論文の概要: To Tab or Not to Tab: Measuring Critical Engagement in AI Code Completion Tools Using Behavioral Signals and Attention Checks

• arxiv url: http://arxiv.org/abs/2606.30549v1
• Date: Mon, 29 Jun 2026 16:47:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.338782
• Title: To Tab or Not to Tab: Measuring Critical Engagement in AI Code Completion Tools Using Behavioral Signals and Attention Checks
• Title（参考訳）: To Tab or Not To Tab: 行動信号と注意チェックを用いたAIコード補完ツールにおけるクリティカルエンゲージメントの測定
• Abstract要約: 学生のコード提案とのインタラクションをログするコード補完ツールであるCloverを提示する。 Cloverはまた、プログラミングタスク中の反射的エンゲージメントを調査するための注意チェックを提供する。
• 参考スコア（独自算出の注目度）: 1.167776800896548
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: AI code completion tools, such as Github Copilot, provide students with code suggestions to help them write programs. However, recent qualitative studies suggest that students fail to critically evaluate these suggestions. We present Clover, a code completion tool that logs students' interactions with code suggestions and additionally offers attention checks to probe reflective engagement during programming tasks. We also develop a taxonomy of behavioral interaction metrics for AI-assisted programming, informed by literature. We analyzed relationships between interaction patterns, engagement with attention checks, and task performance. We observed that higher rates of tab accept were associated with lower attention check performance, while increased dwell time was associated with higher attention check performance. We conclude by discussing how programming process data and attention checks might support reflective engagement in AI-assisted programming.
• Abstract（参考訳）: Github CopilotのようなAIコード補完ツールは、学生にプログラムを書くのに役立つコード提案を提供する。 しかし、最近の質的研究は、学生がこれらの提案を批判的に評価することができないことを示唆している。 コード補完ツールであるCloverは、学生のコード提案とのインタラクションをログし、プログラミングタスク中の反射的エンゲージメントを調査するための注意チェックを提供する。 また、文献から情報を得たAI支援プログラミングのための行動相互作用指標の分類法も開発している。 我々は,インタラクションパターン,注意チェックによる関与,タスクパフォーマンスの関係を分析した。 その結果,タブ受入率の上昇は注意点検性能の低下と相関し,居住時間の増加は注意点検性能の上昇と関連していることがわかった。 我々は、AI支援プログラミングにおけるリフレクティブエンゲージメントを、プログラミングのプロセスデータとアテンションチェックがどのように支援するかを議論することで締めくくった。

関連論文リスト

• AI-Assisted Help-Seeking Trajectories in Programming Education from an SRL-Informed Perspective [11.163797770670683]
  本研究は,大学レベルのプログラミングにおけるAI支援型ヘルプサーキングの軌跡を解析した。 その結果、多くの学生が、計画的で自己規制された問題解決よりも、主にAIをリアクティブなトラブルシューティングに用いていることが示唆された。
  論文  参考訳（メタデータ） (2026-06-22T03:37:58Z)
• Scaffolding Metacognition in Programming Education: Understanding Student-AI Interactions and Design Implications [10.81558535566768]
  ChatGPTのような生成AIツールは、初心者プログラマに、インスタントでパーソナライズされたサポートへの前例のないアクセスを提供する。 これは明確な約束であるが、学生のメタ認知過程に対する影響は未解明のままである。 本研究では,大学レベルのプログラミングコースにおけるメタ認知レンズを用いて,学生とAIの相互作用を分析することでギャップを解消する。
  論文  参考訳（メタデータ） (2025-11-06T07:42:24Z)
• 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)
• Students' Reliance on AI in Higher Education: Identifying Contributing Factors [2.749898166276854]
  本研究では,大学生のAI依存パターンに寄与する潜在的な要因について検討した。 適切な依存は、学生の自己効力、プログラミングリテラシー、認知の必要性に大きく関係している。 信頼度は、タスク後の信頼度とAIアシスタントとの満足度に有意な相関を示した。
  論文  参考訳（メタデータ） (2025-06-16T17:55:26Z)
• From Coders to Critics: Empowering Students through Peer Assessment in the Age of AI Copilots [3.3094795918443634]
  本稿では,大規模プログラミングコースで実装されたルーリックベースで匿名化されたピアレビュープロセスについて,実証的研究を行う。 学生同士の最終プロジェクト(2Dゲーム)を評価し,その評価を,相関,平均絶対誤差,根平均二乗誤差(RMSE)を用いたインストラクターの成績と比較した。 その結果、ピアレビューは、インストラクターの評価を適度な精度で近似し、学生のエンゲージメント、評価的思考、そして仲間に良いフィードバックを提供することへの関心を高めることができた。
  論文  参考訳（メタデータ） (2025-05-28T08:17:05Z)
• Improving Question Embeddings with Cognitive Representation Optimization for Knowledge Tracing [77.14348157016518]
  KTモデリングの研究は、既存の未更新の学生の相互作用の記録に基づいて、将来の学生のパフォーマンスを予測することに焦点を当てている。 動的プログラミングアルゴリズムを用いて認知表現の構造を最適化する知識追跡型認知表現最適化(CRO-KT)モデルを提案する。
  論文  参考訳（メタデータ） (2025-04-05T09:32:03Z)
• Interactive Agents to Overcome Ambiguity in Software Engineering [61.40183840499932]
  AIエージェントは、あいまいで不明確なユーザー指示に基づいて、タスクを自動化するためにますますデプロイされている。 不安定な仮定をし、明確な質問をしないことは、最適以下の結果につながる可能性がある。 対話型コード生成設定において,LLMエージェントが不明瞭な命令を処理する能力について,プロプライエタリモデルとオープンウェイトモデルを評価して検討する。
  論文  参考訳（メタデータ） (2025-02-18T17:12:26Z)
• How far are AI-powered programming assistants from meeting developers' needs? [17.77734978425295]
  GitHub CopilotのようなIDE内AIコーディングアシスタントツール(ACAT)は、開発者のコーディング習慣に大きな影響を与えている。 我々は,実開発シナリオをシミュレートし,27人のコンピュータサイエンス学生を募集し,その振る舞いを3つのACATを用いて調査する。 ACATは一般的にタスク完了率を高め、時間を短縮し、コード品質を改善し、自己認識の生産性を高めます。
  論文  参考訳（メタデータ） (2024-04-18T08:51:14Z)
• Giving Feedback on Interactive Student Programs with Meta-Exploration [74.5597783609281]
  ウェブサイトやゲームのようなインタラクティブなソフトウェアを開発することは、特にコンピュータ科学を学ぶための魅力的な方法である。 標準的アプローチでは、インストラクターは、学生が実装した対話型プログラムを手動で評価する必要がある。 Code.orgのような何百万ものオンラインプラットフォームは、インタラクティブなプログラムを実装するための代入に関するフィードバックを提供することができない。
  論文  参考訳（メタデータ） (2022-11-16T10:00:23Z)
• Composite Learning for Robust and Effective Dense Predictions [81.2055761433725]
  マルチタスク学習は、目標タスクを補助タスクと協調的に最適化することで、より優れたモデル一般化を約束する。 自己監督型(補助的)タスクと密接な予測(目標)タスクを共同でトレーニングすることで、目標タスクの性能を継続的に向上し、補助タスクのラベル付けの必要性を排除できることが判明した。
  論文  参考訳（メタデータ） (2022-10-13T17:59:16Z)
• Task Compass: Scaling Multi-task Pre-training with Task Prefix [122.49242976184617]
  既存の研究では、大規模教師付きタスクによるマルチタスク学習がタスク間の負の効果に悩まされていることが示されている。 タスク間の関係を探索するために,タスクプレフィックスガイド付きマルチタスク事前学習フレームワークを提案する。 我々のモデルは、幅広いタスクの強力な基盤バックボーンとして機能するだけでなく、タスク関係を分析するための探索ツールとしても実現可能である。
  論文  参考訳（メタデータ） (2022-10-12T15:02:04Z)
• Enforcing Consistency in Weakly Supervised Semantic Parsing [68.2211621631765]
  本稿では,関連する入力に対する出力プログラム間の整合性を利用して,スプリアスプログラムの影響を低減することを提案する。 より一貫性のあるフォーマリズムは、一貫性に基づくトレーニングを必要とせずに、モデルパフォーマンスを改善することにつながります。
  論文  参考訳（メタデータ） (2021-07-13T03:48:04Z)

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。