테이블 왼쪽 abstract 및 1.introduction 2) 컨텍스트, 방법 및 작업 3) 혼합된 결과 3.1 품질과 3.2 생산성 3.3 학습 및 3.4 비용 4 Moderators 4.1 작업 유형 및 복잡성 4.2 호환성 4.3 통신 4.4 협력 5.2 물류 5) 토론 및 미래 작업 5.1 LLM, 당신의 파이어 프로그래머? 5.2 LLM, 더 나은 커플 프로그래머? 5.3 LLM, 학생들의 PAIr 프로그래머? 결론, 인정 및 참조 4.3 통신 Freudenberg et al. [24]에 따르면, "쌍 프로그래밍의 성공의 열쇠는 커플 프로그래머의 대화에서 중간 수준의 세부 사항에 대한 대화의 확산이다." 연구자들은 또한 커플 프로그래밍이 방해 활동을 제거하고 프로그래머가 생산적인 활동에 초점을 맞출 수 있다는 것을 발견했다 [75], 이는 매력적인 커뮤니케이션이 커플 프로그래밍의 성공에 기여하는 이유 일 수 있습니다. Murphy et al. [55]는 트랜잭션 분석을 사용하여 다른 유형의 트랜잭션에 의한 커뮤니케이션을 분해하고, 더 많은 완료 트랜잭션과 관련된 문제를 시도하고 디버깅 성공이 더 중요한 트랜잭션과 상관이 있다는 것을 발견했다. 인간-인간 커플 프로그래밍에서 프로그래머는 대략 1/3의 시간을 주로 커뮤니케이션에 초점을 맞추고 [65], 그들이 집중하고, 합리화하고, 자신의 생각을 설명하도록 강요한다 [31, 75]. 인간-인공지능 커플 프로그래밍에서, Mozannar et al. [53]은 비슷한 1/3의 시간을 Copilot와 의사 소통에 소비한다는 것을 보여주었습니다, 예를 들면 Copilot의 제안을 생각하고 검증하는 것과 같은 (22,4%) Copilot의 제안, 어떤 방식으로 자기 설명 효과를 복제 할 수 있습니다, 그리고 시간의 11.56 %를 차지하는 신속한 제조.이 활동은 논쟁 할 수 있습니다 이해하고 Copilot와 의사 소통하는 노력입니다. 4.4 협력 파트너가 얼마나 잘 협력하는지는 쌍의 프로그래밍 효과에 영향을 미치는 중요한 요소였으며 [4, 79] 협력 행동과 긍정적 인 상호 의존성은 쌍의 프로그래밍 성공에 중요한 요소입니다 [67]. 공동 작업은 인간-인간 쌍에서 다양한 방식으로 실패할 수 있습니다. 예를 들어, 전체 작업량이 한 파트너에 있는 반면 다른 파트너는 한계 플레이어로 남아있는 프리라이더 문제는 만족감과 학습이 줄어들 수 있습니다 [57, 87]. 인간-AI 쌍 프로그래밍에서 교육자들은 쉽게 사용할 수 있는 코드 생성 도구가 속임수로 이어질 수 있으며, AI에 대한 과도한 의존은 학생들의 학습을 방해 할 수 있습니다 [10]. 그러나, 어떤 연구도 공식적으로 평가하지 않았습니다. 인간-인간 커플 프로그래밍의 경우, 두 소프트웨어 개발자가 주기적으로 그리고 정기적으로 코드 작성 (드라이버)과 코드 제안 (navigator) 사이를 전환하여 둘 다 작업에 종사하고 드라이버가 견딜 수있는 신체적 및인지적 부하를 완화하도록하는 것을 목표로합니다 [5, 65]. 일부 연구자들은 Freudenberg et al. [24] 쌍 프로그래밍의 성공은 "운전자와 항해자 사이의 행동 또는 초점의 차이"보다는 커뮤니케이션에 기인해야한다고 주장, 그들은 운전자와 항해자 모두 비슷한 수준의 추상에서 작업을 발견했다. 인간-인공지능 상호 작용에서, 다양한 언어로 코드를 작성하는 Copilot의 놀라운 능력을 감안할 때, 일부 사람들은 Copilot가 쌍방 프로그래밍에서 " 드라이버"의 역할을 수행 할 수 있다고 주장했으며, 솔로 프로그래머가 "navigator"의 역할을 수행하고 더 높은 수준에서 코드를 이해하는 데 집중할 수있게 해주었습니다 [35].그러나, 인간이 API 검색과 구문 세부 사항을 Copilot에 전송하는 것은 가능하지만, 인간은 여전히 자주 운전자의 자리에 다시 뛰어 들고 생각과 쓰기 활동 사이를 유연하게 전환해야합니다 [53]. 4.5 물류 프로그래밍 어려움, 커플의 협업을 가르치고 평가하고 개인의 책임과 책임을 파악하는 것을 포함한 물류적 도전 [11, 67]은 인간-인간 커플 프로그래밍의 관리 비용을 추가 할 수 있습니다 [4, 79]. 인간-AI 커플 프로그래밍에서, 어떤 사람들은 인간이 인간-AI 커플에서 유일하게 책임이 있다고 주장할 수 있지만, 이러한 LLM 기반 생성 AI의 책임성은 여전히 논쟁 중이다.[10] 인간-AI 커플에 대한 새로운 물류 문제가있을 수 있으며, 인간을 Copilot와 가장 잘 협력하는 방법을 가르치는 것과 같습니다. 인간-AI 상호 작용의 모든 시나리오와 마찬가지로 편견, 신뢰 및 기술적 제한과 같은 독특한 도전이있을 수 있습니다. : 인간-인간 커플 프로그래밍 문학은 중재자를 찾았습니다.   , , , 그리고 그러나 현재의 pAIr 작업에서 잠재적 인 온화 효과에 대한 심층적 인 검토가 부족합니다. 요약 작업 종류 & 복잡성 호환성 통신 협력 물류 
 
 
 
 
 저자 : (1) Qianou Ma (대응 저자), Carnegie Mellon University, 피츠버그, 미국 (qianouma@cmu.edu); (2) Tongshuang Wu, Carnegie Mellon University, 피츠버그, 미국 (sherryw@cs.cmu.edu) (3) Kenneth Koedinger, Carnegie Mellon University, 피츠버그, 미국 (koedinger@cmu.edu) Authors: (1) Qianou Ma (대응 저자), Carnegie Mellon University, 피츠버그, 미국 (qianouma@cmu.edu); (2) Tongshuang Wu, Carnegie Mellon University, 피츠버그, 미국 (sherryw@cs.cmu.edu) (3) Kenneth Koedinger, Carnegie Mellon University, 피츠버그, 미국 (koedinger@cmu.edu) 
 
 이 논문은 CC BY-NC-SA 4.0 DEED 라이선스 아래에 arxiv에서 사용할 수 있습니다. 이 논문은 CC BY-NC-SA 4.0 DEED 라이선스 아래에 arxiv에서 사용할 수 있습니다. Archive 에서 이용 가능

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

Pair Programming AI Agent 

undefined's blog

이 오디오는 이야기의 원래 언어로 제작되었습니다!

인간-AI 쌍 프로그래밍 경험을 깨뜨리기

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

볼츠만 뇌 이론에 대한 간략한 소개

탭하여 수익 창출: 텔레그램에서 솔라나 이전에 100억 명의 암호화폐 사용자를 확보할 수 있음

Claude Sonnet 3.5 시스템 프롬프트 유출: 법의학적 분석

성공적인 클라우드 마이그레이션을 위한 전체 가이드: 전략 및 모범 사례

볼츠만 뇌 이론에 대한 간략한 소개

탭하여 수익 창출: 텔레그램에서 솔라나 이전에 100억 명의 암호화폐 사용자를 확보할 수 있음

Claude Sonnet 3.5 시스템 프롬프트 유출: 법의학적 분석

성공적인 클라우드 마이그레이션을 위한 전체 가이드: 전략 및 모범 사례

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps