ACM Transactions on Software Engineering and Methodology· 2026Q1
"En Az Direnç Yolu": Üretken Yapay Zeka Etkileşiminin Programlamada Yaratıcı Süreç Üzerindeki Etkisinin Keşfi
"Like Taking the Path of Least Resistance": Exploring the Impact of LLM Interaction on the Creative Process of Programming
- 0atıf
- Q1SCImago
- 2026yıl
Kısa özet
Üretken yapay zeka (LLM) destekli programlama, 20 katılımcıda fikir üretme süresini (p=1.6e-5) ve yaratıcı anları (p=4.4e-7) önemli ölçüde azaltırken, üretilen çözümler karşılaştırılabilir benzersiz fikir sayısına rağmen birbirine daha çok benziyordu.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- LLM destekli programlama, 20 programcı üzerinde yapılan bir çalışmada önemli ölçüde daha kısa fikir üretme sürelerine (p=1.6e-5) ve daha az yaratıcı ana (p=4.4e-7) yol açtı.
- Algoritmik görevler için LLM destekli çözümler daha doğru ve işlevseldi ancak aynı zamanda birbirlerine önemli ölçüde daha benzerdi.
- Üretilen benzersiz fikir sayısı, LLM destekli ve desteksiz koşullar arasında karşılaştırılabilirdi.
- Dört farklı insan-LLM işbirliği modu belirlendi ve bunlar farklı problem çözme stratejilerini destekledi.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
As AI takes on more of the generative work that once required human imagination, despite documented limitations in creative ability, a critical question emerges: How does GenAI affect users’ creativity? Through a within-subject study followed by retrospective interviews with (N=20) programmers, we investigated the impact of LLMs on participants’ process of creative thinking in programming and the creativity of generated solutions. Across two conditions (LLM-assisted vs. unassisted), participants using LLMs had significantly shorter idea-generation periods ( \(p=1.6\times 10^{-5}\) ) and fewer creative moments ( \(p=4.4\times 10^{-7}\) ). Qualitative analysis of participants’ interactions and interviews revealed four different human-LLM collaboration modes supporting various problem-solving strategies. However, a comparative analysis of the generated solutions shows that while LLMs can help generate more correct and functional code, LLM-assisted solutions to algorithmic tasks were significantly more similar to one another, even though the number of unique ideas was comparable. Based on our findings, we discuss design implications and considerations for effectively using LLMs to support user creativity.
Yazarların özeti; kaynağından alınmıştır. ACM Transactions on Software Engineering and Methodology, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Bilgisayar Bilimi Uygulamaları
Computer Science ApplicationsComputer Science