論文の概要: Forecasting Developer Environments with GenAI: A Research Perspective
- arxiv url: http://arxiv.org/abs/2602.07412v1
- Date: Sat, 07 Feb 2026 07:16:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-10 20:26:24.60999
- Title: Forecasting Developer Environments with GenAI: A Research Perspective
- Title（参考訳）: GenAIによる開発者環境予測:研究の展望
- Authors: Raula Gaikovina Kula, Christoph Treude, Xing Hu, Sebastian Baltes, Earl T. Barr, Kelly Blincoe, Fabio Calefato, Junjie Chen, Marc Cheong, Youmei Fan, Daniel M. German, Marco Gerosa, Jin L. C. Guo, Shinpei Hayashi, Robert Hirschfeld, Reid Holmes, Yintong Huo, Takashi Kobayashi, Michele Lanza, Zhongxin Liu, Olivier Nourry, Nicole Novielli, Denys Poshyvanyk, Shinobu Saito, Kazumasa Shimari, Igor Steinmacher, Mairieli Wessel, Markus Wagner, Annie Vella, Laurie Williams, Xin Xia,
- Abstract要約: コード記述から抽象化レベルを向上する能力は、統合開発環境(IDE)内での人間とAIの相互作用を変える可能性がある。
ソフトウェアエンジニアリング、人工知能、ヒューマンコンピュータインタラクションドメインの専門家が集まって、Shonan Meeting 222で課題と機会について議論した。
- 参考スコア（独自算出の注目度）: 35.06013188065995
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative Artificial Intelligence (GenAI) models are achieving remarkable performance in various tasks, including code generation, testing, code review, and program repair. The ability to increase the level of abstraction away from writing code has the potential to change the Human-AI interaction within the integrated development environment (IDE). To explore the impact of GenAI on IDEs, 33 experts from the Software Engineering, Artificial Intelligence, and Human-Computer Interaction domains gathered to discuss challenges and opportunities at Shonan Meeting 222, a four-day intensive research meeting. Four themes emerged as areas of interest for researchers and practitioners.
- Abstract（参考訳）: Generative Artificial Intelligence(GenAI)モデルは、コード生成、テスト、コードレビュー、プログラムの修復など、さまざまなタスクにおいて顕著なパフォーマンスを実現している。
コード記述から抽象化レベルを向上する能力は、統合開発環境(IDE)内での人間とAIのインタラクションを変える可能性がある。
GenAIのIDEへの影響を探るため、ソフトウェアエンジニアリング、人工知能、ヒューマンコンピュータインタラクションドメインの専門家33人が集まり、4日間にわたる集中的な研究会議であるShonan Meeting 222で課題と機会について議論した。
研究者や実践者にとって関心のある分野として4つのテーマが浮かび上がった。
関連論文リスト
- Accelerating Scientific Research with Gemini: Case Studies and Common Techniques [105.15622072347811]
大規模言語モデル(LLM)は、科学研究を加速するための新たな道を開いた。
先進的なAIモデルとどのように協力したかを示すケーススタディのコレクションを提示する。
論文 参考訳（メタデータ） (2026-02-03T18:56:17Z) - The Future of Development Environments with AI Foundation Models: NII Shonan Meeting 222 Report [13.736653705740336]
コード記述から抽象化レベルを向上する能力は、統合開発環境(IDE)内での人間とAIの相互作用を変える可能性がある。
ソフトウェアエンジニアリング、人工知能、ヒューマンコンピュータインタラクションドメインの専門家が集まって、Shonan Meeting 222で課題と機会について議論した。
論文 参考訳（メタデータ） (2025-11-20T06:33:20Z) - Understanding, Protecting, and Augmenting Human Cognition with Generative AI: A Synthesis of the CHI 2025 Tools for Thought Workshop [43.00088127504725]
Generative AI(GenAI)は、仕事、教育、日々のタスクの自動化の範囲と能力を大幅に拡大します。
人間の認知はどのように変化し、GenAIがそれを増強する機会は何だろうか?
CHI 2025 Workshop on Tools for Thoughtは、GenAIの利用が人間の思考にどのように影響するかという新しい科学を橋渡しすることを目的としている。
論文 参考訳（メタデータ） (2025-08-28T17:40:42Z) - The Design Space of Recent AI-assisted Research Tools for Ideation, Sensemaking, and Scientific Creativity [2.0558118968162673]
ジェネレーティブAI(GenAI)ツールは、学術研究のような知識労働における自動化の範囲と能力を拡張している。
認知とプロセスの合理化を約束する一方で、AI支援の研究ツールは自動化バイアスを高め、批判的思考を妨げる可能性がある。
論文 参考訳（メタデータ） (2025-02-22T16:42:11Z) - Future of Information Retrieval Research in the Age of Generative AI [61.56371468069577]
情報検索(IR)の急速に発展する分野では、大規模言語モデル(LLM)のような生成AI技術の統合が、情報の検索やインタラクションの方法を変えつつある。
このパラダイムシフトを認識したビジョンワークショップが2024年7月に開催され、生成AI時代のIRの将来について議論した。
本報告は、潜在的に重要な研究トピックとしての議論の要約を含み、学術、産業実践家、機関、評価キャンペーン、資金提供機関の推薦リストを含む。
論文 参考訳（メタデータ） (2024-12-03T00:01:48Z) - A Survey of Neural Code Intelligence: Paradigms, Advances and Beyond [84.95530356322621]
この調査は、コードインテリジェンスの発展に関する体系的なレビューを示す。
50以上の代表モデルとその変種、20以上のタスクのカテゴリ、および680以上の関連する広範な研究をカバーしている。
発達軌道の考察に基づいて、コードインテリジェンスとより広範なマシンインテリジェンスとの間の新たな相乗効果について検討する。
論文 参考訳（メタデータ） (2024-03-21T08:54:56Z) - In-IDE Human-AI Experience in the Era of Large Language Models; A
Literature Review [2.6703221234079946]
IDEにおけるヒューマンAIエクスペリエンスの研究は、これらのAIツールがソフトウェア開発プロセスをどのように変化させているかを理解する上で非常に重要である。
我々は,IDE内人間-AI体験研究の現状を研究するために文献レビューを行った。
論文 参考訳（メタデータ） (2024-01-19T14:55:51Z) - AutoML in The Wild: Obstacles, Workarounds, and Expectations [37.813441975457735]
本研究は,現実の実践においてユーザが遭遇するAutoMLの限界を理解することに焦点を当てる。
その結果,カスタマイズ性,透明性,プライバシーから生じる3つの大きな課題を克服するために,ユーザエージェンシーを積極的に実施していることが判明した。
論文 参考訳（メタデータ） (2023-02-21T17:06:46Z)
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。