Buchumschlag

From Gains to Strains: Modeling Developer Burnout with GenAI Adoption

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Feng, Zixuan, Afroz, Sadia, Sarma, Anita
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Software Engineering Human-Computer Interaction
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Fast and Spurious: Developer Productivity with GenAI
von: Afroz, Sadia, et al.
Veröffentlicht: (2025)

Insights from the Frontline: GenAI Utilization Among Software Engineering Students
von: Choudhuri, Rudrajit, et al.
Veröffentlicht: (2024)

A Model for Understanding and Reducing Developer Burnout
von: Trinkenreich, Bianca, et al.
Veröffentlicht: (2023)

What Needs Attention? Prioritizing Drivers of Developers' Trust and Adoption of Generative AI
von: Choudhuri, Rudrajit, et al.
Veröffentlicht: (2025)

Does GenAI Make Usability Testing Obsolete?
von: Pourasad, Ali Ebrahimi, et al.
Veröffentlicht: (2024)

On the Role and Impact of GenAI Tools in Software Engineering Education
von: Qin, Qiaolin, et al.
Veröffentlicht: (2025)

Beyond Banning AI: A First Look at GenAI Governance in Open Source Software Communities
von: Yang, Wenhao, et al.
Veröffentlicht: (2026)

Measuring SES-related traits relating to technology usage: Two validated surveys
von: Chikezie, Chimdi, et al.
Veröffentlicht: (2025)

How Far Are We? The Triumphs and Trials of Generative AI in Learning Software Engineering
von: Choudhuri, Rudrajit, et al.
Veröffentlicht: (2023)

Do I Belong? Modeling Sense of Virtual Community Among Linux Kernel Contributors
von: Trinkenreich, Bianca, et al.
Veröffentlicht: (2023)

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

OSSDoorway: A Gamified Environment to Scaffold Student Contributions to Open Source Software
von: Santos, Italo, et al.
Veröffentlicht: (2025)

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

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

From OSS to Open Source AI: an Exploratory Study of Collaborative Development Paradigm Divergence
von: Ye, Hengzhi, et al.
Veröffentlicht: (2026)

How Do Developers Interact with AI? An Exploratory Study on Modeling Developer Programming Behavior
von: Wu, Yinan, et al.
Veröffentlicht: (2026)

Visual Analysis of GitHub Issues to Gain Insights
von: Proma, Rifat Ara, et al.
Veröffentlicht: (2024)

What Makes a Fairness Tool Project Sustainable in Open Source?
von: Mim, Sadia Afrin, et al.
Veröffentlicht: (2025)

Bug Detective and Quality Coach: Developers' Mental Models of AI-Assisted IDE Tools
von: Buono, Paolo, et al.
Veröffentlicht: (2025)

The Impact of AI-Assisted Development on Software Security: A Study of Gemini and Developer Experience
von: Jost, Nadine, et al.
Veröffentlicht: (2026)

Towards Decoding Developer Cognition in the Age of AI Assistants
von: Haque, Ebtesam Al, et al.
Veröffentlicht: (2025)

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)

Democratizing AI Development: Local LLM Deployment for India's Developer Ecosystem in the Era of Tokenized APIs
von: Udandarao, Vikranth, et al.
Veröffentlicht: (2025)

AI Where It Matters: Where, Why, and How Developers Want AI Support in Daily Work
von: Choudhuri, Rudrajit, et al.
Veröffentlicht: (2025)

EcoAssist: Embedding Sustainability into AI-Assisted Frontend Development
von: Barrocas, André, et al.
Veröffentlicht: (2026)

Hidden Technical Debt in Generative (GenUI) and Malleable User Interfaces
von: Cifliku, Besjon
Veröffentlicht: (2026)

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

The Evolution of Information Seeking in Software Development: Understanding the Role and Impact of AI Assistants
von: Haque, Ebtesam Al, et al.
Veröffentlicht: (2024)

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)

Trust Calibration in IDEs: Paving the Way for Widespread Adoption of AI Refactoring
von: Borg, Markus
Veröffentlicht: (2024)

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

Why AI Agents Still Need You: Findings from Developer-Agent Collaborations in the Wild
von: Kumar, Aayush, et al.
Veröffentlicht: (2025)

SHAPR: A Solo Human-Centred and AI-Assisted Practice Framework for Research Software Development
von: Chan, Ka Ching
Veröffentlicht: (2026)

Computational Models of Spreadsheet Development: Basis for Educational Approaches
von: Hodnigg, Karin, et al.
Veröffentlicht: (2008)

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

Inferring Alt-text For UI Icons With Large Language Models During App Development
von: Haque, Sabrina, et al.
Veröffentlicht: (2024)

Thinking Less, Trusting More: GenAI's Impacts on Students' Cognitive Habits
von: Choudhuri, Rudrajit, et al.
Veröffentlicht: (2026)

RiskRAG: A Data-Driven Solution for Improved AI Model Risk Reporting
von: Rao, Pooja S. B., 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)