論文の概要: Engineering Students' Usage and Perceptions of GitHub Copilot in Open-Source Projects
- arxiv url: http://arxiv.org/abs/2604.10747v1
- Date: Sun, 12 Apr 2026 17:40:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.199273
- Title: Engineering Students' Usage and Perceptions of GitHub Copilot in Open-Source Projects
- Title（参考訳）: オープンソースプロジェクトにおけるエンジニアリング学生のGitHubコパイロット利用と認識
- Authors: Neha Rani, Jeevan Ram Munnangi, Austin Matthew Spangler, Donald Honeycutt,
- Abstract要約: GitHub Copilotは、人気のあるAIコーディングアシスタントである。
コードの自動補完、コメント駆動のコード生成、リポジトリ対応の提案、チャットインターフェースなどの機能を提供する。
異なるユーザーがこれらのツールを使うのは、認識、先行経験、人口統計の違いからである。
- 参考スコア（独自算出の注目度）: 1.8665975431697428
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The evolution of LLM has resulted in coding-focused models that are able to produce code snippets with high accuracy. More and more AI coding assistant tools are now available, leading to greater integration of AI coding assistants into integrated development environments (IDEs). These tools introduce new possibilities for enhancing software development workflows and changing programming processes. GitHub Copilot, a popular AI coding assistant, offers features including inline code autocompletion, comment-driven code generation, repository-aware suggestions, and a chat interface for code explanation and debugging. Different users use these tools differently due to differences in their perception, prior experience, and demographics. Furthermore, differences in feature use may affect users' programming process and skills, especially for programming learners such as computer science students. While prior work has evaluated the performance of LLM-driven code generation tools, their use and usefulness for developers, especially computer science students, remain underexplored. For our investigation, we conducted an exploratory survey-based study in which participants completed a survey after completing an open-source project issue using GitHub Copilot as part of a course. We analyzed students' use of each feature and their perceived usefulness. Further, we explore and analyze significant differences in GitHub Copilot usage and students' perceptions of it based on demographic factors. Our results show that students used the GitHub Copilot chat feature and code generation feature more than other features. Gender, programming proficiency, and familiarity with AI impacted the usage of the GitHub Copilot feature for assistance in completing the open-source project contribution.
- Abstract（参考訳）: LLMの進化により、コードスニペットを高精度に生成できるコーディング中心のモデルが生まれた。
ますます多くのAIコーディングアシスタントツールが利用可能になり、AIコーディングアシスタントを統合開発環境(IDE)に統合するようになる。
これらのツールは、ソフトウェア開発ワークフローを強化し、プログラミングプロセスを変更する新しい可能性を導入します。
人気のAIコーディングアシスタントであるGitHub Copilotには、インラインコードの自動補完、コメント駆動型コード生成、リポジトリ対応の提案、コード説明とデバッグのためのチャットインターフェースなどが含まれている。
異なるユーザーがこれらのツールを使うのは、認識、先行経験、人口統計の違いからである。
さらに、機能利用の違いは、特にコンピュータサイエンスの学生のようなプログラミング学習者にとって、ユーザのプログラミングプロセスとスキルに影響を与える可能性がある。
以前の研究はLLM駆動のコード生成ツールの性能を評価してきたが、開発者、特にコンピュータサイエンスの学生にとって、その用途と有用性は未調査のままである。
調査のために私たちは,GitHub Copilotをコースとして使用したオープンソースプロジェクトイシューを完了した参加者を対象に,探索的な調査ベースの調査を実施した。
本研究は,各特徴の学生による利用状況と,その有用性について分析した。
さらに、人口統計学的要因に基づいて、GitHub Copilotの使用状況とそれに対する学生の認識の重大な違いを調査し、分析する。
その結果,学生はGitHub Copilotチャット機能とコード生成機能を,他の機能よりも多く使用していた。
オープンソースプロジェクトのコントリビューションを完了するための支援として、ジェンダー、プログラミングの熟練度、AIに精通したことが、GitHub Copilot機能の利用に影響を与えた。
関連論文リスト
- 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) - A Human Centric Requirements Engineering Framework for Assessing Github Copilot Output [0.0]
GitHub Copilotは、これらのソフトウェアツールがヒューマンニーズにどう対処するかという、新たな課題を紹介している。
チャットインターフェースを通じて、GitHub Copilotのユーザとのインタラクションを分析しました。
これらの品質を評価するための明確なメトリクスを備えた、人間中心の要件フレームワークを確立しました。
論文 参考訳（メタデータ） (2025-08-05T21:33:23Z) - 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) - The Effects of GitHub Copilot on Computing Students' Programming Effectiveness, Efficiency, and Processes in Brownfield Programming Tasks [0.6282171844772422]
GitHub Copilotは、ジェネレーティブ人工知能(GenAI)コーディングアシスタントである。
本稿では,GitHub Copilotが大学生のプログラミングパフォーマンス,行動,理解にどのように影響するかを検討する。
論文 参考訳（メタデータ） (2025-06-11T16:18:53Z) - Impact of the Availability of ChatGPT on Software Development: A Synthetic Difference in Differences Estimation using GitHub Data [49.1574468325115]
ChatGPTは、ソフトウェア生産効率を向上させるAIツールである。
10万人あたりのgitプッシュ数、リポジトリ数、ユニークな開発者数に対するChatGPTの影響を見積もっています。
これらの結果は、ChatGPTのようなAIツールが開発者の生産性を大幅に向上させる可能性があることを示唆している。
論文 参考訳（メタデータ） (2024-06-16T19:11:15Z) - Experiential Co-Learning of Software-Developing Agents [83.34027623428096]
大規模言語モデル(LLM)は、特にソフトウェア開発において、様々な領域に大きな変化をもたらした。
本稿では,新しいLLM学習フレームワークであるExperiential Co-Learningを紹介する。
実験では、このフレームワークにより、エージェントは、目に見えないソフトウェア開発タスクをより効果的に対処できることを示した。
論文 参考訳（メタデータ） (2023-12-28T13:50:42Z) - Students' Perspective on AI Code Completion: Benefits and Challenges [2.936007114555107]
学生の視点から,AIコード補完のメリット,課題,期待について検討した。
その結果,AIコード補完は,正しい構文提案を提供することで,学生の生産性と効率を向上させることがわかった。
将来的には、AIコード補完は説明可能であり、教育プロセスを強化するための最高のコーディングプラクティスを提供するべきである。
論文 参考訳（メタデータ） (2023-10-31T22:41:16Z) - Collaborative, Code-Proximal Dynamic Software Visualization within Code
Editors [55.57032418885258]
本稿では,コードエディタに組み込むソフトウェアビジュアライゼーション手法の設計と実装について紹介する。
私たちのコントリビューションは、ソフトウェアシステムの実行時の動作の動的解析を使用するという点で、関連する作業と異なります。
私たちの視覚化アプローチは、一般的なリモートペアプログラミングツールを強化し、共有コード都市を利用することで協調的に使用できます。
論文 参考訳（メタデータ） (2023-08-30T06:35:40Z) - The GitHub Development Workflow Automation Ecosystems [47.818229204130596]
大規模なソフトウェア開発は、非常に協力的な取り組みになっています。
この章では、開発ボットとGitHub Actionsのエコシステムについて解説する。
この領域における最先端技術に関する広範な調査を提供する。
論文 参考訳（メタデータ） (2023-05-08T15:24:23Z) - "It's Weird That it Knows What I Want": Usability and Interactions with
Copilot for Novice Programmers [5.317693153442043]
本稿では,このようなコード自動生成ツールであるGithub Copilotを用いて,学生を入門レベルで観察する最初の研究について述べる。
我々は,この技術の学習におけるメリットと落とし穴に対する学生の認識を探求し,新たに観察された相互作用パターンを提示し,学生が直面する認知的・メタ認知的困難を議論する。
論文 参考訳（メタデータ） (2023-04-05T15:07:50Z)
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。