Table Of Links 左のテーブル 抽象 1 Introduction 1 導入 2 Data Collection 2 データ収集 3 RQ1: What types of software engineering inquiries do developers present to ChatGPT in the initial prompt? 3 RQ1: 開発者は最初のプロンプトで ChatGPT にどのような種類のソフトウェアエンジニアリングリクエストを提示しますか? 4 RQ2: How do developers present their inquiries to ChatGPT in multi-turn conversations? 4 RQ2: 開発者はどのようにして、複数の回転会話で ChatGPT にリクエストを提示するのですか。 5 RQ3: What are the characteristics of the sharing behavior? 5 RQ3:共有行動の特徴は何ですか? 6 Discussions 6 議論 7 Threats to Validity 7 正当性の脅威 8 Related Work 8 関連事業 9 Conclusion and Future Work 9 結論と将来の仕事 References 参照 結論と将来の仕事 この論文では、DevGPTデータセットを活用して、GitHubのトラックリクエストや問題で開発者が共有したChatGPTとの会話を分析することで、CATGPTの役割を研究します。当社の主要な発見には、(1)開発者は16種類のソフトウェアエンジニアリングリクエストでCATGPTの助けを求めます。 コード生成および問題解決タスクでは、開発者はしばしば、コード生成およびプログラム修理におけるFMの標準ベンチマークであるテキスト記述またはバグコードの従来の入力を超えています。これは、実際のシナリオでより幅広い入力が使用されていることを示しています。 これらの方法は、ChatGPTの応答の質と関連性を段階的に向上させるために用いられています。 (4) さまざまな役割を担う開発者(出典の著者、PRの著者、コードレビュー者など)は、ChatGPTとの共有会話を利用して、役割特有の貢献を補完します。 我々はまた、既存の迅速なエンジニアリングのための最良の実践が収集された共有会話に適用されたかどうか、およびそれらの適用が複数の回転会話の流れに影響を与えるかどうかを調査する予定です。 Acknowledgements 我々は、カナダ自然科学工学研究評議会(NSERC)の支持を認めている(資金調達参考番号:RGPIN-2019-05071)。 Conflict of Interest 著者は、利益衝突がないことを宣言する。 Data Availability Statements この研究の結果、ソースコード、および関連するデータは https で利用できます: //github.com/RISElabQueens/analyzing-shared-conversation 参照 Arya D, Wang W, Guo JL, Cheng J (2019) オープンソースソフトウェア問題の情報タイプの分析と検出. In: 2019 IEEE/ACM 41st International Conference on Software Engineering (ICSE), IEEE, pp 454–464 Baltes S, Treude C, Robillard MP (2020) Stack overflowに関する文献参照 IEEE Software Engineering Transactions 48(1):135–149 Barke S, James MB, Polikarpova N (2023) Grounded copilot: How programmers interact with code-generating models. Proceedings of the ACM on Programming Languages 7(OOPSLA1):85–111 Beyer S, Macho C, Di Penta M, Pinzger M (2020) 開発者がストックオーバーフローについて何の質問をしますか? 投稿を質問カテゴリーに分類するための自動化されたアプローチの比較 実用的なソフトウェアエンジニアリング 25:2258-2301 Chen M, Tworek J, Jun H, Yuan Q, Pinto HPdO, Kaplan J, Edwards H, Burda Y, Joseph N, Brockman G, et al. (2021) コードで訓練された大型言語モデルの評価. arXiv preprint arXiv:210703374 Deng Y, Xia CS, Yang C, Zhang SD, Yang S, Zhang L (2024) 大規模な言語モデルはエッジジェネレーターである:深層学習図書館を混乱させるための異常なプログラムの作成。 Di Sorbo A, Panichella S, Visaggio CA, Di Penta M, Canfora G, Gall HC (2015) 開発メールコンテンツアナライザー: 開発者の議論における意図的なマイニング(t) In: 2015 30th IEEE/ACM International Conference on Automated Software Engineering (ASE), IEEE, pp 12–23 Gagniuc PA (2017) Markov Chains: From Theory to Implementation and Experimentation. ジョン・ワイリー&ソンズ G ́omez C, Cleary B, Singer L (2013) A study of innovation diffusion through link sharing on stack overflow. 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) Automated Code Refinement: An Empirical Study. In: Proceedings of the 46th IEEE/ACM International Conference on Software Engineering, pp 1–13 Hata H, Treude C, Kula RG, Ishio T (2019) 9.6 million links in source code comments: Purpose, evolution, and decay. In: 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) Github discussions: An exploratory study of early adoption. 実験的ソフトウェアエンジニアリング 27:1–32 Hou X, Zhao Y, Liu Y, Yang Z, Wang K, Li L, Luo X, Lo D, Grundy J, Wang H (2023) ソフトウェアエンジニアリングのための大型言語モデル:文献の体系的なレビュー. arXiv preprint arXiv:230810620 Huang Q, Xia X, Lo D, Murphy GC (2018) 意図採掘の自動化. IEEE ソフトウェア工学に関する取引 46(10):1098–1119 Jiang N, Liu K, Lutellier T, Tan L (2023) コード言語モデルの自動プログラム修理への影響. In: 45th International Conference on Software Engineering, 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) The measurement of observer agreement for categorical data. biometrics pp 159-174 Li L, Ren Z, Li X, Zou W, Jiang H (2018) How are issue units linked? empirical study on the linking behavior in github. In: 2018 25th Asia-Pacific Software Engineering Conference (APSEC), IEEE, pp 386–395 Liang JT, Yang C, Myers BA (2024) AIプログラミングアシスタントの可用性に関する大規模調査:成功と課題. In: Proceedings of the 46th IEEE/ACM International Conference on Software Engineering, pp 1–13 Liu J, Xia X, Lo D, Zhang H, Zou Y, Hassan AE, Li S (2021) Stack overflow で外部リンクが壊れた IEEE Software Engineering Transactions 48(9):3242–3267 Liu J, Zhang H, Xia X, Lo D, Zou Y, Hassan AE, Li S (2022) ステックオーバーフローに関する外部リンクの繰り返し共有に関する探検研究。 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) Reading between the lines: Modeling user behavior and costs in ai-assisted programming. arXiv preprint arXiv:221014306 Nijkamp E, Pang B, Hayashi H, Tu L, Wang H, Zhou Y, Savarese S, Xiong C (2022) Codegen: Multi-turn program synthesis for code. In: The Eleventh International Conference on Learning Representations Nurwidyantoro A, Shahin M, Chaudron MR, Hussain W, Shams R, Perera H, Oliver G, Whittle J (2022) Human values in software development artefacts: A case study on issue discussions in three android applications. 情報とソフトウェア技術 141:106731 OpenAI (2024a) ChatGTP 共有リンク FAQ. URL https://help.openai. com/en/articles/7925741-chatgpt-shared-links-faq, アクセス: 2024- 01-23 OpenAI (2024b) Create a Shared Link. 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) User intent prediction in information-seeking conversations. In: Proceedings of the 2019 Conference on Human Information Interaction and Retrieval, pp 25-33 Rosen C, Shihab E (2016) What are mobile developers asking about? a large scale study using stack overflow. 実験的ソフトウェアエンジニアリング 21:1192– 1223 Ross SI Martinez F, Houde S, Muller M, Weisz JD (2023) The programmer's assistant: Conversational interaction with a large language model for software development. In: Proceedings of the 28th International Conference on Intelligent User Interfaces, pp. 491–514 Shi L, Chen X, Yang Y, Jiang H, Jiang Z, Niu N, Wang Q (2021) グリット上で開発者のライブチャットを初めて見る In: ACM Joint Meeting on European Software Engineering Conference and Symposium on Foundations of Software Engineering, pp. 391–403 Siddiq ML, Santos J, Tanvir RH, Ulfat N, Rifat FA, Lopes VC (2023) ユニットテストの生成における大型言語モデルの有効性を調査する. arXiv preprint arXiv:230500418 Treude C, Barzilay O, Storey MA (2011) How do programmers ask and answer questions on the web? in: Proceedings of the 33rd international conference on software engineering, pp. 804–807 Vaithilingam P, Zhang T, Glassman EL (2022) Expectation vs. experience: Evaluating the usability of code generation tools powered by large language models. In: Chi conference on human factors in computing systems extended abstracts, pp 1–7 Viviani G, Famelis M, Xia X, Janik-Jones C, Murphy GC (2019) 開発者会議における隠れたデザイン情報を検索:リトルリクエストに関する研究 IEEE ソフトウェアエンジニアリングに関するトランザクション 47(7):1402–1413 Wan Z, Xia X, Hassan AE (2019) What is discussed about blockchain? a case study on the use of balanced lda and the reference architecture of a domain to capture online discussions about blockchain platforms across the stack exchange communities. IEEE Transactions on Software Engineering (01):1–1 Wang D, Xiao T, Thongtanunam P, Kula RG, Matsumoto K (2021) 現代のコードレビューにおける情報需要を満たすための共有リンクとその意図を理解する:openstackとqtプロジェクトのケーススタディ。 Wang X, Chen Y, Yuan L, Zhang Y, Li Y, Peng H, Ji H (2024) Executable code actions elicit better llm agents. arXiv preprint arXiv:240201030 Xiao T, Baltes S, Hata H, Treude C, Kula RG, Ishio T, Matsumoto K (2023) コミットメッセージで1800万のリンク:目的、進化、崩壊。 Xiao T, Treude C, Hata H, Matsumoto K (2024) Devgpt: Studying developerchatgpt conversations. In: Proceedings of the International Conference on Mining Software Repositories (MSR 2024) Ye D, Xing Z, Kapre N (2017) The structure and dynamics of knowledge network in domain-specific q&a sites: a case study of stack overflow. 経験的なソフトウェアエンジニアリング 22:375–406 Zampetti F, Ponzanelli L, Bavota G, Mocci A, Di Penta M, Lanza M (2017) 開発者が外部参照でドキュメントをリクエストする方法. In: 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) Github copilot: An empirical study. arXiv preprint arXiv:230308733 Zhang T, Gao C, Ma L, Lyu M, Kim M (2019) 深層学習アプリケーションの開発における共通の課題に関する実験研究 In: 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) Neural Code Completion Productivity Assessment. In: Proceedings of the 6th ACM SIGPLAN International Symposium on Machine Programming, pp 21–29 
 
 
 著者 
 
 
 
 
 
 
 
 ハオハオハオ Kazi Amit Hasan Hong Qin マルコス・マセド Yuan Tian スティーブン・H・H・ディング Ahmed E. ハッサン Authors 
 
 
 
 
 
 
 
 ハオハオハオ アミット・ハサン 香港QIN マルコス・マセド Yuan ティアン スティーブン・H・H・ディング Ahmed E. ハッサン 
 
 この論文は、CC BY-NC-SA 4.0 ライセンスの下で archiv で利用できます。 この紙は CC BY-NC-SA 4.0 ライセンス available on ar 十四 十四

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

AI Models on HackerNoon

このオーディオは、ストーリーの元の言語で制作されています。

開発者がコードを書くときにチャットGPTに求めていること

About Author

コメント

ラベル

この記事は

Related Stories

AI の力を解き放つ。最先端技術の体系的レビュー: 概要と序論

タップして稼ぐ：テレグラムはソラナより先に次の100億人の暗号通貨ユーザーを獲得する可能性がある

暗号通貨の成長: 効果的なユーザーペルソナの作成

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

AI の力を解き放つ。最先端技術の体系的レビュー: 概要と序論

タップして稼ぐ：テレグラムはソラナより先に次の100億人の暗号通貨ユーザーを獲得する可能性がある

暗号通貨の成長: 効果的なユーザーペルソナの作成

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps