Buchumschlag

Gendered Prompting and LLM Code Review: How Gender Cues in the Prompt Shape Code Quality and Evaluation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Janzen, Lynn, Eroglu, Üveys, Kolossa, Dorothea, Knöferle, Pia, Möller, Sebastian, Schmitt, Vera, Solopova, Veronika
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Software Engineering Human-Computer Interaction
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

How desirable is alignment between LLMs and linguistically diverse human users?
von: Knoeferle, Pia, et al.
Veröffentlicht: (2025)

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

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

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

Can Developers Prompt? A Controlled Experiment for Code Documentation Generation
von: Kruse, Hans-Alexander, et al.
Veröffentlicht: (2024)

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)

The Impact of Prompt Programming on Function-Level Code Generation
von: Khojah, Ranim, et al.
Veröffentlicht: (2024)

Extending Information Bottleneck Attribution to Video Sequences
von: Solopova, Veronika, et al.
Veröffentlicht: (2025)

Debugging Without Error Messages: How LLM Prompting Strategy Affects Programming Error Explanation Effectiveness
von: Salmon, Audrey, et al.
Veröffentlicht: (2025)

Prompts Are Programs Too! Understanding How Developers Build Software Containing Prompts
von: Liang, Jenny T., et al.
Veröffentlicht: (2024)

Instruct or Interact? Exploring and Eliciting LLMs' Capability in Code Snippet Adaptation Through Prompt Engineering
von: Zhang, Tanghaoran, et al.
Veröffentlicht: (2024)

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

More Code, Less Reuse: Investigating Code Quality and Reviewer Sentiment towards AI-generated Pull Requests
von: Huang, Haoming, et al.
Veröffentlicht: (2026)

Automatic Bias Detection in Source Code Review
von: Alebachew, Yoseph Berhanu, 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)

Code Roulette: How Prompt Variability Affects LLM Code Generation
von: Paleyes, Andrei, et al.
Veröffentlicht: (2025)

From Prompting to Verification: How Experience Shapes Vibe Coding Practices
von: Fawzy, Ahmed, et al.
Veröffentlicht: (2026)

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

Is Vibe Coding the Future? An Empirical Assessment of LLM Generated Codes for Construction Safety
von: Uddin, S M Jamil
Veröffentlicht: (2026)

Using an LLM to Help With Code Understanding
von: Nam, Daye, et al.
Veröffentlicht: (2023)

Enhancing Code LLM Training with Programmer Attention
von: Zhang, Yifan, et al.
Veröffentlicht: (2025)

iCodeReviewer: Improving Secure Code Review with Mixture of Prompts
von: Peng, Yun, et al.
Veröffentlicht: (2025)

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

From Prompts to Propositions: A Logic-Based Lens on Student-LLM Interactions
von: Alfageeh, Ali, et al.
Veröffentlicht: (2025)

CodeA11y: Making AI Coding Assistants Useful for Accessible Web Development
von: Mowar, Peya, 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)

CodeAlignBench: Assessing Code Generation Models on Developer-Preferred Code Adjustments
von: Mehralian, Forough, et al.
Veröffentlicht: (2025)

On Unified Prompt Tuning for Request Quality Assurance in Public Code Review
von: Chen, Xinyu, et al.
Veröffentlicht: (2024)

Evaluating the Quality of Code Comments Generated by Large Language Models for Novice Programmers
von: Fan, Aysa Xuemo, et al.
Veröffentlicht: (2024)

Explaining Code Examples in Introductory Programming Courses: LLM vs Humans
von: Lekshmi-Narayanan, Arun-Balajiee, et al.
Veröffentlicht: (2023)

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

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

An Empirical Study on the Impact of Gender Diversity on Code Quality in AI Systems
von: Cynthia, Shamse Tasnim, et al.
Veröffentlicht: (2025)

Optimizing LLM Code Suggestions: Feedback-Driven Timing with Lightweight State Bounds
von: Awad, Mohammad Nour Al, 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)

Bugdar: AI-Augmented Secure Code Review for GitHub Pull Requests
von: Naulty, John, et al.
Veröffentlicht: (2025)

The Good, the Bad, and the (Un)Usable: A Rapid Literature Review on Privacy as Code
von: Ferreyra, Nicolás E. Díaz, et al.
Veröffentlicht: (2024)

Knowledge-Guided Prompt Learning for Request Quality Assurance in Public Code Review
von: Li, Lin, et al.
Veröffentlicht: (2024)

Beyond the Prompt: An Empirical Study of Cursor Rules
von: Jiang, Shaokang, et al.
Veröffentlicht: (2025)