Buchumschlag

Code Compass: A Study on the Challenges of Navigating Unfamiliar Codebases

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Agrawal, Ekansh, Alam, Omair, Goenka, Chetan, Iyer, Medha, Moise, Isabela, Pandian, Ashish, Paul, Bren
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Human-Computer Interaction
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

AI-Guided Exploration of Large-Scale Codebases
von: Alebachew, Yoseph Berhanu
Veröffentlicht: (2025)

A Mixed Method Study of DevOps Challenges
von: Tanzil, Minaoar Hossain, et al.
Veröffentlicht: (2024)

Navigating Compiler Errors with AI Assistance -- A Study of GPT Hints in an Introductory Programming Course
von: Pankiewicz, Maciej, et al.
Veröffentlicht: (2024)

Unlocking Adaptive User Experience with Generative AI
von: Huang, Yutan, et al.
Veröffentlicht: (2024)

40 Years of Designing Code Comprehension Experiments: A Systematic Mapping Study
von: Wyrich, Marvin, et al.
Veröffentlicht: (2022)

An Empirical Investigation on the Challenges Faced by Women in the Software Industry: A Case Study
von: Trinkenreich, Bianca, et al.
Veröffentlicht: (2022)

The Ultimate Configuration Management Tool? Lessons from a Mixed Methods Study of Ansible's Challenges
von: Carreira, Carolina, et al.
Veröffentlicht: (2025)

Investigating VR Accessibility Reviews for Users with Disabilities: A Qualitative Analysis
von: Wang, Yi, et al.
Veröffentlicht: (2025)

Auto-Generating Personas from User Reviews in VR App Stores
von: Wang, Yi, et al.
Veröffentlicht: (2026)

Human Side of Smart Contract Fuzzing: An Empirical Study
von: Qiao, Guanming, et al.
Veröffentlicht: (2025)

Understanding User Mental Models in AI-Driven Code Completion Tools: Insights from an Elicitation Study
von: Desolda, Giuseppe, et al.
Veröffentlicht: (2025)

A Study on Developer Behaviors for Validating and Repairing LLM-Generated Code Using Eye Tracking and IDE Actions
von: Tang, Ningzhi, et al.
Veröffentlicht: (2024)

CodeA11y: Making AI Coding Assistants Useful for Accessible Web Development
von: Mowar, Peya, et al.
Veröffentlicht: (2025)

"I Would Have Written My Code Differently'': Beginners Struggle to Understand LLM-Generated Code
von: Zi, Yangtian, et al.
Veröffentlicht: (2025)

Gendered Prompting and LLM Code Review: How Gender Cues in the Prompt Shape Code Quality and Evaluation
von: Janzen, Lynn, et al.
Veröffentlicht: (2026)

Automatic Bias Detection in Source Code Review
von: Alebachew, Yoseph Berhanu, et al.
Veröffentlicht: (2025)

Assessing Consensus of Developers' Views on Code Readability
von: Sergeyuk, Agnia, et al.
Veröffentlicht: (2024)

Investigating and Designing for Trust in AI-powered Code Generation Tools
von: Wang, Ruotong, et al.
Veröffentlicht: (2023)

Generating Complex Code Analyzers from Natural Language Questions
von: Nazari, Amirmohammad, et al.
Veröffentlicht: (2026)

Detecting UX smells in Visual Studio Code using LLMs
von: Rodriguez, Andrés, et al.
Veröffentlicht: (2026)

Patterns of Developer Adoption of LLM-Generated Code Refactoring Suggestions
von: Schön, David, et al.
Veröffentlicht: (2026)

A Low-Code Approach for the Automatic Personalization of Conversational Agents
von: Conrardy, Aaron, et al.
Veröffentlicht: (2026)

Challenges in designing research infrastructure software in multi-stakeholder contexts
von: Druskat, Stephan, et al.
Veröffentlicht: (2025)

Reassessing Java Code Readability Models with a Human-Centered Approach
von: Sergeyuk, Agnia, et al.
Veröffentlicht: (2024)

Computer Science Achievement and Writing Skills Predict Vibe Coding Proficiency
von: Thorgeirsson, Sverrir, et al.
Veröffentlicht: (2026)

How Developers Choose Debugging Strategies for Challenging Web Application Defects
von: Arab, Maryam, et al.
Veröffentlicht: (2025)

MLLM-Based UI2Code Automation Guided by UI Layout Information
von: Wu, Fan, et al.
Veröffentlicht: (2025)

Vibe Coding: Toward an AI-Native Paradigm for Semantic and Intent-Driven Programming
von: Bamil, Vinay
Veröffentlicht: (2025)

Exploring Direct Instruction and Summary-Mediated Prompting in LLM-Assisted Code Modification
von: Tang, Ningzhi, et al.
Veröffentlicht: (2025)

Examining the Use and Impact of an AI Code Assistant on Developer Productivity and Experience in the Enterprise
von: Weisz, Justin D., et al.
Veröffentlicht: (2024)

Who is to Blame: A Comprehensive Review of Challenges and Opportunities in Designer-Developer Collaboration
von: Zhang, Shutong, et al.
Veröffentlicht: (2025)

Emotional Contagion in Code: How GitHub Emoji Reactions Shape Developer Collaboration
von: Kraishan, Obada
Veröffentlicht: (2025)

From Teacher to Colleague: How Coding Experience Shapes Developer Perceptions of AI Tools
von: Zakharov, Ilya, et al.
Veröffentlicht: (2025)

NaturalEdit: Code Modification through Direct Interaction with Adaptive Natural Language Representation
von: Tang, Ningzhi, et al.
Veröffentlicht: (2025)

Exit the Code: A Model for Understanding Career Abandonment Intention Among Software Developers
von: Massoni, Tiago, et al.
Veröffentlicht: (2025)

Prototyping with Prompts: Emerging Approaches and Challenges in Generative AI Design for Collaborative Software Teams
von: Subramonyam, Hari, et al.
Veröffentlicht: (2024)

GazeCopilot: Evaluating Novel Gaze-Informed Prompting for AI-Supported Code Comprehension and Readability
von: Elfares, Yasmine, et al.
Veröffentlicht: (2025)

GeoPandas-AI: A Smart Class Bringing LLM as Stateful AI Code Assistant
von: Merten, Gaspard, et al.
Veröffentlicht: (2025)

"Sometimes You Just Gotta Risk It for the Biscuit": A Portrait of Student Risk-Taking
von: Leinonen, Juho, et al.
Veröffentlicht: (2024)

Explaining Code with a Purpose: An Integrated Approach for Developing Code Comprehension and Prompting Skills
von: Denny, Paul, et al.
Veröffentlicht: (2024)