論文の概要: CodeWatcher: IDE Telemetry Data Extraction Tool for Understanding Coding Interactions with LLMs

• arxiv url: http://arxiv.org/abs/2510.11536v1
• Date: Mon, 13 Oct 2025 15:39:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.434311
• Title: CodeWatcher: IDE Telemetry Data Extraction Tool for Understanding Coding Interactions with LLMs
• Title（参考訳）: CodeWatcher: LLMとのコーディングインタラクションを理解するためのIDEテレメトリデータ抽出ツール
• Authors: Manaal Basha, Aimeê M. Ribeiro, Jeena Javahar, Cleidson R. B. de Souza, Gema Rodríguez-Pérez,
• Abstract要約: textitCodeWatcherは軽量で控えめなクライアントサーバシステムで、Visual Studio Codeエディタ内のきめ細かいインタラクションイベントをキャプチャするように設計されている。 textitCodeWatcherは、CGTによる挿入、削除、コピーペーストアクション、フォーカスシフトなどの意味のあるイベントをログする。
• 参考スコア（独自算出の注目度）: 2.125886632946383
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding how developers interact with code generation tools (CGTs) requires detailed, real-time data on programming behavior which is often difficult to collect without disrupting workflow. We present \textit{CodeWatcher}, a lightweight, unobtrusive client-server system designed to capture fine-grained interaction events from within the Visual Studio Code (VS Code) editor. \textit{CodeWatcher} logs semantically meaningful events such as insertions made by CGTs, deletions, copy-paste actions, and focus shifts, enabling continuous monitoring of developer activity without modifying user workflows. The system comprises a VS Code plugin, a Python-based RESTful API, and a MongoDB backend, all containerized for scalability and ease of deployment. By structuring and timestamping each event, \textit{CodeWatcher} enables post-hoc reconstruction of coding sessions and facilitates rich behavioral analyses, including how and when CGTs are used during development. This infrastructure is crucial for supporting research on responsible AI, developer productivity, and the human-centered evaluation of CGTs. Please find the demo, diagrams, and tool here: https://osf.io/j2kru/overview.
• Abstract（参考訳）: 開発者がコード生成ツール(CGT)とどのようにやりとりするかを理解するには、ワークフローを中断することなく収集することがしばしば困難であるプログラミングの振る舞いに関する詳細なリアルタイムデータが必要である。 我々は,Visual Studio Code (VS Code) エディタ内でのきめ細かいインタラクションイベントをキャプチャするために設計された,軽量で控えめなクライアントサーバシステムである \textit{CodeWatcher} を紹介する。 \textit{CodeWatcher}は、CGTによる挿入、削除、コピー-ペーストアクション、フォーカスシフトなどの意味のあるイベントをログする。 システムはVS Codeプラグイン、PythonベースのRESTful API、MongoDBバックエンドで構成される。 イベントの構造化とタイムスタンプによって、‘textit{CodeWatcher’はコーディングセッションのポストホックな再構築を可能にし、開発中のCGTの使い方や利用状況など、リッチな振る舞い分析を容易にする。 このインフラは、責任あるAI、開発者の生産性、CGTの人間中心評価の研究を支援するために不可欠である。 デモ、ダイアグラム、ツールを見てください。

関連論文リスト

• 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)
• Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
  Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。 Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
  論文  参考訳（メタデータ） (2024-10-02T09:11:10Z)
• CodexGraph: Bridging Large Language Models and Code Repositories via Code Graph Databases [13.733229886643041]
  大きな言語モデル(LLM)は、HumanEvalやMBPPのようなスタンドアロンのコードタスクに優れていますが、コードリポジトリ全体の処理に苦労しています。 類似性に基づく検索は複雑なタスクではリコールが低いことが多いが、手動ツールやAPIは通常タスク固有であり、専門家の知識を必要とする。 我々は,LLMエージェントをコードリポジトリから抽出したグラフデータベースインターフェースと統合するシステムであるCodexGraphを紹介する。
  論文  参考訳（メタデータ） (2024-08-07T17:13:59Z)
• Context Composing for Full Line Code Completion [0.46040036610482665]
  本稿では,機能実装のコアとなるTransformerモデルに対するコンテクスト構成のアプローチについて述べる。 我々は、機能を改善するための次のステップを共有し、この分野におけるいくつかの研究面の重要性を強調します。
  論文  参考訳（メタデータ） (2024-02-14T15:17:37Z)
• Collaborative, Code-Proximal Dynamic Software Visualization within Code Editors [55.57032418885258]
  本稿では,コードエディタに組み込むソフトウェアビジュアライゼーション手法の設計と実装について紹介する。 私たちのコントリビューションは、ソフトウェアシステムの実行時の動作の動的解析を使用するという点で、関連する作業と異なります。 私たちの視覚化アプローチは、一般的なリモートペアプログラミングツールを強化し、共有コード都市を利用することで協調的に使用できます。
  論文  参考訳（メタデータ） (2023-08-30T06:35:40Z)
• Using an LLM to Help With Code Understanding [13.53616539787915]
  大規模言語モデル(LLM)は、コードを書くプロセスに革命をもたらしています。 プラグインはOpenAIのGPT-3.5-turboモデルに対して,ユーザが明示的なプロンプトを書かなくても4つの高レベルリクエストをクエリする。 本システムの評価は,32名の被験者を対象に行ったユーザスタディで行われ,本プラグインがWeb検索よりもタスク完了に有効であることが確認された。
  論文  参考訳（メタデータ） (2023-07-17T00:49:06Z)
• Guiding Language Models of Code with Global Context using Monitors [17.05416012014561]
  コード(LM)の言語モデルは、周囲のコードが十分なコンテキストを提供するときにうまく機能します。 LMはそのようなグローバルな文脈に対する認識が限られ、幻覚に陥る。 そこで我々は,モニタが静的解析を用いて復号を導出する,モニタ誘導復号法(MGD)を提案する。
  論文  参考訳（メタデータ） (2023-06-19T08:13:50Z)

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。