Table Of Links Mesa da esquerda Abstraccións 1 Introduction 1 Introdución 2 Data Collection 2 Recollida de datos 3 RQ1: What types of software engineering inquiries do developers present to ChatGPT in the initial prompt? 3 RQ1: Que tipos de consultas de enxeñaría de software presentan os desenvolvedores a ChatGPT na solicitude inicial? 4 RQ2: How do developers present their inquiries to ChatGPT in multi-turn conversations? 4 RQ2: Como presentan os desenvolvedores as súas consultas a ChatGPT en conversas multi-turn? 5 RQ3: What are the characteristics of the sharing behavior? 5 RQ3: Cales son as características do comportamento compartido? 6 Discussions 6 Discusións 7 Threats to Validity 7 Ameazas á validez 8 Related Work 8 Traballos relacionados 9 Conclusion and Future Work 9 Conclusións e traballos futuros References Referencias Conclusións e traballos futuros Neste artigo, estudamos o papel de ChatGPT na codificación colaborativa analizando as conversacións compartidas dos desenvolvedores con ChatGPT en solicitudes e problemas de GitHub, aproveitando o conxunto de datos de DevGPT. Os nosos principais achados inclúen: (1) Os desenvolvedores buscan a axuda de ChatGPT en 16 tipos de consultas de enxeñaría de software. Nas tarefas de xeración de código e resolución de problemas, os desenvolvedores a miúdo van máis alá das entradas convencionais de descricións de texto ou código buggy, que son os parámetros estándar para FMs na xeración de código e reparación de programas. Isto indica unha gama máis ampla de entradas que se utilizan en escenarios do mundo real. (3) Os desenvolvedores se involucran con ChatGPT durante conversas multiturn a través de preguntas de seguimento iterativas, refinamento rápido e consultas de aclaración. Estes métodos empréganse para mellorar progresivamente a calidade e a relevancia das respostas de ChatGPT. (4) Os desenvolvedores con diferentes papeis -como autores de publicacións, autores de PR e revisores de códigos- utilizan conversas compartidas con ChatGPT para complementar as súas contribucións específicas de rol. Esta práctica ten como obxectivo mellorar a eficiencia e a transparencia dos procesos de desenvolvemento de software colaborativo. Tamén planeamos explorar se as mellores prácticas existentes para a enxeñaría rápida foron aplicadas nas conversacións compartidas recollidas e se a súa aplicación influirá no fluxo de conversacións multi-turn. Acknowledgements Recoñecemos o apoio do Consello de Investigación en Ciencias Naturais e Enxeñaría do Canadá (NSERC), [número de referencia de financiamento: RGPIN-2019-05071]. Conflict of Interest Os autores declaran que non teñen conflito de intereses. Data Availability Statements Os resultados, o código fonte e os datos relacionados con este estudo están dispoñibles en https: //github.com/RISElabQueens/analyzing-shared-conversation Referencias Arya D, Wang W, Guo JL, Cheng J (2019) Análise e detección de tipos de información de temas de software de código aberto. En: 2019 IEEE/ACM 41st International Conference on Software Engineering (ICSE), IEEE, pp 454-464 Baltes S, Treude C, Robillard MP (2020) Documentación contextual referenciando sobre o exceso de pila. Barke S, James MB, Polikarpova N (2023) Co-piloto baseado: como os programadores interactúan cos modelos de xeración de código. Beyer S, Macho C, Di Penta M, Pinzger M (2020) Que tipo de preguntas fan os desenvolvedores sobre o exceso de pila? unha comparación de enfoques automatizados para clasificar as publicacións en categorías cuestionadas. Chen M, Tworek J, Jun H, Yuan Q, Pinto HPdO, Kaplan J, Edwards H, Burda Y, Joseph N, Brockman G, et al. (2021) Avaliación de grandes modelos de linguaxe adestrados en código. arXiv preprint arXiv:210703374 Deng Y, Xia CS, Yang C, Zhang SD, Yang S, Zhang L (2024) Grandes modelos de linguaxe son xeradores de casos de vantaxe: Elaboración de programas inusuais para fusionar bibliotecas de aprendizaxe profunda. Di Sorbo A, Panichella S, Visaggio CA, Di Penta M, Canfora G, Gall HC (2015) Analista de contido de correo electrónico de desenvolvemento: Intention mining in developer discussions (t). En: 2015 30th IEEE/ACM International Conference on Automated Software Engineering (ASE), IEEE, pp 12–23 Gagniuc PA (2017) Markov Chains: da teoría á implementación e experimentación. G ́omez C, Cleary B, Singer L (2013) Un estudo sobre a difusión da innovación a través do intercambio de ligazóns sobre o sobrevoo de pilas.In: 2013 10th working conference on mining software repositories (MSR), IEEE, pp 81–84 Guo Q, Cao J, Xie X, Liu S, Li X, Chen B, Peng X (2024) Explorar o potencial do chatgpt no refinamento de código automatizado: un estudo empírico. Hata H, Treude C, Kula RG, Ishio T (2019) 9.6 millóns de ligazóns en comentarios de código fonte: Propósito, evolución e decadencia. En: 2019 IEEE/ACM 41st International Conference on Software Engineering (ICSE), IEEE, pp 1211–1221 Hata H, Novielli N, Baltes S, Kula RG, Treude C (2022) Discusións en Github: Un estudo exploratorio da adopción precoz. Hou X, Zhao Y, Liu Y, Yang Z, Wang K, Li L, Luo X, Lo D, Grundy J, Wang H (2023) Grandes modelos de linguaxe para a enxeñaría de software: unha revisión sistemática da literatura. arXiv preprint arXiv:230810620 Huang Q, Xia X, Lo D, Murphy GC (2018) Automatización da minería de intencións. IEEE Transactions on Software Engineering 46(10):1098–1119 Jiang N, Liu K, Lutellier T, Tan L (2023) Impacto dos modelos de linguaxe de código na reparación de programas automatizados. En: Procedementos da 45a Conferencia Internacional de Enxeñaría de Software, IEEE Press, ICSE ’23, p 1430–1442, DOI 10.1109/ICSE48619.2023.00125, URL https://doi.org/ 10.1109/ICSE48619.2023.00125 Landis JR, Koch GG (1977) A medición do acordo do observador para os datos categóricos. biometría pp 159-174 Li L, Ren Z, Li X, Zou W, Jiang H (2018) Como están ligadas as unidades de emisión? estudo empírico sobre o comportamento de ligazón en github. In: 2018 25th Asia-Pacific Software Engineering Conference (APSEC), IEEE, pp 386-395 Liang JT, Yang C, Myers BA (2024) Unha enquisa a gran escala sobre a usabilidade dos asistentes de programación AI: éxitos e retos. Liu J, Xia X, Lo D, Zhang H, Zou Y, Hassan AE, Li S (2021) Ligazóns externas rotas sobre o exceso de pila. Liu J, Zhang H, Xia X, Lo D, Zou Y, Hassan AE, Li S (2022) Un estudo exploratorio sobre os enlaces externos repetidamente compartidos sobre o exceso de pila. Lu J, Yu L, Li X, Yang L, Zuo C (2023) Llama-reviewer: Advancing code review automation with large language models through parameter-efficient fine-tuning.In: 2023 IEEE 34th International Symposium on Software Reliability Engineering (ISSRE), IEEE, pp 647658 Mozannar H, Bansal G, Fourney A, Horvitz E (2022) Ler entre liñas: Modelando o comportamento do usuario e os custos na programación asistida por AI. arXiv preprint arXiv:221014306 Nijkamp E, Pang B, Hayashi H, Tu L, Wang H, Zhou Y, Savarese S, Xiong C (2022) Codegen: Un modelo de linguaxe grande aberta para código con síntese de programas multi-turn. Nurwidyantoro A, Shahin M, Chaudron MR, Hussain W, Shams R, Perera H, Oliver G, Whittle J (2022) Valores humanos en artefactos de desenvolvemento de software: un estudo de caso sobre discusións de temas en tres aplicacións de Android. OpenAI (2024a) ChatGTP Ligazóns compartidas FAQ. URL https://help.openai. com/en/articles/7925741-chatgpt-shared-links-faq, accedido: 2024- 01-23 OpenAI (2024b) Crea unha ligazón compartida. URL https://help.openai.com/en/ articles/7943611-create-a-shared-link, accessed: 2024-01-23 Qu C, Yang L, Croft WB, Zhang Y, Trippas JR, Qiu M (2019) Predición da intención do usuario nas conversacións que buscan información. Rosen C, Shihab E (2016) O que están a preguntar os desenvolvedores móbiles? un estudo a gran escala usando o sobrevoo de pilas. Ross SI Martinez F, Houde S, Muller M, Weisz JD (2023) O asistente do programador: interacción conversacional cun modelo de linguaxe grande para o desenvolvemento de software. Shi L, Chen X, Yang Y, Jiang H, Jiang Z, Niu N, Wang Q (2021) Unha primeira ollada ao chat en directo dos desenvolvedores na grella. en: Procedementos da 29a reunión conxunta da ACM sobre a Conferencia Europea de Enxeñaría de Software e o Simposio sobre os fundamentos da Enxeñaría de Software, pp. 391–403 Siddiq ML, Santos J, Tanvir RH, Ulfat N, Rifat FA, Lopes VC (2023) Explorando a eficacia dos grandes modelos de linguaxe na xeración de probas unitarias. arXiv preprint arXiv:230500418 Treude C, Barzilay O, Storey MA (2011) Como os programadores fan e responden ás preguntas na web? (en: Proceedings of the 33rd International Conference on Software Engineering, pp. 804–807). Vaithilingam P, Zhang T, Glassman EL (2022) Expectation vs. experience: Evaluar a usabilidade das ferramentas de xeración de código alimentadas por grandes modelos de linguaxe. Viviani G, Famelis M, Xia X, Janik-Jones C, Murphy GC (2019) Localizando información de deseño latente en discusións de desenvolvedores: un estudo sobre solicitudes de pull. Wan Z, Xia X, Hassan AE (2019) O que se discute sobre blockchain? un estudo de caso sobre o uso de lda equilibrada e a arquitectura de referencia dun dominio para capturar discusións en liña sobre plataformas blockchain en todas as comunidades de intercambio de pilas. Wang D, Xiao T, Thongtanunam P, Kula RG, Matsumoto K (2021) Comprender os enlaces compartidos e as súas intencións para satisfacer as necesidades de información na revisión do código moderno: un estudo de caso dos proxectos openstack e qt. Wang X, Chen Y, Yuan L, Zhang Y, Li Y, Peng H, Ji H (2024) Accións de código executables provocan mellores axentes llm. arXiv preprint arXiv:240201030 Xiao T, Baltes S, Hata H, Treude C, Kula RG, Ishio T, Matsumoto K (2023) 18 millóns de ligazóns en mensaxes de compromiso: propósito, evolución e decadencia. Xiao T, Treude C, Hata H, Matsumoto K (2024) Devgpt: Estudar conversas de desenvolvedores. en: Procedementos da Conferencia Internacional sobre repositorios de software de minería (MSR 2024) Ye D, Xing Z, Kapre N (2017) A estrutura e a dinámica da rede de coñecemento en sitios de Q&A específicos de dominio: un estudo de caso de sobrecarga de pilas. Zampetti F, Ponzanelli L, Bavota G, Mocci A, Di Penta M, Lanza M (2017) Como os desenvolvedores extraen solicitudes de documentos con referencias externas. en: 2017 IEEE/ACM 25th International Conference on Program Comprehension (ICPC), IEEE, pp 23-33 Zhang B, Liang P, Zhou X, Ahmad A, Waseem M (2023) Prácticas e retos do uso do copiloto de github: un estudo empírico. arXiv preprint arXiv:230308733 Zhang T, Gao C, Ma L, Lyu M, Kim M (2019) Un estudo empírico dos retos comúns no desenvolvemento de aplicacións de aprendizaxe profunda.En: 2019 IEEE 30th International Symposium on Software Reliability Engineering (ISSRE), IEEE, pp 104–115 Zhang Y, Yu Y, Wang H, Vasilescu B, Filkov V (2018) In-ecosystem issue linking: a large-scale study of rails.In: Proceedings of the 7th international workshop on software mining, pp 12-19 Ziegler A, Kalliamvakou E, Li XA, Rice A, Rifkin D, Simister S, Sittampalam G, Aftandilian E (2022) Avaliación da produtividade da realización do código neural. 
 
 
 Autores 
 
 
 
 
 
 
 
 Huizi Hao Kazi Amit Hasan Hong Qin Marcos Macedo Yuan Tian Steven H. H. Ding Ahmed E. Hassan Authors 
 
 
 
 
 
 
 
 Xacobeo Hao Xesús Amit Hasan Liña Qin Marcos Macedo Xan Tián Categoría: Steven H. H. Ding Axudante E. Hassan 
 
 Este artigo está dispoñible en arquiv baixo a licenza CC BY-NC-SA 4.0. Este artigo está dispoñible en arquiv baixo a licenza CC BY-NC-SA 4.0. Xiv

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

AI Models on HackerNoon

Este audio está producido na lingua orixinal da historia!

O que os desenvolvedores piden ao ChatGPT ao escribir código

About Author

COMENTARIOS

Etiquetas colgantes

ESTE ARTIGO FOI PRESENTADO EN

Related Stories

HackerNoon Decoded 2024: Celebrating Our Product Management Community!

HackerNoon Decoded 2024: Celebrating Our HackerNoon Community!

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

HackerNoon Decoded 2024: Celebrating Our Writing Community!

HackerNoon Decoded 2024: Celebrating Our Product Management Community!

HackerNoon Decoded 2024: Celebrating Our HackerNoon Community!

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

HackerNoon Decoded 2024: Celebrating Our Writing Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps