論文の概要: Beyond the Commit: Developer Perspectives on Productivity with AI Coding Assistants

• arxiv url: http://arxiv.org/abs/2602.03593v1
• Date: Tue, 03 Feb 2026 14:47:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 18:37:15.518743
• Title: Beyond the Commit: Developer Perspectives on Productivity with AI Coding Assistants
• Title（参考訳）: コミットを超えて - AIコーディングアシスタントによる生産性の開発者視点
• Authors: Valerie Chen, Jasmyn He, Behnjamin Williams, Jason Valentino, Ameet Talwalkar,
• Abstract要約: 本研究では、AI符号化アシスタントの生産性への影響を評価するための様々なアプローチの有効性について分析する。 調査の結果は、AIツールの有用性に関する矛盾する視点を明らかにし、インタビューは生産性の短期次元と長期次元の両方を捉える6つの異なる要因を提示する。
• 参考スコア（独自算出の注目度）: 15.506325982937241
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Measuring developer productivity is a topic that has attracted attention from both academic research and industrial practice. In the age of AI coding assistants, it has become even more important for both academia and industry to understand how to measure their impact on developer productivity, and to reconsider whether earlier measures and frameworks still apply. This study analyzes the validity of different approaches to evaluating the productivity impacts of AI coding assistants by leveraging mixed-method research. At BNY Mellon, we conduct a survey with 2989 developer responses and 11 in-depth interviews. Our findings demonstrate that a multifaceted approach is needed to measure AI productivity impacts: survey results expose conflicting perspectives on AI tool usefulness, while interviews elicit six distinct factors that capture both short-term and long-term dimensions of productivity. In contrast to prior work, our factors highlight the importance of long-term metrics like technical expertise and ownership of work. We hope this work encourages future research to incorporate a broader range of human-centered factors, and supports industry in adopting more holistic approaches to evaluating developer productivity.
• Abstract（参考訳）: 開発者の生産性の測定は、学術研究と産業プラクティスの両方から注目を集めているトピックです。 AIコーディングアシスタントの時代には、学界と業界の両方にとって、開発者生産性への影響を計測する方法を理解し、以前の測定方法やフレームワークがまだ適用されているかどうかを再考することがさらに重要になっている。 本研究は、AI符号化アシスタントの生産性への影響を評価するための様々なアプローチの有効性を、混合手法の研究を活用して分析する。 BNY Mellonでは、2989人の開発者回答と11回の詳細なインタビューによる調査を行っています。 調査結果は、AIツールの有用性に関する矛盾する視点を明らかにする一方、インタビューでは、生産性の短期的側面と長期的側面の両方を捉える6つの異なる要因を引き出す。 従来の作業とは対照的に、私たちの要因は、技術的専門知識や仕事の所有権といった長期的なメトリクスの重要性を強調しています。 この取り組みは、将来の研究に幅広い人間中心の要素を取り入れることを奨励し、開発者の生産性を評価するためのより包括的なアプローチを採用する業界をサポートすることを願っています。

関連論文リスト

• Evolving with AI: A Longitudinal Analysis of Developer Logs [3.7353323067733473]
  我々は,持続的AI利用が日常的なコーディング実践を長期的にどのように改善するかを考察する。 生産性、コード品質、コード編集、コードの再利用、コンテキスト切り替えという、ワークフローの変更の5つの側面を分析します。 我々の結果は、ソフトウェアのサイレント再構築に関する実証的な洞察を提供し、将来のAI強化ツールの設計に影響を及ぼす。
  論文  参考訳（メタデータ） (2026-01-15T10:30:24Z)
• The SPACE of AI: Real-World Lessons on AI's Impact on Developers [0.807084206814932]
  我々は,SPACEフレームワークの次元にまたがるAIの影響,すなわち満足度,パフォーマンス,アクティビティ,コラボレーション,効率を,開発者がどのように認識するかを研究する。 AIは広く採用されており、生産性の向上、特にルーチンタスクに広く見なされている。 開発者の報告によると、効率性と満足度は向上し、コラボレーションへの影響の証拠は少なくなった。
  論文  参考訳（メタデータ） (2025-07-31T21:45:54Z)
• The Impact of LLM-Assistants on Software Developer Productivity: A Systematic Literature Review [4.503986781849658]
  大規模言語モデルアシスタント(LLMアシスタント)は、ソフトウェア開発を変革する新たな機会を提供する。 関心が高まっているにもかかわらず、LCMアシストがソフトウェア開発の生産性にどのように影響するかは合成されていない。 分析の結果,LSM補助剤は有意な利益と重大なリスクの両方をもたらすことが明らかとなった。
  論文  参考訳（メタデータ） (2025-07-03T20:25:49Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
  我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。 最初の大規模人間実験(N=118)を行い,その測定を行った。 2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
  論文  参考訳（メタデータ） (2025-06-05T20:48:16Z)
• Evaluations at Work: Measuring the Capabilities of GenAI in Use [28.124088786766965]
  現在のAIベンチマークは、人間とAIのコラボレーションの混乱したマルチターンの性質を見逃している。 実世界のタスクを相互依存サブタスクに分解する評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-15T23:06:23Z)
• Towards Decoding Developer Cognition in the Age of AI Assistants [9.887133861477233]
  本稿では,生理的計測(EEGとアイトラッキング)とインタラクションデータを組み合わせて,AI支援プログラミングツールの開発者による使用状況を調べるための制御された観察的研究を提案する。 私たちは、認知負荷とタスク完了時間を計測しながら、AIアシストの有無に関わらず、プログラムタスクを完了させるために、プロの開発者を募集します。
  論文  参考訳（メタデータ） (2025-01-05T23:25:21Z)
• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)

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。