論文の概要: GazeCopilot: Evaluating Novel Gaze-Informed Prompting for AI-Supported Code Comprehension and Readability
- arxiv url: http://arxiv.org/abs/2511.08177v1
- Date: Wed, 12 Nov 2025 01:44:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-12 20:17:03.680188
- Title: GazeCopilot: Evaluating Novel Gaze-Informed Prompting for AI-Supported Code Comprehension and Readability
- Title（参考訳）: GazeCopilot: AI対応コード理解と可読性のための新しいGazeインフォームプロンプトの評価
- Authors: Yasmine Elfares, Gül Çalikli, Mohamed Khamis,
- Abstract要約: Real-time GazeCopilotは、コードの理解と可読性を改善するためにリアルタイムデータを使用するプロンプトを洗練する新しいアプローチである。
実時間GazeCopilotをStandard CopilotとPre-set GazeCopilotの2つのベースラインと比較した。
その結果,開発者のリアルタイム視線データを用いて動的に生成するプロンプトは,コード理解の精度を向上し,理解時間を短縮し,標準コパイロットに比べて可読性を向上することがわかった。
- 参考スコア（独自算出の注目度）: 14.584346904940537
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI-powered coding assistants, like GitHub Copilot, are increasingly used to boost developers' productivity. However, their output quality hinges on the contextual richness of the prompts. Meanwhile, gaze behaviour carries rich cognitive information, providing insights into how developers process code. We leverage this in Real-time GazeCopilot, a novel approach that refines prompts using real-time gaze data to improve code comprehension and readability by integrating gaze metrics, like fixation patterns and pupil dilation, into prompts to adapt suggestions to developers' cognitive states. In a controlled lab study with 25 developers, we evaluated Real-time GazeCopilot against two baselines: Standard Copilot, which relies on text prompts provided by developers, and Pre-set GazeCopilot, which uses a hard-coded prompt that assumes developers' gaze metrics indicate they are struggling with all aspects of the code, allowing us to assess the impact of leveraging the developer's personal real-time gaze data. Our results show that prompts dynamically generated using developers' real-time gaze data significantly improve code comprehension accuracy, reduce comprehension time, and improve perceived readability compared to Standard Copilot. Our Real-time GazeCopilot approach selectively refactors only code aspects where gaze data indicate difficulty, outperforming the overgeneralized refactoring done by Pre-set GazeCopilot by avoiding revising code the developer already understands.
- Abstract（参考訳）: GitHub CopilotのようなAIによるコーディングアシスタントは、開発者の生産性向上にますます利用されている。
しかし、その出力品質はプロンプトの文脈的豊かさに依存している。
一方、視線行動は豊富な認知情報を持ち、開発者がコードを処理する方法に関する洞察を提供する。
リアルタイムガゼコパイロット(Real-time GazeCopilot)は、リアルタイムの視線データを使用して、修正パターンや瞳孔拡張といった視線メトリクスを統合して、コード理解と可読性を改善することによって、開発者の認知状態に提案を適応させる、新たなアプローチである。
25人の開発者によるコントロールされたラボスタディにおいて、私たちは、開発者が提供するテキストプロンプトに依存するStandard Copilotと、開発者の視線メトリクスがコードのすべての側面で苦労していることを仮定したハードコードプロンプトを使用するPre-set GazeCopilotの2つのベースラインに対して、リアルタイム GazeCopilotを評価しました。
その結果,開発者のリアルタイム視線データを用いて動的に生成するプロンプトは,コード理解の精度を向上し,理解時間を短縮し,標準コパイロットに比べて可読性を向上することがわかった。
私たちのReal-time GazeCopilotアプローチは、開発者がすでに理解しているコード修正を避けることで、Pre-set GazeCopilotが行う過度に一般化されたリファクタリングよりも優れています。
関連論文リスト
- Readability-Robust Code Summarization via Meta Curriculum Learning [53.44612630063336]
現実の世界では、コードが貧弱な構造や難読化され、モデルのパフォーマンスが著しく低下することが多い。
本稿では,可読性の低いコードに対するコード要約の堅牢性を向上する,新しい微調整手法であるRoFTCodeSumを提案する。
論文 参考訳（メタデータ） (2026-01-09T02:38:24Z) - Comprehension-Performance Gap in GenAI-Assisted Brownfield Programming: A Replication and Extension [0.41998444721319217]
コード理解は、ブラウンフィールドプログラミングタスクに不可欠である。
GitHub CopilotのようなジェネレーティブAI(GenAI)コーディングアシスタントは、開発者の生産性を向上させることが示されている。
我々はGenAI支援のブラウンフィールドプログラミングにおける性能と理解の両面について検討する。
論文 参考訳（メタデータ） (2025-11-04T19:03:55Z) - CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。
また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
論文 参考訳（メタデータ） (2025-08-28T06:03:11Z) - 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) - Beyond Autocomplete: Designing CopilotLens Towards Transparent and Explainable AI Coding Agents [4.960232980231203]
CopilotLensは、シンプルな提案から透過的で説明可能なインタラクションにコード補完を再構築する、インタラクティブなフレームワークである。
CopilotLensは、動的で2段階のインターフェースを通じてAIエージェントの"思考プロセス"を再構築する説明レイヤとして機能する。
論文 参考訳（メタデータ） (2025-06-24T23:50:03Z) - Understanding Code Understandability Improvements in Code Reviews [79.16476505761582]
GitHub上のJavaオープンソースプロジェクトからの2,401のコードレビューコメントを分析した。
改善提案の83.9%が承認され、統合され、1%未満が後に復活した。
論文 参考訳（メタデータ） (2024-10-29T12:21:23Z) - 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) - Assessing Consensus of Developers' Views on Code Readability [3.798885293742468]
開発者はコードレビューに多くの時間を費やし、コード理解におけるコード可読性の重要性を強調している。
以前の調査では、既存のコード可読性モデルは開発者の考えを表現する上で不正確であった。
同じようなコーディング経験を持つ10人のJava開発者を調査して、コード可読性評価と関連する側面について、彼らのコンセンサスを評価しました。
論文 参考訳（メタデータ） (2024-07-04T09:54:42Z) - Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。
トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
論文 参考訳（メタデータ） (2023-02-14T18:43:34Z) - Productivity Assessment of Neural Code Completion [4.821593904732654]
私たちは、GitHub Copilotのユーザに対して、生産性への影響について尋ね、直接測定可能なユーザデータの認識の反映を見つけようとしています。
提案された提案が受け入れられる確率は、コード内の完了の持続性に関するより具体的な指標よりも、開発者の生産性に対する認識を促進することが分かっています。
論文 参考訳（メタデータ） (2022-05-13T09:53:25Z)
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。