論文の概要: LACY: Simulating Expert Mentoring for Software Onboarding with Code Tours
- arxiv url: http://arxiv.org/abs/2603.25391v1
- Date: Thu, 26 Mar 2026 12:38:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-27 20:52:48.292476
- Title: LACY: Simulating Expert Mentoring for Software Onboarding with Code Tours
- Title（参考訳）: LACY: コードツアーでソフトウェアをオンボーディングするためのエキスパートメンタリングをシミュレート
- Abstract要約: Lacyは、再利用可能なコードツアーで専門家のメンタリングを捉えています。
私たちのデザインは、20以上のミーティング、調査、インタビューに由来する要件に基づいています。
サポート機能としては、Voice-to-Tourキャプチャ、理解クイズ、ポッドキャスト、ダッシュボードなどがある。
- 参考スコア（独自算出の注目度）: 1.0248144348074086
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Every software organization faces the onboarding challenge: helping newcomers navigate complex codebases, compensate for insufficient documentation, and comprehend code they did not author. Expert walkthroughs are among the most effective forms of support, yet they are expensive, repetitive, and do not scale. We present Lacy, a hybrid human-AI onboarding system that captures expert mentoring in reusable code tours-to our knowledge, the first hybrid approach combining AI-generated content with expert curation in code tours. Our design is grounded in requirements derived from 20+ meetings, surveys, and interviews across a year-long industry partnership with Beko. Supporting features include Voice-to-Tour capture, comprehension quizzes, podcasts, and a dashboard. We deployed Lacy on Beko's production environment and conducted a controlled study on a legacy finance system (30K+ LOC). Learners using expert-guided tours achieved 83% quiz scores versus 57% for AI-only tours, preferred tours over traditional self-study, and reported they would need fewer expert consultations. Experts found tour creation less burdensome than live walkthroughs. Beko has since adopted Lacy for organizational onboarding, and we release our code and study instruments as a replication package.
- Abstract（参考訳）: 初心者が複雑なコードベースをナビゲートし、不十分なドキュメンテーションを補い、作成していないコードを理解できるようにする。
専門家のウォークスルーは最も効果的なサポートの1つだが、高価で反復的であり、スケールしない。
Lacyは、再利用可能なコードツアーで専門家のメンタリングをキャプチャするハイブリッドAIオンボーディングシステムで、私たちの知る限り、AI生成コンテンツとコードツアーにおけるエキスパートのキュレーションを組み合わせた最初のハイブリッドアプローチです。
当社のデザインは,Bekoとの1年間にわたる業界提携を通じて,20以上のミーティング,調査,インタビューから得られた要件に基づいています。
サポート機能としては、Voice-to-Tourキャプチャ、理解クイズ、ポッドキャスト、ダッシュボードなどがある。
我々は,ベコの生産環境にレーシーを配置し,レガシファイナンスシステム(30K+LOC)の制御研究を行った。
専門家が指導するツアーを使用する学習者は、AIのみのツアーで83%のクイズスコアを57%に対して達成し、従来のセルフスタディよりも優先的なツアーを行い、専門家のコンサルテーションを少なくする、と報告した。
専門家は、ツアーの制作はライブウォークスルーよりも負担が少なかった。
Bekoはその後、組織的なオンボーディングにLacyを採用しています。
関連論文リスト
- VibeJam: A User Study Platform for Web Development with Agents [54.292180786970476]
VibeJamは、ユーザーがAIエージェントと協力してウェブサイトを開発するためのブラウザベースのユーザー学習プラットフォームです。
VibeJamはエージェントのカスタマイズを可能にし、オープンソースのAiderエージェントをデフォルトで使用し、ダウンストリームの使用を反映するために、差分レビュー、チャットとプランモード、ライブWebサイトプレビューを追加します。
ゲームベースのWebサイト作成タスクを55リリースしたパイロットスタディでは、5人の経験豊富なAIプログラマが、私たちのシステムを面白く、シンプルで、商用ツールに似ていると評価し、13人の中学生がVibeJamを使って、同じタスクのエージェントよりも高品質なWebサイトを作成しています。
論文 参考訳（メタデータ） (2026-08-30T16:37:51Z) - Quick Build, Careful Check? Generative AI Use in Hackathons [83.0493885475068]
中央ヨーロッパにおけるAIをテーマとしたハッカソンの参加者を対象とした探索的なインタビュー研究を報告する。
参加者はコーディング以外の目的でGenAIを使用して,馴染みのないトピックの学習やブレインストーミング,ドキュメントの作成などを行いました。
また、すべての参加者が、使用前にGenAI出力をチェックするという書面のないプラクティスに集約されていることもわかりました。
論文 参考訳（メタデータ） (2026-07-31T08:59:18Z) - How Developers Experience Debugging Unfamiliar Codebases with Code Tours Generated and Evaluated by Local LLMs [0.23603300812061256]
実際のJavaバグからコードツアーを生成して評価するパイプラインを構築しました。
さまざまなバックグラウンドを持つ26人の開発者が,ユーザスタディに参加した。
開発者は、コードの長さで詳細をスケールしたツアーを好み、単にコードをリフレッシュすることを避け、ガイドのトーンを採用した。
論文 参考訳（メタデータ） (2026-07-29T14:45:05Z) - AcademiClaw: When Students Set Challenges for AI Agents [69.70303995121154]
AcademiClaw(アカデミクロー)は、大学生の実際の学術的切断から直接引き出された80の複雑な長い水平タスクのベンチマークである。
最高のモデルでさえ、55%のパスレートしか達成できないことを示す。
AcademiClawとそのオープンソースデータとコードが、OpenClawコミュニティにとって有用なリソースになることを願っています。
論文 参考訳（メタデータ） (2026-05-04T14:40:42Z) - "I Just Need GPT to Refine My Prompts": Rethinking Onboarding and Help-Seeking with Generative 3D Modeling Tools [4.7664516965746335]
生成AIツールは、複雑なナビゲーションを自然言語プロンプトに置き換える。
本研究では,3次元モデリングのためのプロンプトベースツールにどのようにアプローチするかを観察研究により検討した。
生成的AIのコンテキストで異なるのは、彼らがサポートを求めている方法と理由だ。
論文 参考訳（メタデータ） (2026-03-31T01:09:27Z) - Developers and Generative AI: A Study of Self-Admitted Usage in Open Source Projects [18.524728732046146]
我々は、64種類のChatGPTとGitHub Copilotの使用タスクの分類を7つのカテゴリに分類する。
我々は、どのように利用方法が拡大されたか、開発者がこのような生成AIの使用が有用であると感じている範囲、そして1年以上前に起きた懸念がもはや存在しないかを示す。
論文 参考訳（メタデータ） (2026-03-27T10:44:06Z) - The Agentic Researcher: A Practical Guide to AI-Assisted Research in Mathematics and Machine Learning [22.71288370686935]
本稿では,AIによる数学と機械学習の研究の実践的ガイドとなる。
I)AI統合の5段階の分類、(II)CLIコーディングエージェントを自律的な研究アシスタントに変えるオープンソースのフレームワーク、(III)ディープラーニングと数学のケーススタディである。
論文 参考訳（メタデータ） (2026-03-16T21:02:06Z) - Building Software by Rolling the Dice: A Qualitative Study of Vibe Coding [15.145249560710377]
ビブ・コーダ"は、主にコードを書くのではなく、プロンプトを通じてソフトウェアを構築する。
ライブ・ストリーミング・コーディング・セッション7本と意見ビデオ13本を含む20本のバイブ・コーディング・ビデオについて理論的研究を行った。
ビブコーダーの中にはAIにほぼ完全に依存する者もいれば、生成された出力を調べて適応する者もいる。
論文 参考訳（メタデータ） (2025-12-27T00:38:37Z) - "Can you feel the vibes?": An exploration of novice programmer engagement with vibe coding [42.82674998306379]
ビブコーディング(vibe coding)とは、直接のコードオーサシップではなく、自然言語のプロンプトを通じてソフトウェアを作成することを指す。
本稿では、初心者プログラマと混合経験チームがどのようにバイブコーディングに関わるかを調査する1日間のハッカソンについて報告する。
論文 参考訳（メタデータ） (2025-12-02T13:32:23Z) - 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) - Read and Reap the Rewards: Learning to Play Atari with the Help of Instruction Manuals [69.76245723797368]
Read and Rewardは、Atariゲーム開発者がリリースしたマニュアルを読むことで、Atariゲーム上のRLアルゴリズムを高速化する。
各種RLアルゴリズムは,設計支援による性能向上とトレーニング速度の向上を実現している。
論文 参考訳（メタデータ） (2023-02-09T05:47:03Z) - Reading Between the Lines: Modeling User Behavior and Costs in AI-Assisted Programming [28.254978977288868]
GitHub Copilotは、何百万人ものプログラマが毎日使っているコード推奨システムです。
Copilotと対話する際の共通プログラマ活動の分類であるCUPSを開発した。
私たちの洞察は、プログラマがCopilotとどのように相互作用し、新しいインターフェース設計とメトリクスを動機付けるかを明らかにします。
論文 参考訳（メタデータ） (2022-10-25T20:01:15Z) - Bayesian Q-learning With Imperfect Expert Demonstrations [56.55609745121237]
そこで本研究では,Q-ラーニングを高速化するアルゴリズムを提案する。
我々は,スパース・リワード・チェーン環境と,より複雑な6つのアタリゲームに対して,報酬の遅れによるアプローチを評価した。
論文 参考訳（メタデータ） (2022-10-01T17:38:19Z) - MONAI Label: A framework for AI-assisted Interactive Labeling of 3D
Medical Images [49.664220687980006]
注釈付きデータセットの欠如は、タスク固有の教師付き機械学習モデルをトレーニングする上で、大きなボトルネックとなる。
本稿では,人工知能(AI)モデルに基づくアプリケーション開発を支援する,フリーかつオープンソースなフレームワークであるmonAI Labelを紹介する。
論文 参考訳（メタデータ） (2022-03-23T12:33:11Z) - End-to-End Urban Driving by Imitating a Reinforcement Learning Coach [148.2683592850329]
人間は良いドライバーだが、エンドツーエンドのアルゴリズムにとって良いコーチではない。
我々は、鳥の目視画像を連続的な低レベル行動にマッピングする強化学習専門家を訓練する。
我々の強化学習コーチによって監督され、単眼カメラ入力のベースラインエンドツーエンドエージェントは、専門家レベルのパフォーマンスを達成する。
論文 参考訳（メタデータ） (2021-08-18T17:36:51Z)
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。