「这对我也会有效」:在线社区如何影响软件开发人员对AI驱动的代码生成工具的信任

作者

RC

Ruijia Cheng

RW

Ruotong Wang

TZ

Thomas Zimmermann

DF

Denae Ford

大语言模型(LLM)的人机协作AI 辅助决策与自动化系统软件工程师与开发者UI/UX 设计师AI/ML 研究员与工程师

尽管革命性的AI驱动的代码生成工具正在迅速崛起,但我们对如何帮助软件开发人员对这些AI工具形成适当的信任知之甚少。通过两阶段形成性研究,我们调查了在线社区如何塑造开发者对AI工具的信任,以及我们如何利用社区特征来促进适当的用户信任。通过访谈17名开发者,我们发现开发者共同使用社区成员分享的经验来理解AI工具,并利用社区信号来评估AI建议。然后,我们提出设计机会并进行11个设计探测会话,以探索使用社区特征支持AI代码生成系统中用户信任的设计空间。我们综合研究结果,并用社会技术因素扩展了现有的用户对AI技术信任模型。我们绘制了将用户社区整合到AI代码生成体验中的设计考虑因素。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/iui/196259/2025

广告推荐

学习 AI 编程到 CodeNow

一眼看懂

论文快照

fact_check
dataset
来源
IUI
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、AI 辅助决策与自动化系统
work
职业/产业
软件工程师与开发者、UI/UX 设计师、AI/ML 研究员与工程师
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文