دانلود پایان نامه ارزیابی اثربخشی ChatGPT در تولید کد پایتون

1. مقدمه 2. پیشینه تحقیق 3. مساله 4. کارهای مرتبط 5. روش تحقیق 6. نتایج 7. بحث و بررسی 8. نتیجه گیری

چکیده – این مطالعه، قابلیت های تولید کد پایتون توسط ChatGPT را با یک شبه آزمایش و یک مطالعه موردی، به ترتیب با بکارگیری روش های کمی و کیفی، مورد بررسی قرار داد. تحلیل کمی، کد تولید شده با ChatGPT را با راهکارهای نوشته شده توسط انسان از نظر دقت، کیفیت و خوانایی مقایسه کرد درحالی که مطالعه کیفی، شرکت کنندگان دارای سطوح مختلف تجربه برنامه نویسی را در مورد کاربردی بودن ChatGPT برای تولید کد، مورد مصاحبه قرار داد. یافته ها، تفاوت های معناداری در کیفیت بین راهکارهای تولید شده توسط AI و نوشته شده توسط انسان آشکار کرد اما شباهت های کلی در دقت و خوانایی را حفظ کرد. مصاحبه ها نشان دادند که ChatGPT پتانسیل تولید برنامه های ساده را دارد اما با مسائل پیچیده و توسعه مکرر مشکل دارد، اگرچه اکثر شرکت کنندگان در مورد قابلیت های آن در آینده خوشبین بودند. پژوهش های بعدی می توانند نمونه های بزرگتر، زبان های برنامه نویسی بیشتر و پیچیدگی مسئله بالاتر را شامل کنند.

This study investigated ChatGPT’s Python code generation capabilities with a quasi-experiment and a case study, incorporating quantitative and qualitative methods respectively. The quantitative analysis compared ChatGPT-generated code to human-written solutions in terms of accuracy, quality, and readability, while the qualitative study interviewed participants with varying levels of programming experience about the usability of ChatGPT for code generation. The findings revealed significant differences in quality between AI-generated and human-written solutions but maintained overall similarities in accuracy and readability. The interviewees reported that ChatGPT showed potential for generating simple programs but struggled with complex problems and iterative development, though most participants were optimistic about its future capabilities. Future research could involve larger samples, more programming languages, and increased problem complexities.

تولید خودکار کد یک حوزه نوظهور است که با معرفی ChatGPT در 30 نوامبر 2022 (OpenAI 2022) پیشرفت قابل توجهی داشته است. این مدل زبان قادر به تولید کد از توصیف‌های زبان طبیعی است و به کاربران امکان می‌دهد حتی بدون تجربه برنامه‌نویسی قبلی برنامه‌های ساده‌ای ایجاد کنند. با توجه به تازگی این توسعه، در حال حاضر تحقیقات کمی در مورد ChatGPT، به ویژه در مورد تولید کد، وجود دارد. بنابراین، تعیین اینکه چقدر می‌تواند مشکلات برنامه‌نویسی را حل کند و شناسایی محدودیت‌های بالقوه، برای اطلاع‌رسانی بهبودها و تحقیقات آینده مهم است. هدف این مطالعه تجزیه و تحلیل اثربخشی ChatGPT در تولید کد پایتون با استفاده از روش‌های کمی و کیفی است. مطالعه کمی با استفاده از پرسشنامه برای ارزیابی اثربخشی آن از طریق سه متغیر: دقت، کیفیت و خوانایی، توانایی ChatGPT در تولید کد پایتون را ارزیابی می‌کند. در این زمینه، دقت به میزان همسو بودن کد تولید شده با وظیفه توصیف شده در درخواست تعریف می‌شود؛ کیفیت میزان خوب بودن کد را اندازه‌گیری می‌کند؛ خوانایی به سهولت خواندن و درک کد تولید شده توسط کاربران اشاره دارد. مطالعه کیفی با شرکت‌کنندگانی با سطوح مهارت متفاوت مصاحبه کرد که با ChatGPT در حل تکالیف برنامه‌نویسی همکاری کردند تا قابلیت استفاده از ChatGPT برای تولید کد پایتون را اندازه‌گیری کنند. افکار و نظرات شرکت‌کنندگان در مورد این فرآیند نتایج کیفی در مورد مفید بودن برنامه‌نویسی زبان طبیعی و پتانسیل آن برای ساده‌سازی برنامه‌نویسی برای توسعه‌دهندگان ارائه کرد. این مطالعه با تجزیه و تحلیل کامل قابلیت‌های ChatGPT در تولید کد پایتون، قصد دارد تحقیقات قبلی در مورد تولید کد هوش مصنوعی را گسترش دهد. یافته‌ها برای توسعه آینده مدل‌های هوش مصنوعی در زمینه تولید کد و اطلاع‌رسانی مشخصات برای همکاری موثر بین برنامه‌نویسان انسانی و دستیاران هوش مصنوعی راهنمایی ارائه خواهد کرد. با ترکیب رویکردهای کمی و کیفی، این مطالعه ارزیابی جامعی از ChatGPT و پیامدهای کد تولید شده توسط هوش مصنوعی بر چشم‌انداز توسعه نرم‌افزار ارائه می‌دهد.

ترجمه این پایان نامه در 88 صفحه آماده شده و در ادامه نیز صفحه 28 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.