論文の概要: Developer Productivity With and Without GitHub Copilot: A Longitudinal Mixed-Methods Case Study
- arxiv url: http://arxiv.org/abs/2509.20353v1
- Date: Wed, 24 Sep 2025 17:55:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-25 20:53:19.92919
- Title: Developer Productivity With and Without GitHub Copilot: A Longitudinal Mixed-Methods Case Study
- Title（参考訳）: GitHubのコパイロットによる開発者生産性向上 - 縦断混合手法によるケーススタディ
- Authors: Viktoria Stray, Elias Goldmann Brandtzæg, Viggo Tellefsen Wivestad, Astri Barbala, Nils Brede Moe,
- Abstract要約: 本研究では,ジェネレーティブAI(GenAI)ツールであるGitHub Copilotが開発者の活動と生産性に与える影響について検討した。
NAV ITのGitHubリポジトリ703から,2年間に26,317のユニークな非マージコミットを分析した。
分析の結果、Copilotが導入される前であっても、Copilotを使用する個人は非ユーザよりも一貫してアクティブであることが判明した。
- 参考スコア（独自算出の注目度）: 1.745178216563833
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study investigates the real-world impact of the generative AI (GenAI) tool GitHub Copilot on developer activity and perceived productivity. We conducted a mixed-methods case study in NAV IT, a large public sector agile organization. We analyzed 26,317 unique non-merge commits from 703 of NAV IT's GitHub repositories over a two-year period, focusing on commit-based activity metrics from 25 Copilot users and 14 non-users. The analysis was complemented by survey responses on their roles and perceived productivity, as well as 13 interviews. Our analysis of activity metrics revealed that individuals who used Copilot were consistently more active than non-users, even prior to Copilot's introduction. We did not find any statistically significant changes in commit-based activity for Copilot users after they adopted the tool, although minor increases were observed. This suggests a discrepancy between changes in commit-based metrics and the subjective experience of productivity.
- Abstract（参考訳）: 本研究では,ジェネレーティブAI(GenAI)ツールであるGitHub Copilotが開発者の活動と生産性に与える影響について検討した。
大規模公共セクターのアジャイル組織であるNAV ITで、混合メソッドのケーススタディを実施しました。
2年間にわたって、NAV ITのGitHubリポジトリ703から26,317のユニークな非マージコミットを分析し、25のCopilotユーザと14の非ユーザからのコミットベースのアクティビティメトリクスに注目しました。
この分析は、その役割と生産性に対する調査回答と13のインタビューによって補完された。
分析の結果、Copilotが導入される前であっても、Copilotを使用する個人は非ユーザよりも一貫してアクティブであることが判明した。
また,Copilot導入後のコミットベース活動に統計的に有意な変化はみられなかったが,軽微な増加はみられなかった。
これは、コミットベースのメトリクスの変化と生産性の主観的な経験の相違を示唆している。
関連論文リスト
- Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。
我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。
結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
論文 参考訳（メタデータ） (2025-07-10T20:12:54Z) - WHALES: A Multi-Agent Scheduling Dataset for Enhanced Cooperation in Autonomous Driving [14.977628973132099]
WHALESは,通信対応エージェントスケジューリングとスケーラブルな協調認識のベンチマークのために設計された,最初の大規模V2Xデータセットである。
WHALESは、シーンごとに平均8.4の協調エージェントと、さまざまな交通シナリオにまたがる2100万の注釈付き3Dオブジェクトを備えている。
リアルタイム通信ボトルネックをエミュレートするために、詳細な通信メタデータを組み込んでおり、スケジューリング戦略の厳密な評価を可能にしている。
論文 参考訳（メタデータ） (2024-11-20T14:12:34Z) - Impact of the Availability of ChatGPT on Software Development: A Synthetic Difference in Differences Estimation using GitHub Data [49.1574468325115]
ChatGPTは、ソフトウェア生産効率を向上させるAIツールである。
10万人あたりのgitプッシュ数、リポジトリ数、ユニークな開発者数に対するChatGPTの影響を見積もっています。
これらの結果は、ChatGPTのようなAIツールが開発者の生産性を大幅に向上させる可能性があることを示唆している。
論文 参考訳（メタデータ） (2024-06-16T19:11:15Z) - Impact of AI-tooling on the Engineering Workspace [0.0]
Copilotユーザ間では,コーディング時間に有意な変化がみられた。
一部の企業は、PRのピックアップ時間を最大33%削減した。
ある企業は、メンテナンスとサポート作業から製品成長イニシアチブへの最大17%の労力を経験しました。
論文 参考訳（メタデータ） (2024-06-11T20:04:09Z) - 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) - Measuring the Runtime Performance of C++ Code Written by Humans using GitHub Copilot [1.4665528337423246]
開発者がGitHub Copilotを使用する場合と、そうでない場合とで生成されたC++コードのランタイムパフォーマンスを評価します。
結果から,Copilotは(統計的に重要な)実行時のパフォーマンスが遅いC++コードを生成する可能性が示唆された。
論文 参考訳（メタデータ） (2023-05-10T20:14:52Z) - CLUTR: Curriculum Learning via Unsupervised Task Representation Learning [130.79246770546413]
CLUTRは、タスク表現とカリキュラム学習を2段階最適化に分離する、新しいカリキュラム学習アルゴリズムである。
CLUTRは、CarRacingとナビゲーション環境における一般化とサンプル効率の観点から、原則的かつ一般的なUED手法であるPAIREDよりも優れていることを示す。
論文 参考訳（メタデータ） (2022-10-19T01:45:29Z) - Data-driven Koopman Operators for Model-based Shared Control of
Human-Machine Systems [66.65503164312705]
本稿では,データ駆動型共有制御アルゴリズムを提案する。
ユーザのインタラクションに関するダイナミクスと情報は、Koopman演算子を使用して観察から学習される。
モデルに基づく共有制御は、自然な学習やユーザのみの制御パラダイムと比較して、タスクとコントロールのメトリクスを著しく改善する。
論文 参考訳（メタデータ） (2020-06-12T14:14:07Z)
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。