Does Co-Development with AI Assistants Lead to More Maintainable Code? A Registered Report
本研究通过两阶段受控实验，评估AI助手对软件可维护性的影响，采用贝叶斯分析比较完成时间、感知生产力、代码质量与测试覆盖率。
2024-08-20 cs.SE
Assessing AI-Based Code Assistants in Method Generation Tasks
本研究在方法生成任务中比较了GitHub Copilot、Tabnine、ChatGPT和Google Bard四款基于AI的代码助手，发现它们具备互补能力且有用，但很少生成可直接使用的正确代码。
2024-02-14 cs.SE
Diversity, Productivity, and Growth of Open Source Developer Communities
开源开发模式已经成为传统的内部/闭源软件开发模式的范式转变，并取得了许多成功。传统上，开源项目的主要特征是他们的个人志愿者开发人员。特别是在许多组织的参与下，这种传统发生了重大变化。然而，关于开源开发人员社区如何发展，存在着知识差距。在本文中，我们提出了一些关于开源开发者社区的观察。特别是，我们分析了20个知名开源项目的git存储库，总共有超过300万个提交活动。分别用Spearman秩相关系数、多样性指数和Gompertz/logistic曲线从生产力、多样性和生长三个方面进行了分析。我们发现：（a）积极贡献者和提交活动之间的斯皮尔曼等级相关系数揭示了开发者社区规模的变化如何影响社区的生产力;（b）开源开发者社区的多样性指数揭示了社区的结构;和（c）开放源码开发者社区的增长可以用增长曲线的不同阶段来描述，就像在许多有机物中一样。
2018-09-11 cs.SE
The Impact of LLM-Assistants on Software Developer Productivity: A Systematic Review and Mapping Study
Queen's University（女王大学）
本文通过综述39项研究，探讨LLM助手对软件开发者生产力的影响，发现多数研究显示积极效益，但存在认知卸载和团队协作风险，研究指出需更全面的评估方法。
2026-08-04 cs.AI cs.HC cs.SE
"My productivity is boosted, but ..." Demystifying Users' Perception on AI Coding Assistants
Singapore Management University（新加坡国立管理大学）；University of Alberta（阿尔伯塔大学）；Southeast University（东南大学）
本文通过分析VS Code Marketplace中1,085个AI编程助手的大量第一手用户评论，构建用户关注点分类体系，揭示开发者对上下文感知、可定制和资源高效交互的真实需求，并提出五项改进建议。
2025-08-17 cs.AI cs.HC cs.SE
Model Contribution Rate Theory: An Empirical Examination
本文提出 mhMCR 方法，通过聚类、提交时间差和贡献规模识别持续开发工作，并在多个商业仓库中验证其能更准确地衡量开发者生产率。
2024-12-08 cs.SE
Debt Behind the AI Boom: A Large-Scale Empirical Study of AI-Generated Code in the Wild
Adelaide University（阿德莱德大学）；University of Victoria（维多利亚大学）；Huazhong University of Science and Technology（华中科技大学）；Singapore Management University（新加坡管理大学）
本文研究了AI生成代码在真实软件项目中的技术债务影响，发现代码异味是最常见的问题，且部分问题长期存在，凸显了AI辅助开发中质量保障的必要性。
2026-10-13 cs.SE
DeputyDev -- AI Powered Developer Assistant: Breaking the Code Review Logjam through Contextual AI to Boost Developer Productivity
TATA 1mg Healthcare Solutions Private Limited（TATA 1mg医疗解决方案私人有限公司）
本研究提出AI驱动的代码审查助手DeputyDev，通过自动化上下文代码审查解决软件开发低效问题，实验证明其能显著缩短PR及每行代码审查时间并已成功推广应用。
2025-08-13 cs.LG cs.SE
Individual Differences Limit Predicting Well-being and Productivity Using Software Repositories: A Longitudinal Industrial Study
针对软件开发者幸福感与生产力预测难题，通过工业团队纵向研究发现个体差异是主要影响因素，个性化预测模型效果更优，为相关管理与研究提供参考。
2021-04-28 cs.SE
The Matthew Effect of AI Programming Assistants: A Hidden Bias in Software Evolution
City University of Hong Kong (Dongguan)（香港城市大学（东莞））；The Hong Kong Polytechnic University（香港理工大学）；The University of Hong Kong（香港大学）；The Hong Kong University of Science and Technology（香港科技大学）
本文研究了AI编程助手对软件生态系统的影响，发现主流语言和框架因数据丰富而获得更优支持，揭示了软件演化的隐藏偏见。
2026-02-09 cs.SE
Paradigm shift on Coding Productivity Using GenAI
Blekinge Institute of Technology（布莱肯贝格技术学院）
本研究通过调查电信和金融科技领域GenAI编码助手的采用情况，发现其在常规编码任务中提升生产力，但在复杂领域任务中面临挑战，并提出迭代提示优化、沉浸式开发环境和自动化代码评估等新范式。
2025-04-25 cs.AI cs.SE
Contribution Rate Imputation Theory: A Conceptual Model
本文提出“贡献率插补理论”及 CRIM 方法，基于 Time-Delta Method 并利用圈复杂度和 Levenshtein 距离等指标估算未观测的工作周期，从而更准确地估算软件开发工时，为项目管理和资源分配提供有价值的见解。
2024-10-11 cs.SE
Developers' Experience with Generative AI Beyond Productivity Assessment -- Insights from an Empirical Mixed-Methods Field Study
Hasso Plattner Institute, University of Potsdam（波茨坦大学哈索·普拉特纳研究所）；University of California, Irvine（加州大学尔湾分校）；SAP Labs, SAP（思爱普实验室）
通过混合方法现场研究，发现开发者对生成式AI总体满意，尤其在单调重复任务中感知效率提升，但同一任务中结合代码建议与聊天提示会削弱收益，并提出基于任务特征选择交互类型的经验法则。
2026-07-10 cs.SE
SpaceX: Exploring metrics with the SPACE model for developer productivity
University Of California, Davis（加州大学戴维斯分校）
SpaceX研究通过SPACE模型探索开发者生产力的多维度量，揭示负面情绪与提交频率的正相关性，并提出复合生产力分数以解决开发者效能异质性问题。
2025-11-26 cs.AI cs.SE
Investigating the Impact of Continuous Integration Practices on the Productivity and Quality of Open-Source Projects
工作背景：持续集成（CI）对开源项目的生产力和质量的影响已经进行了大量的研究。大多数研究分析了采用CI服务器服务（例如，Travis-CI）的影响，但没有分析CI子实践。目标：我们的目标是评估五个CI子实践对GitHub开源项目的生产力和质量的影响。方法：收集90个相关开源项目的CI子实践，为期2年。我们使用回归模型来分析坚持CI子实践的项目是否更有生产力和/或产生更少的错误。我们还进行了定性文档分析，以了解CI最佳实践是否与更高质量的项目相关。结果：我们的发现揭示了构建活动和提交活动子实践与合并拉取请求数量之间的相关性。我们还观察到构建活动、构建健康和修复损坏构建的时间子实践与错误相关问题数量之间的相关性。定性分析表明，CI子实践的最佳值的项目面临较少的CI相关的问题相比，表现出最差的CI子实践值的项目。结论：我们建议项目应该努力维护几个CI子实践，因为它们会影响项目的生产力和质量。
2022-08-04 cs.SE
The Corrective Commit Probability Code Quality Metric
The Hebrew University of Jerusalem（耶路撒冷希伯来大学）
我们提出了一个代码质量度量，纠正提交概率（CCP），测量的概率，提交反映纠正性维护。我们表明，这个指标符合开发人员的质量，信息和稳定的概念。通过将语言模型应用于提交消息来识别纠正提交。通过将语言模型应用于提交消息来识别纠正提交。我们计算了所有大型活跃GitHub项目的CCP（2019年至少有200个提交的7，557个项目）。这导致了一个质量等级的创建，表明质量最低的10%的项目在修复bug上花费的精力至少是前10%的6倍。对项目属性的分析表明，较低的CCP（较高的质量）与较小的文件，较低的耦合，使用JavaScript和C#等语言而不是PHP和C++，更少的开发人员，更低的开发人员流失，更好的入门和更高的生产力有关。除其他外，这些结果支持“质量是免费的”的说法，并建议实现更高的质量不需要更高的费用。
2020-07-21 cs.LG cs.SE
Disrupting Test Development with AI Assistants
Concora Credit Inc.（康科拉信贷公司）
本文利用测试金字塔概念，评估三种AI编码助手生成单元测试的能力，发现AI生成测试与原始测试质量相当，增进了对AI辅助工具在自动化测试中的理解。
2024-11-04 cs.AI cs.SE
OpenAi's GPT4 as coding assistant
International Hellenic University（国际希腊大学）
本文通过构建测试考察 GPT3.5 与 GPT4 在回答开发问题、生成可靠代码和辅助调试方面的能力，发现 GPT4 表现突出，有望提升程序员生产力并重组软件开发流程。
2023-09-22 cs.AI cs.SE
How does Working from Home Affect Developer Productivity? -- A Case Study of Baidu During COVID-19 Pandemic
如今，在家工作（WFH）已经成为一种流行的工作安排，因为它对公司和员工都有许多潜在的好处（例如，提高员工的工作满意度和保留率）。许多以前的研究调查了在家工作对员工生产力的影响。然而，这些研究大多采用调查、访谈等定性分析方法，且研究对象并非长期在家工作。由于2019冠状病毒病（COVID-19）爆发，大量公司要求员工在家工作，这为我们提供了一个调查在家工作是否影响其生产力的机会。在这项研究中，为了调查开发人员在家工作和在现场工作的生产力差异，我们基于中国最大的IT公司之一百度公司的开发人员日常活动数据集进行了定量分析。我们总共收集了139个开发者在138个工作日内的活动的大约4000条记录。在这些记录中，1，103条记录是在开发人员因COVID-19疫情在家工作时提交的。我们发现，WFH在不同的指标方面对开发人员的生产力有积极和消极的影响，例如，构建/提交/代码审查的数量。我们还注意到，在家工作对具有不同特征的项目有不同的影响，包括程序设计语言、项目类型/年龄/规模。例如，在家工作对大型项目的开发人员生产力有负面影响。此外，我们发现不同的开发人员的生产力不同。基于这些发现，我们得到了百度开发者的一些反馈，并了解了WFH对开发者生产力有不同影响的一些原因。
2021-03-25 cs.CY cs.SE
Using Experience Sampling to link Software Repositories with Emotions and Work Well-Being
背景：经验抽样方法研究人类在自然环境中的日常经验。在心理学中，它被用来研究工作幸福感和生产力之间的关系。据我们所知，日常经验抽样以前没有在软件工程中使用过。目标：我们的目的是确定软件开发人员自我报告的情感状态和工作幸福感和从软件库中获得的措施之间的联系。方法：我们在一家软件公司进行了为期八个月的经验抽样研究，我们使用逻辑回归将幸福感测量与开发活动联系起来，即提交和聊天消息的数量。结果：我们发现问卷变量和软件库变量之间有几个显着的关系。令我们惊讶的是，匆忙和提交数量之间的关系是负的，这意味着更多的感知匆忙与更少的提交数量有关。我们还发现，社会互动和阻碍工作幸福感之间存在负相关。结论：提交和匆忙之间的负面联系是违反直觉的，也与之前软件工程中的实验室实验相反，这些实验表明在时间压力下效率会提高。总的来说，我们的工作是在软件工程中使用经验抽样和验证软件工程领域其他领域的工作幸福感理论的第一步。
2018-09-04 cs.SE
The Transformative Influence of LLMs on Software Development & Developer Productivity
本文系统综述了LLMs作为AI编程助手对软件开发的影响，揭示了隐私、偏见等挑战，并提出12个开放问题。
2025-07-05 cs.HC cs.SE
The Productivity-Reliability Paradox: Specification-Driven Governance for AI-Augmented Software Development
School of Architecture, Computing and Engineering（建筑、计算与工程学院）
本文探讨AI辅助软件开发中生产力与可靠性矛盾现象，提出规范驱动治理模型，通过文献综述定义悖论因素，并评估规范工具的有效性。
2026-05-01 cs.AI cs.SE
Green My LLM: Studying the key factors affecting the energy consumption of code assistants
Univ. Lille（里尔大学）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；Centrale Lille（里尔中央理工学院）
本文通过模拟20位开发者使用GitHub Copilot的场景，研究影响代码助手能耗的关键配置因素，发现并发数、模型规模、量化与流式传输等均影响能耗，并指出大量生成请求被取消，提出优化配置可显著节能。
2024-11-07 cs.AI cs.SE
The Evolution of Information Seeking in Software Development: Understanding the Role and Impact of AI Assistants
本研究通过混合方法调查发现，开发者日益依赖AI工具进行信息寻求以提升效率，但需重视基础开发者知识以指导AI输出，对AI工具整合进开发流程具有启示。
2025-04-25 cs.HC cs.SE
Orchestrating AI-Assisted Code Remediation: Socio-Technical Bottlenecks in a Large Industrial Repository
Ericsson AB（爱立信）；Lund University（隆德大学）；Mälardalen University（马勒尔谷大学）；Carleton University（卡尔顿大学）
本研究通过15天工业案例，发现AI辅助代码修复中CI容量、审查精力和变更编排是主要瓶颈，需控制提交与批处理粒度并视语义变更集为一等工作单元。
2026-09-28 cs.SE
How far are AI-powered programming assistants from meeting developers' needs?
该研究通过模拟真实开发场景并招募27名学生，评估了三种流行AI编程助手工具的有效性，发现其普遍提升任务完成率与代码质量，但效果受任务性质和用户经验影响，并揭示了推荐代码的修改原因与用户期望。
2024-04-24 cs.SE
Helpful but Fallible: Developer Experiences of AI Tools Under a Coordinated Industrial Roll-out
Lund University（隆德大学）；Ericsson AB（爱立信公司）；Mälardalen University（马尔默达尔大学）；Carleton University（卡尔顿大学）；KTH Royal Institute of Technology（皇家理工学院）
本研究通过瑞典电信公司12名开发者的访谈，揭示AI开发工具协调部署中管理层与开发者期望差距及感知风险的重要性，指出工具价值受组织期望、系统规模和技能影响。
2026-09-21 cs.SE
LABIIUM: AI-Enhanced Zero-configuration Measurement Automation System
School of Engineering The University of Edinburgh Edinburgh, UK（工程学院 埃迪逊大学 英国爱丁堡）
本文提出LABIIUM，一个AI增强的零配置测量自动化系统，利用LLM生成代码并通过LAMBs连接仪器，实验表明其能完成基本扫描，但自适应算法仍需改进。
2025-03-04 cs.AI cs.CL cs.HC
Lessons from Building StackSpot AI: A Contextualized AI Coding Assistant
本文分享了开发团队从零构建上下文化LLM编程助手CodeBuddy的经验，通过访谈和问题跟踪分析揭示了基于LLM应用在LLM、用户和技术三方面的挑战与教训。
2024-01-04 cs.SE
Echoes of AI: Investigating the Downstream Effects of AI Assistants on Software Maintainability
CodeScene；Equal Experts；Continuous Delivery
本研究探讨AI助手对软件可维护性的影响，发现其在共同开发中未显著提升或降低可维护性，但指出未来需关注代码膨胀和认知债务等潜在风险。
2026-02-26 cs.AI cs.SE
Detecting and Characterizing Bots that Commit Code
The University of Tennessee（田纳西大学）；Carnegie Mellon University（卡内基梅隆大学）
背景资料：一些传统上手动执行的开发人员活动，例如提交代码，打开，管理或关闭问题，在许多OSS项目中越来越多地受到自动化的影响。具体而言，此类活动通常由对事件做出反应或在特定时间运行的工具执行。我们将这种自动化工具称为机器人，并且在与开发人员生产力或代码质量相关的许多软件挖掘场景中，需要识别机器人，以便将它们的动作与个人的动作分开。目标：找到一种自动化的方法来识别机器人和这些机器人提交的代码，并根据它们的活动模式来描述机器人的类型。方法和结果：我们提出了BIMAN，一个系统的方法来检测机器人使用作者姓名，提交消息，提交修改的文件，并与ommits相关的项目。对于我们的测试数据，AUC-ROC值为0.9。我们还根据代码提交的时间模式和修改的文件类型对这些机器人进行了特征分析，发现它们主要处理文档文件和网页，这些文件在HTML和JavaScript生态系统中最常见。我们编译了一个可共享的数据集，其中包含我们发现的461个机器人的详细信息（所有机器人都有超过1000次提交）和他们创建的13，762，430次提交。
2020-03-27 cs.CR cs.LG cs.SE
Who is using AI to code? Global diffusion and impact of generative AI
University of Utrecht（乌得勒支大学）；Complexity Science Hub（复杂性科学中心）；Corvinus University of Budapest（布达佩斯科维努斯大学）；ELTE Centre for Economic and Regional Studies（匈牙利罗兰大学经济与区域研究中心）；IT:U Interdisciplinary Transformation University（IT:U跨学科转型大学）
研究通过分析AI生成代码的全球扩散情况，发现其在提升生产率和拓展开发领域方面的作用，但经验丰富的程序员从中获益更多，加剧了技能差距。
2025-11-20 cs.CY cs.SE physics.soc-ph
Evolving with AI: A Longitudinal Analysis of Developer Logs
JetBrains Research（JetBrains 研究）；University of California, Irvine（加州大学尔湾分校）；JetBrains
研究通过纵向数据和调查分析AI对开发者日常编码实践的长期影响，发现AI使用提高了代码产出但也增加了删除量，同时开发者报告生产力提升但其他维度变化不明显。
2026-03-30 cs.HC cs.SE
EcoAssist: Embedding Sustainability into AI-Assisted Frontend Development
Carnegie Mellon University（卡内基梅隆大学）
EcoAssist通过IDE分析AI生成的前端代码，估算其能耗并提出优化建议，减少网站能耗13-16%，提升开发者能源意识而不影响效率。
2026-04-06 cs.HC cs.SE
Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows
首个受控研究揭示了自主coding agents如何超越copilots提升开发者生产力并改变工作流，同时指出用户理解和系统采用仍面临挑战。
2025-09-13 cs.SE
Impact of LLMs on Team Collaboration in Software Development
MS Data Science Program（数据科学项目）；Rochester Institute of Technology（罗切斯特理工学院）
本文研究了 LLMs 对软件开发生命周期中团队协作的影响，通过文献综述、调查和案例研究评估了 LLM 辅助工具的作用，发现其能提升效率与沟通但也带来隐私等挑战，并提出了未来研究方向。
2025-10-07 cs.AI cs.SE
Two's a Crowd: Human and AI-Based Copresence for Developers with ADHD
University of Michigan（密歇根大学）
本研究通过访谈14名ADHD软件工程师，揭示其依赖人机共在维持责任感与心流、避免社交焦虑，并基于Goffman理论与SPACE框架为AI工具提出包容性设计建议。
2026-10-26 cs.HC cs.SE
Lost in the Flow with Code Talkers: Unveiling the Instruction-Tuning Tax of Large Language Models in Code Tasks
Singapore Management University（新加坡国立管理学院）；The Chinese University of Hong Kong（香港中文大学）
本研究首次实证发现指令微调在代码任务中导致权衡：增强指令遵循能力却削弱代码填充性能，称之为“指令微调税”，并通过定性和定量分析总结出七项发现和四项启示。
2026-06-07 cs.AI cs.CL cs.SE
