Когда ваш парный программист - бот с границами
23 июня 2025 г.Таблица ссылок
Аннотация и 1. Введение
2. Контексты, методы и задачи
3. Смешанные результаты
3.1. Качество и 3,2 производительности
3.3. Обучение и 3,4 стоимости
4. Модераторы
4.1. Типы задач и сложность
4.2. Совместимость
4.3. Коммуникация
4.4. Сотрудничество
4.5. Логистика
5. Обсуждение и будущая работа
5.1. LLM, ваш парный программист?
5.2. LLM, лучший программист?
5.3. LLM, студенческий программист?
6. Заключение, подтверждение и ссылки
5.2 LLM, лучшая пара программиста?
Как было рассмотрено в Разделе 3, предыдущая литература изучала различные меры для оценки различных аспектов программирования парных парных парных людей, в то время как текущее исследование в программировании пар человеческой пары довольно ограничено. Мурильо и Д'Анджело [54] предложили показатели оценки для помощников по написанию программного обеспечения на основе программного обеспечения на основе LLM. Больше работ может использовать более достоверные меры в литературе по программированию пары человека, чтобы изучить, как лучше всего помочь людям и помощникам по программированию, основанным на LLM, совместно сотрудничать. Было бы также интересно иметь настройку исследования с тремя условиями-человеческий мужчина, человеческий и человеческий сольный соло-работая над той же задачей.
Предыдущая литература предполагала некоторые ключевые факторы в успехе программирования пар человека-мужа, как обобщено в таблице 1. Эти модераторы, которые вызывают проблемы для программирования пар человеческой пары, могут дать возможность изучать в программировании пар человека-аи (Таблица 2). Например, самоэффективность может привести к разнице в удовлетворении [81], а пол может привести к разнице в обучении [47], влияют ли эти модераторы совместимости тоже? Можем ли мы улучшить парные результаты, используя понимание, полученные из человеческой литературы по человеке (например, имитировать партнера по искусственному искусству с аналогичными уровнями самоэффективности и тем же полом)? Поэтому, в целом, мы можем задать следующие вопросы для будущих работ:Могут ли эти факторы быть реализованы для программирования пар человеческой пары? Сделают ли они программирование пары человека более эффективным, менее эффективным, или не иметь никакого влияния, и почему?
Типы задач и сложность.Как мы знаем, из литературы по программированию парней человека-человеку, хорошей совместной задачей правильной сложности является важной, но создание или выбор таких задач может быть трудным. Между тем, LLM помогают преподавателям эффективно генерировать учебные материалы, такие как вопросы [85], вопросы вопросов [40], обратная связь [20] и подсказки [61], что может быть такого же качества, как и содержание, поддерживаемое человеком. Существует также работа, которая предполагала предварительный успех в использовании LLM для разбивания проблем на подводы [78]. Следовательно, основываясь на понимании литературы по программированию пары человека и известных способностей LLM, есть открытый вопрос для изучения в программировании пар человеческой пары: можно ли настроить LLM для создания типа задачи с целями совместного обучения и настроить сложность задачи для программиста?
Совместимость- опыт. С точки зрения опыта фактора совместимости, парная литература по программированию предполагает, что сопоставление партнеров с аналогичным уровнем опыта может быть лучшим в продвижении производительности и обучения [5, 16, 31]. Оценные исследования показывают, что модели на основе GPT3 могут быть учеником выше среднего в классе CS1 [22, 68], и его производительность ухудшается, когда код становится более сложным [89]. GPT4 даже делает лучше при решении вводных и основных задач программирования (хотя его правильность все еще не сопоставима с разработчиком на практике) [14]. Мы также можем целенаправленно генерировать ошибки и позволить моделям делать ошибки [38], поэтому потенциально мы можем создать партнера по искусственному искусству с аналогичным уровнем квалификации для начинающих студентов. Будущие работы могут изучить, как настроить ИИ для адаптации к уровням квалификации студента и будет ли он эффективным или нет.
Другие факторы совместимости.Исследователи изучили, как позволить LLM-генерировать взаимодействие на основе разработанной личности и разумно воспроизводить поведение человека [1, 34], а в образовании CAO [15] позволяют LLM взаимодействовать со студентами, в то время как ролевые играют как разные вымышленные персонажи, чтобы помочь уменьшить беспокойство учащихся и повысить мотивацию. Есть возможности персонализировать партнера по искусственному искусству с различными чертами личности или другими факторами совместимости пары, такими как пол, этническая принадлежность и самооценка, которые Salleh et al. [70] предложено. Потенциально его можно использовать для повышения мотивации и/или взаимодействия программистов, но насколько это полезно для программирования пар человеческой парной партии, еще предстоит исследовать.
КоммуникацияПолем Что касается общения, мы знаем социальный аспект вопроса разговора [17], и что некоторые виды дискурса могут быть более эффективными для облегчения отладки [55] в программировании пар человека. Следовательно, поскольку инструменты, основанные на LLM, такие как CHATGPT, способны имитировать социальное взаимодействие, было бы интересно изучить, может ли LLM поддерживать различные типы общения, могут ли различные компоненты общения быть воспроизведены в ассистенте по программированию на основе LLM, и это эффективно или нет.
СотрудничествоПолем С точки зрения сотрудничества, часто сообщается, что создание плавного сотрудничества является сложной задачей как в отрасли [11], так и в образовательном контексте [57, 87]. Учитывая, что проблема свободного гонщика снижает эффективность парного программирования [57] и регулярное переключение ролей, потенциально облегчает когнитивную нагрузку водителя и обеспечивает сбалансированные результаты обучения [5, 83], было бы интересно изучить, можно ли настраивать ИИ на основе LLM, чтобы избежать переосмысления, поддержки ролевых переключений и того, как лучше поддержать пари человека.
ЛогистикаПолем С учетом логистики использование Copilot в качестве партнера по программированию может иметь особое преимущество, позволяющее избежать планирования логистики, но существуют также проблемы с подотчетностью, которые необходимо решить [12, 22]. В целом, будут этические риски и социальные последствия использования ИИ в парных программировании на рабочем месте и в образовательных контекстах, что требует более глубокого изучения в будущих работах.
Авторы:
(1) Qianou Ma (автор -корреспондент), Университет Карнеги -Меллона, Питтсбург, США (Qianouma@cmu.edu);
(2) Тонгшуанг Ву, Университет Карнеги -Меллона, Питтсбург, США (sherryw@cs.cmu.edu);
(3) Кеннет Кодингер, Университет Карнеги -Меллона, Питтсбург, США (koedinger@cmu.edu).
Эта статья есть
Оригинал