論文の概要: How Do Software Professionals Evaluate AI-Generated Code? (Registered Report)
- arxiv url: http://arxiv.org/abs/2607.09434v1
- Date: Fri, 10 Jul 2026 14:01:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-13 14:47:12.857174
- Title: How Do Software Professionals Evaluate AI-Generated Code? (Registered Report)
- Title（参考訳）: ソフトウェアプロフェッショナルはAI生成コードをどのように評価するか(登録レポート)
- Abstract要約: 生成AIツールの最近の進歩は、ソフトウェアプロフェッショナルがコードを書き、評価し、操作する方法を大きく変えた。
これらのツールの採用の増加と依存にもかかわらず、ソフトウェア専門家が生成したコードをどのように評価するかは、まだ不明である。
この研究は、ソフトウェアプロフェッショナルがAI生成コードを評価する方法の理論を構築することを目的としている。
- 参考スコア（独自算出の注目度）: 4.3772632092306045
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in generative AI tools have significantly changed how software professionals write, evaluate, and interact with code. Generative AI tools such as GitHub Copilot, ChatGPT, and Claude are increasingly being integrated into everyday workflows. Despite the growing adoption of and reliance on these tools, it remains unclear as to how software professionals evaluate the code they generate. To explore this topic, we will conduct a constructivist grounded theory study that incorporates a survey, semi-structured interviews, and laddering interviews. With the initial survey data collection complete, we aim to interview 20--50 software professionals iteratively until theoretical saturation is achieved. This research aims to build a theory of how software professionals evaluate AI-generated code, grounded in their accounts of evaluative practices, perceptions, and preferences.
- Abstract（参考訳）: 生成AIツールの最近の進歩は、ソフトウェアプロフェッショナルがコードを書き、評価し、操作する方法を大きく変えた。
GitHub Copilot、ChatGPT、ClaudeといったジェネレーティブAIツールは、日々のワークフローに統合されている。
これらのツールの採用の増加と依存にもかかわらず、ソフトウェア専門家が生成したコードをどのように評価するかは、まだ不明である。
このトピックを探求するため、我々は、調査、半構造化インタビュー、ラグリングインタビューを含む構成主義的基礎理論研究を行う。
最初の調査データ収集が完了すると、20～50人のソフトウェア専門家に、理論飽和が達成されるまで反復的にインタビューすることを目指している。
この研究は、ソフトウェアプロフェッショナルがAI生成コードを評価する方法の理論を構築することを目的としている。
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) - 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) - AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。
我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。
障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
論文 参考訳（メタデータ） (2026-05-18T17:08:26Z) - Rethinking Code Review in the Age of AI: A Vision for Agentic Code Review [2.2807488730605296]
本稿では,AIを利用したコードレビューワークフローの構想について述べる。
信頼性、バイアス、プライバシー、自動化バイアス、透明性、評価など、責任ある採用に対する大きなオープンな課題を特定します。
論文 参考訳（メタデータ） (2026-05-17T17:04:21Z) - AI Co-Scientist for Ranking: Discovering Novel Search Ranking Models alongside LLM-based AI Agents with Cloud Computing Access [60.37646376282544]
本稿では,全検索ランキング研究パイプラインを自動化したAI共同科学者フレームワークを提案する。
これは、AIの共同科学者フレームワークをアルゴリズム研究に利用した、ランキングコミュニティで初めての研究である。
論文 参考訳（メタデータ） (2026-03-23T09:29:08Z) - 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) - From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence [150.3696990310269]
大規模言語モデル(LLM)は、自然言語記述を直接関数コードに変換することによって、自動ソフトウェア開発を変革した。
コードLLMに関する総合的な合成と実践的ガイド(一連の解析および探索実験)を提供する。
一般LLM(GPT-4, Claude, LLaMA)とコード特殊化LLM(StarCoder, Code LLaMA, DeepSeek-Coder, QwenCoder)のコード機能の解析を行う。
論文 参考訳（メタデータ） (2025-11-23T17:09:34Z) - Prompting in Practice: Investigating Software Developers' Use of Generative AI Tools [17.926187565860232]
生成人工知能(GenAI)ツールの統合は、ソフトウェア開発を根本的に変えた。
本研究は,ソフトウェア技術者がGenAIツールをプロフェッショナルな実践に統合する方法について,体系的な調査を行ったものである。
我々は、開発プロセス全体でAIの使用パターンを理解するために、アクティブなGenAIユーザ72人を含む91人のソフトウェアエンジニアを調査した。
論文 参考訳（メタデータ） (2025-10-07T15:02:22Z) - 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) - Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。
Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
論文 参考訳（メタデータ） (2024-10-02T09:11:10Z) - Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。
トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
論文 参考訳（メタデータ） (2023-02-14T18:43:34Z)
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。