Buchumschlag

Creativity, Generative AI, and Software Development: A Research Agenda

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jackson, Victoria, Vasilescu, Bogdan, Russo, Daniel, Ralph, Paul, Izadi, Maliheh, Prikladnicki, Rafael, D'Angelo, Sarah, Inman, Sarah, Lisboa, Anielle, van der Hoek, Andre
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exploring Creativity in Human-Human-LLM Collaborative Software Design
von: Jackson, Victoria, et al.
Veröffentlicht: (2026)

The Role of LLMs in Collaborative Software Design
von: Jackson, Victoria, et al.
Veröffentlicht: (2026)

Creative Problem-Solving: A Study with Blind and Low Vision Software Professionals
von: Kohl, Karina, et al.
Veröffentlicht: (2025)

Using Generative AI in Software Design Education: An Experience Report
von: Jackson, Victoria, et al.
Veröffentlicht: (2025)

AI IDEs or Autonomous Agents? Measuring the Impact of Coding Agents on Software Development
von: Agarwal, Shyam, et al.
Veröffentlicht: (2026)

The Dilemma of Building Do-It-Yourself (DIY) Solutions for Workplace Accessibility
von: Cha, Yoonha, et al.
Veröffentlicht: (2025)

From Early Adoption to Sustained Use: Understanding GenAI Usage Among Software Developers in Italian SMEs
von: Calefato, Fabio, et al.
Veröffentlicht: (2026)

Prompt-with-Me: in-IDE Structured Prompt Management for LLM-Driven Software Engineering
von: Li, Ziyou, et al.
Veröffentlicht: (2025)

Rethinking IDE Customization for Enhanced HAX: A Hyperdimensional Perspective
von: Koohestani, Roham, et al.
Veröffentlicht: (2025)

HyperSeq: A Hyper-Adaptive Representation for Predictive Sequencing of States
von: Koohestani, Roham, et al.
Veröffentlicht: (2025)

"Game Changer" or "Overenthusiastic Drunk Acquaintance"? Generative AI Use by Blind and Low Vision Software Professionals in the Workplace
von: Cha, Yoonha, et al.
Veröffentlicht: (2025)

Evaluating Non-English Developer Support in Machine Learning for Software Engineering
von: Katzy, Jonathan, et al.
Veröffentlicht: (2026)

Advancing Evidence-Based Social Sustainability in Software Engineering: A Research Roadmap
von: Ayoola, Bimpe, et al.
Veröffentlicht: (2026)

ChatGPT: Friend or Foe When Comprehending and Changing Unfamiliar Code
von: Anderson, Norman, et al.
Veröffentlicht: (2026)

Understanding the Career Mobility of Blind and Low Vision Software Professionals
von: Cha, Yoonha, et al.
Veröffentlicht: (2024)

Benchmarking AI Models in Software Engineering: A Review, Search Tool, and Unified Approach for Elevating Benchmark Quality
von: Koohestani, Roham, et al.
Veröffentlicht: (2025)

Developer Interaction Patterns with Proactive AI: A Five-Day Field Study
von: Kuo, Nadine, et al.
Veröffentlicht: (2026)

A Multi-agent Onboarding Assistant based on Large Language Models, Retrieval Augmented Generation, and Chain-of-Thought
von: Ionescu, Andrei Cristian, et al.
Veröffentlicht: (2025)

Evaluating Large Language Models for Functional and Maintainable Code in Industrial Settings: A Case Study at ASML
von: Mundhra, Yash, et al.
Veröffentlicht: (2025)

The Strength of Weak Ties Between Open-Source Developers
von: Fang, Hongbo, et al.
Veröffentlicht: (2024)

In-IDE Human-AI Experience in the Era of Large Language Models; A Literature Review
von: Sergeyuk, Agnia, et al.
Veröffentlicht: (2024)

Pinning Is Futile: You Need More Than Local Dependency Versioning to Defend against Supply Chain Attacks
von: He, Hao, et al.
Veröffentlicht: (2025)

Traces of Memorisation in Large Language Models for Code
von: Al-Kaswan, Ali, et al.
Veröffentlicht: (2023)

Human-AI Experience in Integrated Development Environments: A Systematic Literature Review
von: Sergeyuk, Agnia, et al.
Veröffentlicht: (2025)

Developer Needs and Feasible Features for AI Assistants in IDEs
von: Sergeyuk, Agnia, et al.
Veröffentlicht: (2024)

Examining LLMs Ability to Summarize Code Through Mutation-Analysis
von: Khatib, Lara, et al.
Veröffentlicht: (2026)

An Exploratory Investigation into Code License Infringements in Large Language Model Training Datasets
von: Katzy, Jonathan, et al.
Veröffentlicht: (2024)

TreeRanker: Fast and Model-agnostic Ranking System for Code Suggestions in IDEs
von: Cipollone, Daniele, et al.
Veröffentlicht: (2025)

A Transformer-Based Approach for Smart Invocation of Automatic Code Completion
von: de Moor, Aral, et al.
Veröffentlicht: (2024)

Leveraging Large Language Models for Enhancing the Understandability of Generated Unit Tests
von: Deljouyi, Amirhossein, et al.
Veröffentlicht: (2024)

Scientific Open-Source Software Is Less Likely to Become Abandoned Than One Might Think! Lessons from Curating a Catalog of Maintained Scientific Software
von: Thakur, Addi Malviya, et al.
Veröffentlicht: (2025)

AST-PAC: AST-guided Membership Inference for Code
von: Koohestani, Roham, et al.
Veröffentlicht: (2026)

Understanding Documentation Use Through Log Analysis: An Exploratory Case Study of Four Cloud Services
von: Nam, Daye, et al.
Veröffentlicht: (2023)

Model See, Model Do? Exposure-Aware Evaluation of Bug-vs-Fix Preference in Code LLMs
von: Al-Kaswan, Ali, et al.
Veröffentlicht: (2026)

Code Red! On the Harmfulness of Applying Off-the-shelf Large Language Models to Programming Tasks
von: Al-Kaswan, Ali, et al.
Veröffentlicht: (2025)

Making Software Development More Diverse and Inclusive: Key Themes, Challenges, and Future Directions
von: Hyrynsalmi, Sonja M., et al.
Veröffentlicht: (2024)

Speed at the Cost of Quality: How Cursor AI Increases Short-Term Velocity and Long-Term Complexity in Open-Source Projects
von: He, Hao, et al.
Veröffentlicht: (2025)

TriCEGAR: A Trace-Driven Abstraction Mechanism for Agentic AI
von: Koohestani, Roham, et al.
Veröffentlicht: (2026)

Language Models for Code Completion: A Practical Evaluation
von: Izadi, Maliheh, et al.
Veröffentlicht: (2024)

Code4MeV2: a Research-oriented Code-completion Platform
von: Koohestani, Roham, et al.
Veröffentlicht: (2025)