何需关注？面向生成式 AI 开发者信任与采纳的驱动因素
人机交互
2025-11-17 v3 软件工程
摘要
生成式 AI（genAI）工具承诺带来生产力提升，但误校准的信任和使用摩擦仍阻碍其采纳。此外，genAI 可能具有排他性，未能充分支持多样化的用户。一种这样的多样性是认知多样性，它导致交互方式的差异（例如，风险规避型开发者可能会在测试/审核后才使用 genAI 输出；风险容忍型开发者则直接原型设计/事后修复问题）。当个体的认知风格未得到支持时，会创建额外的可用性障碍。因此，为了设计开发者信任且愿意使用的工具，我们首先必须理解哪些因素塑造了他们对 genAI 的信任以及在工作中使用的意图？我们通过在 GitHub 和 Microsoft 进行的大规模调查（N=238）构建了开发者对 genAI 信任与采纳的理论模型。使用部分最小二乘结构方程模型（PLS-SEM），我们发现与 genAI 系统/输出质量（例如，呈现、安全/安全性、性能）、功能价值（例如，教育/实用性收益）以及目标维护（维持与任务目标一致性的能力）相关的方面显著影响信任，这些因素与开发者的认知风格（即风险容忍度、技术熟悉度、计算机自我效能）一起影响采纳。通过重要性-绩效矩阵分析（IPMA）识别了高重要性但 genAI 表现不足的因素，揭示了设计改进的目标。我们通过对开发者报告的挑战和风险进行定性分析，以揭示这些差距在开发情境中为何持续存在的原因。我们提供了实用指导，以帮助设计支持有效、可信且包容性开发者-AI 交互的 genAI 工具。
引用
@article{arxiv.2505.17418,
title = {What Needs Attention? Prioritizing Drivers of Developers' Trust and Adoption of Generative AI},
author = {Rudrajit Choudhuri and Bianca Trinkenreich and Rahul Pandita and Eirini Kalliamvakou and Igor Steinmacher and Marco Gerosa and Christopher Sanchez and Anita Sarma},
journal= {arXiv preprint arXiv:2505.17418},
year = {2025}
}
备注
Journal extension of ICSE 2025 paper (arXiv:2409.04099)