論文の概要: How Developers Discuss Generative AI: A Longitudinal Study of the Visual Studio Code Community
- arxiv url: http://arxiv.org/abs/2609.04680v1
- Date: Fri, 04 Sep 2026 03:16:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-07 18:15:23.900122
- Title: How Developers Discuss Generative AI: A Longitudinal Study of the Visual Studio Code Community
- Title（参考訳）: 開発者が生成AIについて語る - Visual Studio Codeコミュニティの縦断的研究
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative AI tools such as GitHub Copilot, ChatGPT, and coding agents have rapidly become part of everyday software development, yet little is known about how mainstream open source communities discuss them in practice. This paper presents a longitudinal analysis of generative-AI-related discussions in the Visual Studio Code (VS Code) GitHub repository, using 43,806 candidate issues created between January 2021 and June 2026. To improve corpus quality, we combined keyword retrieval with semantic relevance filtering, yielding a filtered corpus of 25,227 AI-related issues. We applied BERTopic to the retrieved corpus to identify discussion topics, using the filtered corpus for theme validation and a robustness re-clustering, and analyzed their evolution over time using monthly prevalence and Mann-Kendall trend tests. The results show that developer discussions are dominated by practical concerns regarding the operation of AI-assisted development environments, including agent management, configuration, reliability, authentication, and billing, whereas risks frequently emphasized in survey-based studies, such as hallucination and licensing, rarely surface in this venue. This suggests that discussions of generative AI in the VS Code issue tracker primarily focus on operational aspects of AI-assisted software development. Furthermore, discussions evolved from AI-assisted code completion toward conversational and agent-based development, reflecting the increasing integration of generative AI into software development workflows. These findings suggest that GitHub Issues provide a practical, workflow-oriented perspective on generative AI that complements survey-based studies of developer perceptions.
- Abstract（参考訳）: 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が、オープンソースコミュニティが実際にどのように議論しているかについては、ほとんど分かっていない。
本稿では,2021年1月から2026年6月までに作成された43,806件の候補問題を用いて,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を行った。
コーパスの品質向上のために,キーワード検索と意味関連フィルタリングを併用し,25,227のAI関連問題をフィルタしたコーパスを得た。
検索したコーパスにBERTopicを適用し,テーマ検証とロバスト性再クラスタリングにフィルタコーパスを用いて,月次有病率とマン・ケンドールトレンドテストを用いてその進化を解析した。
その結果, エージェント管理, 構成, 信頼性, 認証, 請求などのAI支援開発環境の運用に関して, 開発者の議論は実践的な関心事に支配されている。
これは、VS Codeイシュートラッカにおける生成AIに関する議論が、主にAI支援ソフトウェア開発の運用面に焦点を当てていることを示唆している。
さらに、AIによるコード補完から対話型およびエージェントベースの開発へと、ソフトウェア開発ワークフローへの生成AIの統合の増大を反映して、議論が発展した。
これらの結果は、GitHub Issuesが、開発者知覚に関するサーベイベースの研究を補完する生成AIに対して、実践的でワークフロー指向の視点を提供することを示唆している。
関連論文リスト
- On Automated and Explainable Provenance of AI-Generated Code [56.818202904805446]
次世代のCodeGenAIツールは、説明可能な証明の基礎の上に構築されなければならない、と我々は主張する。
本稿では,大規模実証研究とポストホック因果・解釈可能性技術を組み合わせた研究プログラムについて述べる。
論文 参考訳（メタデータ） (2026-08-03T14:50:31Z) - How Do AI Coding Agents Contribute to Software Development? an Empirical Study of Agentic Pull Requests [5.6795075579540395]
本研究では,人為的プルリクエスト(PR)を,人為的プルリクエスト(PR)と比較して特徴付けることを目的とする。
まず,エージェントと人為的PRのマージ率の差が時間とともにどのように変化するかを分析する。
次に、AIコーディングエージェントが主に適用される開発タスクの種類を特定します。
論文 参考訳（メタデータ） (2026-07-23T21:48:28Z) - How Do Software Professionals Evaluate AI-Generated Code? (Registered Report) [4.3772632092306045]
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。
論文 参考訳（メタデータ） (2026-07-10T14:01:00Z) - From Conversation to Contribution: Characterizing Coding Agent in Open-Source Software [15.414964008939434]
開発者とAIとのチャットベースのインタラクションは、その後のオープンソース開発とコラボレーションとどのように関係するかを研究する。
私たちは、より小さく、未成熟で、コラボレーションの少ないリポジトリで、より重いAIの使用を見つけます。
ほとんどのデベロッパーはチャットの共有を望んでいるが、いまだに無能なようだ。
論文 参考訳（メタデータ） (2026-07-06T22:44:45Z) - 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) - A Survey of Vibe Coding with Large Language Models [93.88284590533242]
視覚符号化(Vibe Coding)は、開発者が成果観察を通じてAI生成の実装を検証する開発手法である。
変革の可能性にもかかわらず、この創発的パラダイムの有効性は未解明のままである。
この調査は、大規模な言語モデルによるVibe Codingの総合的かつ体系的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-10-14T11:26:56Z) - 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) - CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。
また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
論文 参考訳（メタデータ） (2025-08-28T06:03:11Z) - 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) - OpenHands: An Open Platform for AI Software Developers as Generalist Agents [109.8507367518992]
私たちは、人間の開発者と同じような方法で世界と対話するAIエージェントを開発するためのプラットフォームであるOpenHandsを紹介します。
プラットフォームが新しいエージェントの実装を可能にし、コード実行のためのサンドボックス環境との安全なインタラクション、評価ベンチマークの導入について説明する。
論文 参考訳（メタデータ） (2024-07-23T17:50:43Z) - A Survey of Neural Code Intelligence: Paradigms, Advances and Beyond [84.95530356322621]
この調査は、コードインテリジェンスの発展に関する体系的なレビューを示す。
50以上の代表モデルとその変種、20以上のタスクのカテゴリ、および680以上の関連する広範な研究をカバーしている。
発達軌道の考察に基づいて、コードインテリジェンスとより広範なマシンインテリジェンスとの間の新たな相乗効果について検討する。
論文 参考訳（メタデータ） (2024-03-21T08:54:56Z)
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。