Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Auto-déclaration des développeurs sur le code généré par l'IA : une analyse des pratiques

Created by
  • Haebom

Auteur

Syed Mohammad Kashif, Peng Liang, Amjed Tahir

Contour

Cet article explore comment les développeurs utilisant des outils de génération de code IA auto-déclarent leur code généré par l'IA et pourquoi. Grâce à l'analyse des dépôts GitHub (collectant 613 extraits de code générés par l'IA) et à une enquête (111 réponses valides), nous avons constaté que 76,6 % des développeurs auto-déclarent systématiquement ou parfois leur code généré par l'IA, tandis que 23,4 % ne le font jamais. Les raisons de l'auto-déclaration comprenaient le suivi et la surveillance pour révision et débogage ultérieurs, ainsi que des considérations éthiques. Les raisons de l'absence de déclaration comprenaient des modifications importantes apportées au code généré par l'IA et la perception que cela serait inutile. Enfin, nous fournissons des lignes directrices pour l'auto-déclaration du code généré par l'IA afin de répondre aux préoccupations éthiques et de qualité du code.

Takeaways, Limitations_

Takeaways:
Fournit des données empiriques sur l’utilisation des outils de génération de code d’IA et des pratiques d’autodéclaration.
Identifier les facteurs qui influencent la déclaration des développeurs concernant le code généré par l'IA
Fournir des lignes directrices pratiques pour l’auto-déclaration du code généré par l’IA.
Souligner la nécessité de prendre en compte les aspects éthiques de l’utilisation des outils de génération de code d’IA.
Limitations:
Biais des données dans l'analyse du référentiel GitHub (limité à des plateformes et groupes de développeurs spécifiques)
Taille limitée de l'échantillon de répondants à l'enquête (difficulté de généralisation)
Manque de clarté sur la définition et la portée du code généré par l'IA (nécessité de prendre en compte divers outils d'IA et méthodes de génération de code)
Suivi insuffisant des changements dans les méthodes d'auto-déclaration du code généré par l'IA dans une perspective à long terme
👍