Artificial Intelligence versus Software Engineers: An Evidence-Based Assessment Focusing on Non-Functional Requirements
Notice bibliographique
Résumé
<title>Abstract</title> The automation of Software Engineering (SE) tasks using Artificial Intelligence (AI) is growing, with AI increasingly leveraged for project management, modeling, testing, and development. Notably, ChatGPT, an AI-powered chatbot, has been introduced as a versatile tool for code writing and test plan generation. Despite the excitement around AI's potential to elevate productivity and even replace human roles in software development, solid empirical evidence remains scarce. Normally, a software engineer's solution is evaluated against a variety of non-functional requirements such as performance, efficiency, reusability, and usability, among others. This study presents an empirical exploration of the performance of software engineers versus AI on specific development tasks, using an array of quality parameters. Our aim is to enhance the interplay between humans and machines, increase the trustworthiness of AI methodologies, and identify the best performers for each task. In doing so, it also contributes to refining cooperative or human-in-the-loop workflows in the context of software engineering. The study investigates two distinct scenarios: the analysis of ChatGPT-produced code against developer-created code on Leetcode, and the comparison of automated machine learning (Auto-ML) and manual methods in the creation of a control structure for an Internet of Things (IoT) application. Our findings reveal that while software engineers excel in some scenarios, AI performs better in others. This groundbreaking empirical study helps forge a new pathway for collaborative human-machine intelligence where AI's capabilities can augment human skills in software engineering.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».