Graduate papers
  
Description of the graduate paper
Form of studies Bachelor
Title of the study programm Computer Science and Organizational Technologies
Title in original language Kā Mākslīgā intelekta izmantošana koda ģenerēšā ietekmē problēmrisināšanas un koda bāzes izpratnes pārnesi nišas tehnoloģijā.
Title in English Assessing the Impact of AI-Driven Code Generation on Problem-Solving Transfer and Codebase Comprehension Using a Niche Technology Stack.
Department Riga Business School
Scientific advisor Valdis Saulespurēns
Reviewer Ojārs Krūmiņš
Abstract Mākslīgais intelekts (MI) pārveido programmēšanas nozari, MI programmēšanas asistenti kalpo kā mūsdienu pāru programmētājs un nodrošina ievērojamu produktivitātes pieaugumu. Lai gan šo MI programmēšanas asistentu sniegtie ieguvumi ir plaši pētīti, trūkst pētījumu par to trūkumiem. Šajā darbā tika veikts kontrolēts eksperiments ar 15 dalībniekiem, kuri tika nejauši iedalīti divās grupās, izmantojot Perl/Mojolicious tehnoloģiju kopu, lai novērtētu MI programmēšanas asistentu ietekmi uz izstrādes ātrumu, koda kvalitāti, mentālajiem modeļiem un nokaitinātības līmeņiem. Pētījuma rezultāti parāda šo rīku iespējamās priekšrocības un trūkumus. Eksperimentālās grupas dalībnieki, kuriem bija atļauts izmantot MI programmēšanas asistentus, izpildīja uzdevumus 2,5 reizes ātrāk nekā kontroles grupa (p = 0,006 2. uzdevumam un p = 0,017 3. uzdevumam); tomēr kontroles grupa uzrādīja labāku koda kvalitāti (p = 0,0033). Citi faktori, piemēram, mentālie modeļi un pašnovērtie nokaitinātības līmeņi, neuzrādīja statistiski nozīmīgas atšķirības starp grupām. Šie rezultāti liecina, ka MI programmēšanas palīgu piedāvātā produktivitātes palielināšanās var būt viltus pozitīvs rādītājs, jo ilgtermiņā kodā uzkrātos ievērojams tehniskais parāds, un tā uzturēšana kļūtu apgrūtināta. Tas varētu novest pie līdzīgas krīzes kāda bija vērojama 1970. gados, kad sistēmas ātri kļuva pārāk sarežģītas, lai tās varētu uzturēt. Lai to novērstu, programmētājiem būtu rūpīgi jāpārbauda kods un jāizvērtē tas no arhitektūras viedokļa, jo tieši šajā jomā MI kodēšanas palīgi visbiežāk pieļauj kļūdas. Turklāt būtu jāizstrādā daudzi papildu visaptveroši testi, lai novērstu šo kļūdu iekļūšanu ražošanas vidē.
Keywords Automatizācijas radītie aizspriedumi un paļāvība, Cilvēku un mākslīgā intelekta sadarbība, Koda bāzes izpratne, Programmatūras uzturamība
Keywords in English Human-AI Collaboration, Codebase Comprehension, Automation Bias & Complacency, Software Maintainability
Language eng
Year 2026
Date and time of uploading 20.04.2026 17:02:13