012のイシューで1,152人のDeveloper-ChatGPTの会話を分析しました。
ChatGPTは主にアイデアに使用されるが、検証には最小限である。
ChatGPTで生成されたコードは5.83%の問題を解決するためにas-isとして使用された。
論文 参考訳（メタデータ） (2024-12-09T18:47:31Z) - An Empirical Study on Developers Shared Conversations with ChatGPT in GitHub Pull Requests and Issues [20.121332699827633]
ChatGPTはソフトウェア開発プラクティスに大きな影響を与えています。
広く採用されているにもかかわらず、協調コーディングにおけるアシスタントとしてのChatGPTの影響はほとんど解明されていない。
210と370人の開発者のデータセットを分析し、GitHubのプルリクエスト(PR)とイシューでChatGPTとの会話を共有しました。
論文 参考訳（メタデータ） (2024-03-15T16:58:37Z) - Exploring ChatGPT's Capabilities on Vulnerability Management [56.4403395100589]
我々は、70,346のサンプルを含む大規模なデータセットを用いて、完全な脆弱性管理プロセスを含む6つのタスクでChatGPTの機能を探求する。
注目すべき例として、ChatGPTのソフトウェアバグレポートのタイトル生成などのタスクにおける熟練度がある。
以上の結果から,ChatGPTが抱える障害が明らかとなり,将来的な方向性に光を当てた。
論文 参考訳（メタデータ） (2023-11-11T11:01:13Z) - DevGPT: Studying Developer-ChatGPT Conversations [12.69439932665687]
本稿では、ソフトウェア開発者がChatGPTとどのように相互作用するかを調査するためのデータセットであるDevGPTを紹介する。
データセットには、ChatGPTからの29,778のプロンプトとレスポンスが含まれており、コードスニペットは19,106である。
論文 参考訳（メタデータ） (2023-08-31T06:55:40Z) - A Multitask, Multilingual, Multimodal Evaluation of ChatGPT on
Reasoning, Hallucination, and Interactivity [79.12003701981092]
8種類の共通NLPアプリケーションタスクをカバーする23のデータセットを用いてChatGPTの広範な技術的評価を行う。
これらのデータセットと、新たに設計されたマルチモーダルデータセットに基づいて、ChatGPTのマルチタスク、マルチリンガル、マルチモーダルの側面を評価する。
ChatGPTの精度は平均63.41%で、論理的推論、非テキスト的推論、コモンセンス推論の10の異なる推論カテゴリで正確である。
論文 参考訳（メタデータ） (2023-02-08T12:35:34Z) - Multi-hop Question Generation with Graph Convolutional Network [58.31752179830959]
マルチホップ質問生成(Multi-hop Question Generation, QG)は,異なる段落から散在する複数の証拠を集約・推論することで,回答に関連する質問を生成することを目的とする。
複数のホップでコンテキストエンコーディングを行うMulQG(Multi-Hop volution Fusion Network for Question Generation)を提案する。
提案モデルでは,高い完全性を有する流動的な質問を生成することができ,マルチホップ評価において,最強のベースラインを20.8%向上させることができる。
論文 参考訳（メタデータ） (2020-10-19T06:15:36Z)
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。