Buchumschlag

Using AI-Based Coding Assistants in Practice: State of Affairs, Perceptions, and Ways Forward

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sergeyuk, Agnia, Golubev, Yaroslav, Bryksin, Timofey, Ahmed, Iftekhar
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Artificial Intelligence Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Evolving with AI: A Longitudinal Analysis of Developer Logs
von: Sergeyuk, Agnia, et al.
Veröffentlicht: (2026)

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

On The Importance of Reasoning for Context Retrieval in Repository-Level Code Editing
von: Kovrigin, Alexander, et al.
Veröffentlicht: (2024)

One Step at a Time: Combining LLMs and Static Analysis to Generate Next-Step Hints for Programming Tasks
von: Birillo, Anastasiia, et al.
Veröffentlicht: (2024)

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

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

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

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

Understanding Student Interaction with AI-Powered Next-Step Hints: Strategies and Challenges
von: Birillo, Anastasiia, et al.
Veröffentlicht: (2025)

Understanding Prompt Programming Tasks and Questions
von: Liang, Jenny T., et al.
Veröffentlicht: (2025)

AI in Software Engineering: Perceived Roles and Their Impact on Adoption
von: Zakharov, Ilya, et al.
Veröffentlicht: (2025)

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

Benefits and Risks of Using ChatGPT4 as a Teaching Assistant for Computer Science Students
von: Aragonés-Soria, Yaiza, et al.
Veröffentlicht: (2024)

Does In-IDE Calibration of Large Language Models work at Scale?
von: Koohestani, Roham, et al.
Veröffentlicht: (2025)

$\texttt{Droid}$: A Resource Suite for AI-Generated Code Detection
von: Orel, Daniil, et al.
Veröffentlicht: (2025)

Do Generative AI Tools Ensure Green Code? An Investigative Study
von: Sikand, Samarth, et al.
Veröffentlicht: (2025)

Beyond Self-learned Attention: Mitigating Attention Bias in Transformer-based Models Using Attention Guidance
von: Gesi, Jiri, et al.
Veröffentlicht: (2024)

Evaluating Generative AI for CS1 Code Grading: Direct vs Reverse Methods
von: Memon, Ahmad, et al.
Veröffentlicht: (2025)

"My productivity is boosted, but ..." Demystifying Users' Perception on AI Coding Assistants
von: Lyu, Yunbo, et al.
Veröffentlicht: (2025)

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

In-IDE Programming Courses: Learning Software Development in a Real-World Setting
von: Birillo, Anastasiia, et al.
Veröffentlicht: (2025)

Long Code Arena: a Set of Benchmarks for Long-Context Code Models
von: Bogomolov, Egor, et al.
Veröffentlicht: (2024)

Code-Driven Law NO, Normware SI!
von: Sileno, Giovanni
Veröffentlicht: (2024)

Architectures of Error: A Philosophical Inquiry into AI and Human Code Generation
von: Sartori, Camilo Chacón
Veröffentlicht: (2025)

Automated Program Repair of Uncompilable Student Code
von: Pitts, Griffin, et al.
Veröffentlicht: (2025)

An Approach to Detect Abnormal Submissions for CodeWorkout Dataset
von: Hicks, Alex, et al.
Veröffentlicht: (2024)

Can LLMs Identify Gaps and Misconceptions in Students' Code Explanations?
von: Oli, Priti, et al.
Veröffentlicht: (2024)

SWE-chat: Coding Agent Interactions From Real Users in the Wild
von: Baumann, Joachim, et al.
Veröffentlicht: (2026)

ParaStudent: Generating and Evaluating Realistic Student Code by Teaching LLMs to Struggle
von: Miroyan, Mihran, et al.
Veröffentlicht: (2025)

AI Act for the Working Programmer
von: Hermanns, Holger, et al.
Veröffentlicht: (2024)

Impact of AI-tooling on the Engineering Workspace
von: Chretien, Lena, et al.
Veröffentlicht: (2024)

Balancing Innovation and Ethics in AI-Driven Software Development
von: Baqar, Mohammad
Veröffentlicht: (2024)

LeafTutor: An AI Agent for Programming Assignment Tutoring
von: Bochard, Madison, et al.
Veröffentlicht: (2025)

Trustworthy AI in practice: an analysis of practitioners' needs and challenges
von: Baldassarre, Maria Teresa, et al.
Veröffentlicht: (2024)

Scaling CS1 Support with Compiler-Integrated Conversational AI
von: Renzella, Jake, et al.
Veröffentlicht: (2024)

Navigating Fairness: Practitioners' Understanding, Challenges, and Strategies in AI/ML Development
von: Pant, Aastha, et al.
Veröffentlicht: (2024)

Ethics Practices in AI Development: An Empirical Study Across Roles and Regions
von: Baldwin, Wilder, et al.
Veröffentlicht: (2025)

Bridging the Skills Gap: A Course Model for Modern Generative AI Education
von: Bardach, Anya, et al.
Veröffentlicht: (2025)

Rapid Mobile App Development for Generative AI Agents on MIT App Inventor
von: Gao, Jaida, et al.
Veröffentlicht: (2024)