计算机科学 > 人机交互
[提交于 2022年12月7日
(v1)
,最后修订 2023年3月28日 (此版本, v2)]
标题: “这对我也有效”:在线社区如何塑造软件开发人员对人工智能驱动的代码生成工具的信任
标题: "It would work for me too": How Online Communities Shape Software Developers' Trust in AI-Powered Code Generation Tools
摘要: 尽管基于人工智能的代码生成工具迅速崛起,但我们对如何以及如何帮助软件开发人员形成对这些人工智能工具的适当信任了解甚少。 通过一个两阶段的形成性研究,我们探讨了在线社区如何塑造开发人员对人工智能工具的信任,以及我们如何利用社区特征来促进适当的用户信任。 通过对17名开发人员的访谈,我们发现开发人员通过社区成员分享的经验共同理解人工智能工具,并利用社区信号来评估人工智能建议。 随后,我们提出了设计机会,并进行了11次设计探测会话,以探索利用社区特征支持用户在人工智能代码生成系统中建立信任的设计空间。 我们综合了研究发现,并通过社会技术因素扩展了现有的人工智能技术用户信任模型。 我们概述了将用户社区整合到人工智能代码生成体验中的设计考虑因素。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.