論文の概要: Making AI Visible, Not Vanished: How AI Policies Reshape Developer Experience on GitHub
- arxiv url: http://arxiv.org/abs/2608.03329v1
- Date: Tue, 04 Aug 2026 08:39:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 07:04:20.709036
- Title: Making AI Visible, Not Vanished: How AI Policies Reshape Developer Experience on GitHub
- Title（参考訳）: AIを生き生きとさせる - 開発者エクスペリエンスをGitHubでどのように作り直すか
- Authors: Yunqi Chen, Thomas Zimmermann, Bianca Trinkenreich,
- Abstract要約: オープンソースソフトウェア(OSS)におけるAIガバナンスポリシーの大規模な実証的研究について紹介する。
AIポリシを採用した385のプロジェクトを特定し,5つのガバナンス次元をキャプチャするフレームワークであるTRACEを導出する。
我々の結果は、AIが支援する開発を禁止するのではなく、AIガバナンスが主に規制していることを示している。
- 参考スコア（独自算出の注目度）: 11.19606367764924
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Generative AI is rapidly reshaping Open Source Software (OSS) software development,prompting projects to introduce policies governing AI-assisted contributions. However, little is known about how these policies differ or whether they influence developer experience. We present the first large-scale empirical study of AI governance policies in OSS. Analyzing 29,624 GitHub repositories, we identify 385 projects that adopted AI policies and derive TRACE, a framework capturing five governance dimensions: Transparency, Responsibility, Attribution, Constraints, and Enforcement. We further classify policies into five governance families and estimate their effects using propensity-score matching and longitudinal difference-in-differences analysis. Our results show that AI governance primarily regulates rather than prohibits AI-assisted development. Policy adoption brings maintainer engagement, increased AI disclosure, richer review interactions, and improved code quality while AI-assisted contributions continue to grow. Governance design matters: policies emphasizing transparency and responsibility produced stronger community and quality outcomes than restrictive approaches alone. Our findings show how different AI governance strategies shape developer experience and provide evidence to help OSS communities design effective AI policies.
- Abstract（参考訳）: ジェネレーティブAIは、オープンソースソフトウェア(OSS)ソフトウェア開発を急速に改革し、AI支援のコントリビューションを管理するポリシーを導入するプロジェクトを進めている。
しかし、これらのポリシーがどのように異なるのか、それとも開発者エクスペリエンスに影響を与えるのかについては、ほとんど分かっていない。
OSSにおけるAIガバナンスポリシーに関する大規模な実証的研究について紹介する。
29,624のGitHubリポジトリを分析して、AIポリシを採用した385のプロジェクトを特定し、Transparency、Responsibility、Attribution、Constraints、Enforcementの5つのガバナンスディメンションをキャプチャするフレームワークであるTRACEを導出します。
さらに、政策を5つのガバナンスファミリに分類し、その効果を正当性スコアマッチングと縦差差分分析を用いて推定する。
我々の結果は、AIが支援する開発を禁止するのではなく、AIガバナンスが主に規制していることを示している。
ポリシーの採用により、メンテナの関与、AI開示の増大、よりリッチなレビューインタラクション、コード品質の向上、AI支援によるコントリビューションの拡大が続けられている。
透明性と責任を強調する政策は、制限的なアプローチ単独よりも強いコミュニティと品質の成果を生み出しました。
我々の研究結果は、異なるAIガバナンス戦略が開発者エクスペリエンスをどのように形成し、OSSコミュニティが効果的なAIポリシーを設計するのに役立つ証拠を提供するかを示している。
関連論文リスト
- AI Where It Matters: Where, Why, and How Developers Want AI Support in Daily Work [3.1984206905916]
ジェネレーティブAIはソフトウェアワークを再構築していますが、開発者が最も必要とする場所とサポートの明確なガイダンスはありません。
我々は、N=860の開発者を対象に、AIの助けを求める場所、理由、方法、限界を調査する大規模で混合的な研究を報告します。
私たちの結果は、開発者とその作業にとって重要なAIを提供するための、具体的かつコンテキスト的なガイダンスを提供します。
論文 参考訳（メタデータ） (2025-10-01T10:51:03Z) - Never Compromise to Vulnerabilities: A Comprehensive Survey on AI Governance [211.5823259429128]
本研究は,本質的セキュリティ,デリバティブ・セキュリティ,社会倫理の3つの柱を中心に構築された,技術的・社会的次元を統合した包括的枠組みを提案する。
我々は,(1)防衛が進化する脅威に対して失敗する一般化ギャップ,(2)現実世界のリスクを無視する不適切な評価プロトコル,(3)矛盾する監視につながる断片的な規制,の3つの課題を特定する。
私たちのフレームワークは、研究者、エンジニア、政策立案者に対して、堅牢でセキュアなだけでなく、倫理的に整合性があり、公的な信頼に値するAIシステムを開発するための実用的なガイダンスを提供します。
論文 参考訳（メタデータ） (2025-08-12T09:42:56Z) - Media and responsible AI governance: a game-theoretic and LLM analysis [61.132523071109354]
本稿では,信頼できるAIシステムを育成する上での,AI開発者,規制当局,ユーザ,メディア間の相互作用について検討する。
進化的ゲーム理論と大言語モデル(LLM)を用いて、異なる規制体制下でこれらのアクター間の戦略的相互作用をモデル化する。
論文 参考訳（メタデータ） (2025-03-12T21:39:38Z) - The AI Pentad, the CHARME$^{2}$D Model, and an Assessment of Current-State AI Regulation [5.231576332164012]
本稿では,コアAIコンポーネントの観点から,AI規制の統一モデルを確立することを目的とする。
まず、AIの5つの重要なコンポーネントで構成されるAI Pentadを紹介します。
次に、AI登録と開示、AI監視、AI執行機構を含むAI規制イネージャをレビューする。
論文 参考訳（メタデータ） (2025-03-08T22:58:41Z) - Particip-AI: A Democratic Surveying Framework for Anticipating Future AI Use Cases, Harms and Benefits [54.648819983899614]
汎用AIは、一般大衆がAIを使用してそのパワーを利用するための障壁を下げたようだ。
本稿では,AI利用事例とその影響を推測し,評価するためのフレームワークであるPartICIP-AIを紹介する。
論文 参考訳（メタデータ） (2024-03-21T19:12:37Z) - Operationalising Responsible AI Using a Pattern-Oriented Approach: A
Case Study on Chatbots in Financial Services [11.33499498841489]
責任AI(Responsible AI)は、人間、社会、環境に利益をもたらす方法でAIシステムを開発し、利用するプラクティスである。
さまざまな責任あるAI原則が最近リリースされたが、これらの原則は非常に抽象的で実用的ではない。
ギャップを埋めるために、パターン指向のアプローチを採用し、責任あるAIパターンカタログを構築します。
論文 参考訳（メタデータ） (2023-01-03T23:11:03Z) - Responsible AI Pattern Catalogue: A Collection of Best Practices for AI
Governance and Engineering [20.644494592443245]
MLR(Multivocal Literature Review)の結果に基づく応答性AIパターンカタログを提案する。
原則やアルゴリズムのレベルにとどまらず、私たちは、AIシステムのステークホルダーが実際に行なえるパターンに注目して、開発済みのAIシステムがガバナンスとエンジニアリングライフサイクル全体を通して責任を負うようにします。
論文 参考訳（メタデータ） (2022-09-12T00:09:08Z) - Aligning Artificial Intelligence with Humans through Public Policy [0.0]
このエッセイは、下流のタスクに活用可能なポリシーデータの構造を学ぶAIの研究の概要を概説する。
これはAIとポリシーの"理解"フェーズを表していると私たちは考えていますが、AIを整合させるために人的価値の重要な源としてポリシーを活用するには、"理解"ポリシーが必要です。
論文 参考訳（メタデータ） (2022-06-25T21:31:14Z)
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。