Tác động của AI tạo sinh đối với hiệu suất và quy trình phát triển phần mềm
Nghiên cứu, tổng hợp và đánh giá 10 nguồn thông tin chất lượng về vai trò của Generative AI trong phát triển phần mềm, từ tạp chí khoa học tới báo cáo và khảo sát thực tế.
Thông tin bài tập
Mục tiêu: Phát triển kỹ năng tìm kiếm và đánh giá thông tin học thuật từ các nguồn đáng tin cậy.
Yêu cầu:
- Chọn chủ đề liên quan tới ngành học.
- Tìm thông tin từ cơ sở dữ liệu học thuật, tạp chí chuyên ngành, sách chuyên khảo và nguồn mở.
- Thu thập ít nhất 10 tài liệu liên quan, trong đó có ít nhất 5 bài báo khoa học.
- Đánh giá độ tin cậy theo tác giả, cơ quan, phương pháp, trích dẫn và mức độ cập nhật.
- Tạo bảng tổng hợp các nguồn thông tin kèm xếp hạng độ tin cậy.
Nguồn thông tin chính
A. Tạp chí khoa học và kỷ yếu hội nghị
- Ziegler, A., et al., 2022. Productivity assessment of neural code completion. ACM FSE.
- Peng, S., Kalliamvakou, E., Cihon, P. và Demirer, M., 2023. The impact of AI on developer productivity. arXiv.
- Hou, X., et al., 2023. Large language models for software engineering: A systematic literature review. ACM Transactions.
- Vaithilingam, P., Zhang, T. và Glassman, E.L., 2022. Expectation vs. experience. ACM CHI.
- Chen, M., et al., 2021. Evaluating large language models trained on code. arXiv.
B. Sách chuyên khảo
- Foster, D., 2023. Generative Deep Learning. O'Reilly.
- Rothman, D., 2022. Transformers for Natural Language Processing. Packt.
C. Nguồn mở trên Internet
- OpenAI, 2023. GPT-4 Technical Report.
- GitHub, 2023. Research: quantifying GitHub Copilot’s impact on developer productivity and happiness.
- Stack Overflow, 2024. 2024 Developer Survey.
Đánh giá độ tin cậy
Các nguồn được đánh giá theo 5 tiêu chí: uy tín tác giả/cơ quan, phương pháp nghiên cứu, trích dẫn, tính cập nhật và mức độ phù hợp với chủ đề Generative AI trong phát triển phần mềm.
| STT | Tài liệu | Loại nguồn | Tác giả / Cơ quan | Độ tin cậy | Mô tả ngắn |
|---|---|---|---|---|---|
| 1 | Productivity assessment... | Hội nghị ACM | Ziegler et al. (GitHub/Microsoft) | 5 | Nghiên cứu thực nghiệm, hội nghị top ngành, trích dẫn cao. |
| 2 | Impact of AI on developer... | arXiv | Peng et al. (MIT/Microsoft) | 4.5 | A/B testing rõ ràng, tác giả uy tín, nhưng chưa bình duyệt. |
| 3 | LLMs for SE: A Review... | Tạp chí ACM | Hou et al. (NUS) | 5 | Tổng quan hệ thống, nguồn chất lượng, cập nhật 2023. |
| 4 | Expectation vs. experience | Hội nghị ACM CHI | Vaithilingam et al. (Harvard) | 4.5 | Nghiên cứu người dùng, tập trung vào trải nghiệm tương tác. |
| 5 | Evaluating LLMs on code | arXiv | Chen et al. (OpenAI) | 5 | Báo cáo nền tảng về Codex, trích dẫn rộng và ảnh hưởng lớn. |
| 6 | Generative Deep Learning | Sách | Foster (O'Reilly) | 4 | Sách chuyên khảo cung cấp nền tảng lý thuyết và ví dụ thực hành. |
| 7 | Transformers for NLP | Sách | Rothman (Packt) | 4 | Tập trung vào nguyên lý Transformer, phù hợp nền tảng GenAI. |
| 8 | GPT-4 Technical Report | Báo cáo kỹ thuật | OpenAI | 4 | Benchmark mạnh, đáng tin cậy nhưng có thể thiên vị sản phẩm. |
| 9 | GitHub Copilot Research Blog | Blog GitHub | GitHub | 3.5 | Dữ liệu người dùng lớn, phù hợp thực tế nhưng không phải nghiên cứu khách quan. |
| 10 | 2024 Developer Survey | Khảo sát Stack Overflow | Stack Overflow | 3.5 | Góc nhìn thực tế về thái độ lập trình viên, không phải báo cáo nghiên cứu học thuật. |
Đánh giá tổng quan
Nhóm nguồn 1-5 có độ tin cậy cao nhất vì dựa trên hội nghị và báo cáo học thuật, còn nguồn 6-10 phù hợp để bổ sung lượt trích dẫn và bối cảnh thực tế.
Tổng hợp này giúp hiểu rõ tác động của Generative AI lên hiệu suất lập trình, quy trình phát triển và trải nghiệm người dùng trong phần mềm.