論文の概要: RECAP: An End-to-End Platform for Capturing, Replaying, and Analyzing AI-Assisted Programming Interactions
- arxiv url: http://arxiv.org/abs/2605.01104v1
- Date: Fri, 01 May 2026 21:20:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:49.585853
- Title: RECAP: An End-to-End Platform for Capturing, Replaying, and Analyzing AI-Assisted Programming Interactions
- Title（参考訳）: RECAP:AIによるプログラミングインタラクションのキャプチャ、再生、分析のためのエンドツーエンドプラットフォーム
- Abstract要約: ReCAP(Replay and Examine Captured AI Programming)は、開発者がワークフローを中断することなく、AIチャットセッションとVS Code内のきめ細かいコード編集を受動的に記録する、オープンソースのプラットフォームです。
我々は、このプラットフォームのリンクデータとリプレイ機能が、単一のデータソースがサポートできない開発者とAIのインタラクションパターンの分析を可能にする方法を実証する。
- 参考スコア（独自算出の注目度）: 21.75814643077238
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Understanding how developers interact with AI coding assistants requires more than chat logs or git histories in isolation; it requires reconstructing the full context: which prompt led to which edit, what the developer tried and discarded, and how their strategy evolved over time. We present RECAP (Replay and Examine Captured AI Programming), an open-source platform that (1) passively records AI chat sessions and fine-grained code edits inside VS Code without disrupting the developer's workflow, (2) merges them into a unified timeline for interactive session replay, and (3) exposes an extensible analysis layer, with example modules for behavioral classification and AI reliance measurement. Deployed in a university software engineering course, RECAP captured 2,034 prompts and 8,239 code edits from 41 students across a multi-week project. We demonstrate how the platform's linked data and replay capabilities enable analyses of developer-AI interaction patterns that no single data source could support.
- Abstract（参考訳）: 開発者がAIコーディングアシスタントとどのように対話するかを理解するには、チャットログやgitヒストリーを単独で必要とします。
このRECAP(Replay and Examine Captured AI Programming)は,(1)AIチャットセッションを受動的に記録するオープンソースプラットフォームで,(1)開発者のワークフローを損なうことなく,VS Code内できめ細かいコード編集を行う。
大学のソフトウェア工学コースで展開されたRECAPは、複数の週間のプロジェクトを通じて41人の学生から2,034のプロンプトと8,239のコード編集を入手した。
我々は、このプラットフォームのリンクデータとリプレイ機能が、単一のデータソースがサポートできない開発者とAIのインタラクションパターンの分析を可能にする方法を実証する。
関連論文リスト
- How Developers Discuss Generative AI: A Longitudinal Study of the Visual Studio Code Community [0.0]
GitHub Copilot、ChatGPT、コーディングエージェントといったジェネレーティブAIツールは、日々のソフトウェア開発の一部になっている。
本稿では,Visual Studio Code (VS Code) GitHubリポジトリにおける生成AI関連議論の経時的分析について述べる。
論文 参考訳（メタデータ） (2026-09-04T03:16:08Z) - LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University [2.980329026942995]
本稿では、総合的な教育大学において、ジャスト・イン・タイムのAI共同創造のための2層モデルであるLearnAI Frameworkについて述べる。
Wide-Exposure Layerは、既存のコースに短いプレゼンテーションを埋め込んで、大規模なAI認識を構築する。
Customized Co-Creation Layerはオプトインの1対1のセッションを提供する。
5人のクライアントと2人の家庭教師とのインタビューは、AIの使用方法の繰り返しの変化を示唆し、AIを受動的回答マシンとして扱うことから、エンゲージメントへと移行した。
論文 参考訳（メタデータ） (2026-08-19T17:44:54Z) - AgentForge: An Immersive Role-Playing Platform for Learning Agentic Software Engineering [4.609790123179083]
textitAgentForgeは、初心者が4つのソフトウェアエンジニアリングの役割のうちの1つを担う没入型学習システムである。
各練習セッションでは、初心者が選択した役割を演じ、AIエージェントが残りの3つを実行する。
37人の初心者開発者を対象にした調査では、AIエージェントのサポートで高いタスク補完率を達成した。
論文 参考訳（メタデータ） (2026-08-04T18:58:18Z) - From Chatbot to Digital Colleague: The Paradigm Shift Toward Persistent Autonomous AI [74.72113315839412]
大規模言語モデル(LLM)は、推論、記憶、自己改善が可能な統合AIシステムへの根本的な変換が行われている。
我々は、この移行を、叙事詩からデジタル・コルリーグへのシフトとして概念化している:会話の答えから永続的な仕事へ。
論文 参考訳（メタデータ） (2026-06-12T14:33:55Z) - Empirical Study on the Characteristics and Evolution of AI-usage in GitHub Repositories: Evidence from Code Comments [7.213400161126317]
私たちは、AIの使用と関連するコードブロックを明示的に参照する、35,361のGitHubコードコメントを分析します。
最初に500のユニークなコメントとコードブロックをオープンにし、AI支援開発活動の分類を導き出しました。
次に、2つのLCMベースの分類器と、Dawid-Skene予測最大化による集約予測を用いて、全データセットに注釈を付ける。
論文 参考訳（メタデータ） (2026-06-05T02:37:44Z) - SWE-chat: Coding Agent Interactions From Real Users in the Wild [70.18158706281724]
SWE-chatは、オープンソースの開発者から収集された実際のコーディングエージェントセッションの大規模なデータセットである。
現在、データセットには6000のセッションが含まれており、63,000以上のユーザプロンプトと355,000のエージェントツールコールが含まれている。
論文 参考訳（メタデータ） (2026-04-22T17:08:19Z) - Programming by Chat: A Large-Scale Behavioral Analysis of 11,579 Real-World AI-Assisted IDE Sessions [16.76348030799203]
1,300のリポジトリと899の開発者がCursorとGitHub Copilotを使って、11,579のチャットセッションから74,998の開発者メッセージを分析します。
開発者は、完全なタスクを事前に指定するのではなく、アウトプットを反復的に洗練し、認知作業をAIに再配布し、診断、理解、バリデーションをコードやアウトプットに直接関与するのではなく、委譲し、開発者は、コラボレーションを積極的に管理し、永続的なアーティファクトに計画を外部化し、コンテキスト注入や行動制約を通じてAIの自律性を交渉する。
論文 参考訳（メタデータ） (2026-04-01T03:30:53Z) - 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) - "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) - Rapid Development of Omics Data Analysis Applications through Vibe Coding [0.0]
私は、現代の大規模言語モデル(LLM)と自律型コーディングエージェントがこの障壁を劇的に減らすことを実証します。
Vibeのコーディングを使って、標準的なタスクを実行できる完全に機能するデータ分析Webサイトを作りました。
ユーザインターフェース、バックエンドロジック、データアップロードパイプラインを含むアプリケーション全体は、4つの自然言語プロンプトを使用して10分以内で開発されました。
論文 参考訳（メタデータ） (2025-10-10T19:06:27Z) - 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) - Proactive Assistant Dialogue Generation from Streaming Egocentric Videos [48.30863954384779]
この研究は、多様なタスクを通じてユーザーを誘導できるリアルタイムでプロアクティブなAIアシスタントを開発するための基礎を築いた。
まず,注釈付きエゴセントリックビデオから対話を合成する新しいデータキュレーションパイプラインを提案する。
第2に、広範囲な人間の研究を通して検証された自動評価指標のスイートを開発する。
第3に,ストリーミングビデオ入力を処理し,文脈的に適切な応答を生成するエンド・ツー・エンド・モデルを提案する。
論文 参考訳（メタデータ） (2025-06-06T09:23:29Z) - Exploring Prompt Patterns in AI-Assisted Code Generation: Towards Faster and More Effective Developer-AI Collaboration [3.1861081539404137]
本稿では,AI支援コード生成に必要となるインタラクション数を最小化するために,構造化されたプロンプトパターンの適用について検討する。
我々は,開発者とAI間の往復通信を減らすことの有効性を評価するために,異なる7つのプロンプトパターンを分析した。
論文 参考訳（メタデータ） (2025-06-02T12:43:08Z) - SwingArena: Competitive Programming Arena for Long-context GitHub Issue Solving [90.32201622392137]
We present SwingArena, a competitive evaluation framework for Large Language Models (LLMs)。
従来の静的ベンチマークとは異なり、SwingArenaはLLMをイテレーションとして組み合わせて、テストケースを作成し、継続的インテグレーション(CI)パイプラインを通じてパッチを検証するパッチとレビュアーを生成することで、ソフトウェアのコラボレーションプロセスをモデル化する。
論文 参考訳（メタデータ） (2025-05-29T18:28:02Z) - RepoGraph: Enhancing AI Software Engineering with Repository-level Code Graph [63.87660059104077]
RepoGraphは、現代のAIソフトウェアエンジニアリングソリューションのためのリポジトリレベルの構造を管理するプラグインモジュールである。
RepoGraphはすべてのシステムのパフォーマンスを大幅に向上させ、オープンソースフレームワークの間で新たな最先端技術を生み出している。
論文 参考訳（メタデータ） (2024-10-03T05:45:26Z) - ChatDev: Communicative Agents for Software Development [84.90400377131962]
ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。
これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
論文 参考訳（メタデータ） (2023-07-16T02:11:34Z)
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。