論文の概要: Human to Document, AI to Code: Three Case Studies of Comparing GenAI for Notebook Competitions

• arxiv url: http://arxiv.org/abs/2510.18430v1
• Date: Tue, 21 Oct 2025 09:05:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:13.221197
• Title: Human to Document, AI to Code: Three Case Studies of Comparing GenAI for Notebook Competitions
• Title（参考訳）: 人間からドキュメントへ、AIからコードへ:ノートブックコンペティションでGenAIを比較する3つのケーススタディ
• Authors: Tasha Settewong, Youmei Fan, Raula Gaikovina Kula, Kenichi Matsumoto,
• Abstract要約: 我々は、人間と生成AI(GenAI)の両方の潜在的な強みを探求する3つのケーススタディを提示する。 最初に、25のコードと文書の特徴の違いを、人書きでメダルを獲得したKaggleノートに特徴付けます。 GenAIノートは(コードの臭いや技術的負債といったメトリクスによって測定されるように)より高いコード品質を達成する傾向にある一方で、人書きノートはより構造的な多様性、複雑さ、問題解決に対する革新的なアプローチを示します。
• 参考スコア（独自算出の注目度）: 3.487093088832285
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computational notebooks have become the preferred tool of choice for data scientists and practitioners to perform analyses and share results. Notebooks uniquely combine scripts with documentation. With the emergence of generative AI (GenAI) technologies, it is increasingly important, especially in competitive settings, to distinguish the characteristics of human-written versus GenAI. In this study, we present three case studies to explore potential strengths of both humans and GenAI through the coding and documenting activities in notebooks. We first characterize differences between 25 code and documentation features in human-written, medal-winning Kaggle notebooks. We find that gold medalists are primarily distinguished by longer and more detailed documentation. Second, we analyze the distinctions between human-written and GenAI notebooks. Our results show that while GenAI notebooks tend to achieve higher code quality (as measured by metrics like code smells and technical debt), human-written notebooks display greater structural diversity, complexity, and innovative approaches to problem-solving. Based on these results, we envision the work as groundwork that highlight four agendas to further investigate how GenAI could be utilized in notebooks that maximizes the potential collaboration between human and AI.
• Abstract（参考訳）: 計算ノートは、データサイエンティストや実践者が分析を行い、結果を共有するために好まれるツールとなっている。 ノートブックはスクリプトとドキュメンテーションを独自に組み合わせている。 生成AI(GenAI)技術の出現に伴い、特に競争環境では、人書きとGenAIの特徴を区別することがますます重要になっている。 本研究では,ノートブックのコーディングと文書化活動を通じて,人間とゲンカイの潜在的な強みを探求する3つのケーススタディを提案する。 最初に、25のコードと文書の特徴の違いを、人書きでメダルを獲得したKaggleノートに特徴付けます。 金メダリストは主に、より長くより詳細な文書によって区別されている。 第2に、人書きノートとGenAIノートの区別を分析する。 我々の結果は、GenAIノートは(コードの臭いや技術的負債などによって測定される)高いコード品質を達成する傾向にある一方で、人間の手書きノートは、より構造的な多様性、複雑さ、問題解決に対する革新的なアプローチを示していることを示している。 これらの結果に基づいて、人間とAIの潜在的なコラボレーションを最大化するノートブックにおいて、GenAIをどのように活用できるかをさらに調査する4つの課題を浮き彫りにする基礎研究として、作業が想定される。

関連論文リスト

• Towards Shift-Up: A Framework and a Prestudy on High-Value Activities in GenAI Native Software Development [1.2437874940121108]
  我々は、GenAIがサポートしながら、ソフトウェアチームが高価値な作業に集中するのを支援するGenAIネイティブ開発のためのフレームワークを提案する。 論文の終わりに向けて、我々はシフトアップをもっと詳細に研究するための今後の研究目標を提案する。
  論文  参考訳（メタデータ） (2025-09-29T08:56:54Z)
• Generative AI and Creativity: A Systematic Literature Review and Meta-Analysis [20.57872238271025]
  我々は、GenAIが創造的タスクのパフォーマンスに与える影響を評価するためのメタ分析を行う。 この結果から,GenAIとヒトの創造性に有意な差は認められなかった。 GenAIは、人間とGenAIのコラボレーションにおけるアイデアの多様性に有意な悪影響を及ぼす。
  論文  参考訳（メタデータ） (2025-05-22T19:39:10Z)
• Lessons for GenAI Literacy From a Field Study of Human-GenAI Augmentation in the Workplace [0.11704154007740832]
  本研究では、製品開発、ソフトウェアエンジニアリング、デジタルコンテンツ作成という3つの機能にまたがるGenAIの使用を比較した。 発見は、GenAIの使用とユーザのコンピューティング知識のレベルにおいて、幅広いばらつきを示している。
  論文  参考訳（メタデータ） (2025-02-01T21:26:31Z)
• GenAI-Bench: Evaluating and Improving Compositional Text-to-Visual Generation [103.3465421081531]
  VQAScoreは、VQAモデルが画像がプロンプトを正確に描写しているとみなす可能性を測定するメトリクスである。 VQAScoreによるランク付けは、PickScore、HPSv2、ImageRewardなどの他のスコアリング方法よりも2倍から3倍効果的である。 我々は、同じプロンプトから生成されたランキング画像のスコアを評価するために、4万以上の人間格付けを備えたGenAI-Rankベンチマークを新たにリリースした。
  論文  参考訳（メタデータ） (2024-06-19T18:00:07Z)
• Generative AI for Visualization: State of the Art and Future Directions [7.273704442256712]
  本稿では,GenAIを活用した過去の可視化研究を振り返る。 本稿では,世代別アルゴリズムとその応用と限界を要約することにより,今後のGenAI4VIS研究に有用な知見を提供する。
  論文  参考訳（メタデータ） (2024-04-28T11:27:30Z)
• Genetic Auto-prompt Learning for Pre-trained Code Intelligence Language Models [54.58108387797138]
  コードインテリジェンスタスクにおける即時学習の有効性について検討する。 既存の自動プロンプト設計手法は、コードインテリジェンスタスクに限られている。 本稿では、精巧な遺伝的アルゴリズムを用いてプロンプトを自動設計する遺伝的オートプロンプト(GenAP)を提案する。
  論文  参考訳（メタデータ） (2024-03-20T13:37:00Z)
• Prompt Smells: An Omen for Undesirable Generative AI Outputs [4.105236597768038]
  我々は、GenAIモデルの適用に関する制約に対処する上で、研究コミュニティに役立つ2つの新しい概念を提案する。 まず、GenAI出力の「望ましさ」の定義と、それに影響を与える3つの要因について述べる。 第2に、Martin Fowler氏のコードの臭いからインスピレーションを得た上で、我々は「急激な臭い」の概念と、それらがGenAI出力の嫌悪性に与える影響について提案する。
  論文  参考訳（メタデータ） (2024-01-23T10:10:01Z)
• Identifying and Mitigating the Security Risks of Generative AI [179.2384121957896]
  本稿では,GenAIによる双対ジレンマに関するGoogleのワークショップの成果を報告する。 GenAIはまた、攻撃者が新しい攻撃を生成し、既存の攻撃のベロシティと有効性を高めるためにも使用できる。 この話題について,コミュニティの短期的,長期的目標について論じる。
  論文  参考訳（メタデータ） (2023-08-28T18:51:09Z)

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。