論文の概要: Bug Detective and Quality Coach: Developers' Mental Models of AI-Assisted IDE Tools
- arxiv url: http://arxiv.org/abs/2511.21197v1
- Date: Wed, 26 Nov 2025 09:28:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-27 18:37:59.035551
- Title: Bug Detective and Quality Coach: Developers' Mental Models of AI-Assisted IDE Tools
- Title（参考訳）: バグ検出と品質コーチ:AI支援IDEツールの開発者のメンタルモデル
- Authors: Paolo Buono, Mary Cerullo, Stefano Cirillo, Giuseppe Desolda, Francesco Greco, Emanuela Guglielmi, Grazia Margarella, Giuseppe Polese, Simone Scalabrino, Cesare Tucci,
- Abstract要約: 58人の開発者と共同設計ワークショップを6回実施し、AIによるバグ検出と可読性機能に関するメンタルモデルを抽出しました。
開発者は、バグ検出ツールをtextitbug detectivesとして考えており、重大な問題が発生した場合にだけユーザーに警告する。
信頼は、両方のタスクにおいて、説明、タイミング、ユーザーコントロールの明確さに依存します。
- 参考スコア（独自算出の注目度）: 6.740088349470244
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: AI-assisted tools support developers in performing cognitively demanding tasks such as bug detection and code readability assessment. Despite the advancements in the technical characteristics of these tools, little is known about how developers mentally model them and how mismatches affect trust, control, and adoption. We conducted six co-design workshops with 58 developers to elicit their mental models about AI-assisted bug detection and readability features. It emerged that developers conceive bug detection tools as \textit{bug detectives}, which warn users only in case of critical issues, guaranteeing transparency, actionable feedback, and confidence cues. Readability assessment tools, on the other hand, are envisioned as \textit{quality coaches}, which provide contextual, personalized, and progressive guidance. Trust, in both tasks, depends on the clarity of explanations, timing, and user control. A set of design principles for Human-Centered AI in IDEs has been distilled, aiming to balance disruption with support, conciseness with depth, and automation with human agency.
- Abstract（参考訳）: AI支援ツールは、開発者がバグ検出やコード可読性評価といった認知的に要求されるタスクを実行するのを支援する。
これらのツールの技術的特性の進歩にもかかわらず、開発者がどのようにメンタルにモデリングするか、ミスマッチが信頼やコントロール、採用にどのように影響するかについては、ほとんど分かっていない。
58人の開発者と共同設計ワークショップを6回実施し、AIによるバグ検出と可読性機能に関するメンタルモデルを抽出しました。
開発者は、バグ検出ツールを‘textit{bug detectives}’とみなし、重要な問題が発生した場合にのみ警告し、透明性、アクション可能なフィードバック、信頼性を保証する。
一方、可読性評価ツールは、コンテキスト、パーソナライズ、プログレッシブなガイダンスを提供する、‘textit{quality coaches’として構想されている。
信頼は、両方のタスクにおいて、説明、タイミング、ユーザーコントロールの明確さに依存します。
IDEにおけるHuman-Centered AIの設計原則のセットが蒸留され、サポートによる破壊のバランス、深さによる簡潔さ、人事機関との自動化を目指している。
関連論文リスト
- Agent0-VL: Exploring Self-Evolving Agent for Tool-Integrated Vision-Language Reasoning [52.99434388759101]
ツール統合推論による継続的改善を実現する自己進化型視覚言語エージェントを提案する。
Agent0-VLは、ツールの使用法を推論だけでなく、自己評価や自己修復にも取り入れている。
実験の結果,Agent0-VLはベースモデルよりも12.5%向上していることがわかった。
論文 参考訳（メタデータ） (2025-11-25T04:15:14Z) - AI Where It Matters: Where, Why, and How Developers Want AI Support in Daily Work [3.1984206905916]
ジェネレーティブAIはソフトウェアワークを再構築していますが、開発者が最も必要とする場所とサポートの明確なガイダンスはありません。
我々は、N=860の開発者を対象に、AIの助けを求める場所、理由、方法、限界を調査する大規模で混合的な研究を報告します。
私たちの結果は、開発者とその作業にとって重要なAIを提供するための、具体的かつコンテキスト的なガイダンスを提供します。
論文 参考訳（メタデータ） (2025-10-01T10:51:03Z) - Vibe Coding in Practice: Motivations, Challenges, and a Future Outlook -- a Grey Literature Review [2.5195922470930614]
バイブコーディング(Vibe coding)とは、AIコード生成ツールを直感や試行錯誤を通じて、基礎となるコードを必ずしも理解せずに使用するプラクティスである。
ユーザーがなぜバイブコーディングに関わったのか、何を経験しているか、品質保証(QA)にどのようにアプローチし、AI生成コードの品質を知覚するかを体系的に調査した研究はない。
私たちの分析では、スピードとアクセシビリティによってビブコーダがモチベーションを得て、迅速な即時的な成功とフローを経験する"という、スピード品質のトレードオフパラドックスを明らかにしています。
論文 参考訳（メタデータ） (2025-09-30T22:35:00Z) - 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) - Investigating and Designing for Trust in AI-powered Code Generation Tools [15.155301866886647]
私たちは、AIコード生成ツールを適切に信頼する上での彼らの課題を理解するために、開発者にインタビューした。
我々は,開発者の信頼構築プロセスを支援する設計概念を探索する設計調査を行った。
これらの結果から,AIを利用したコード生成ツールの信頼性設計に関する設計勧告が提案されている。
論文 参考訳（メタデータ） (2023-05-18T18:23:51Z) - A Large-Scale Survey on the Usability of AI Programming Assistants:
Successes and Challenges [23.467373994306524]
実際には、開発者はAIプログラミングアシスタントの最初の提案を高い頻度で受け入れない。
これらのツールを使用して開発者のプラクティスを理解するため、多数の開発者を対象に調査を実施しました。
開発者がAIプログラミングアシスタントを使用する動機は、開発者がキーストロークを減らしたり、プログラミングタスクを素早く終了したり、構文をリコールするのに役立つためである。
また、開発者がこれらのツールを使用しない最も重要な理由は、これらのツールが特定の機能的あるいは非機能的要件に対処するコードを出力していないためです。
論文 参考訳（メタデータ） (2023-03-30T03:21:53Z) - 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)
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。