論文の概要: Leveraging Creativity as a Problem Solving Tool in Software Engineering
- arxiv url: http://arxiv.org/abs/2502.03280v1
- Date: Wed, 05 Feb 2025 15:35:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-06 14:28:22.121883
- Title: Leveraging Creativity as a Problem Solving Tool in Software Engineering
- Title（参考訳）: ソフトウェア工学における問題解決ツールとしての創造性を活用する
- Authors: Wouter Groeneveld,
- Abstract要約: 認知心理学の分野における創造性研究の結果をソフトウェア工学の分野に移植する。
私たちはクリエイティビティを実践的な問題解決ツールとして活用して、ソフトウェア開発者を支援する方法を探っています。
- 参考スコア（独自算出の注目度）: 0.7614628596146602
- License:
- Abstract: Today's software engineering (SE) complexities require a more diverse tool set going beyond technical expertise to be able to successfully tackle all challenges. Previous studies have indicated that creativity is a prime indicator for overcoming these hurdles. In this paper, we port results from creativity research in the field of cognitive psychology to the field of SE. After all, programming is a highly creative endeavour. We explore how to leverage creativity as a practical problem solving tool to wield for software developers. The seven distinct but intertwined creative problem solving themes unfolded in this paper are accompanied with practical perspectives, specifically geared for software professionals. Just like technical skills such as knowledge of programming languages, we believe that creativity can be learned and improved with practice.
- Abstract（参考訳）: 今日のソフトウェアエンジニアリング(SE)の複雑さは、すべての課題にうまく取り組むために、技術的な専門知識を超えた、より多様なツールセットを必要とします。
これまでの研究では、創造性はこれらのハードルを克服する主要な指標であることが示された。
本稿では,認知心理学の分野における創造性研究の結果をSEの分野に移植する。
結局のところ、プログラミングは非常に創造的な試みです。
私たちはクリエイティビティを実践的な問題解決ツールとして活用して、ソフトウェア開発者を支援する方法を探っています。
この論文で展開されている7つの異なるが相互に絡み合った創造的な問題を解決するテーマには、特にソフトウェア専門家向けの実践的な視点が伴っている。
プログラミング言語の知識のような技術的なスキルと同じように、創造性は実践によって学び、改善できると信じています。
関連論文リスト
- Creativity in AI: Progresses and Challenges [17.03526787878041]
我々は,AIシステムの創造的能力について研究し,創造的な問題解決,言語的,芸術的,科学的創造性に注目した。
我々のレビューは、最新のAIモデルは言語的にも芸術的にも創造的なアウトプットを生成できるが、創造的な問題解決を必要とするタスクに苦労していることを示唆している。
プロセス駆動型で創造性のいくつかの側面を考慮した、包括的な創造性評価の必要性を強調します。
論文 参考訳（メタデータ） (2024-10-22T17:43:39Z) - Bridging Gaps, Building Futures: Advancing Software Developer Diversity and Inclusion Through Future-Oriented Research [50.545824691484796]
我々はSEの多様性と包摂性に関する課題と解決策について、SE研究者や実践者から知見を提示する。
我々は,将来的なユートピアやディストピアのビジョンを共有し,今後の研究の方向性とアカデミックや産業への示唆を提供する。
論文 参考訳（メタデータ） (2024-04-10T16:18:11Z) - Students' and Professionals' Perceived Creativity In Software
Engineering: A Comparative Study [5.1451461018028715]
私たちは4つのフォーカスグループと10人のSE学生を通して33人のプロにインタビューした。
その結果,創造性に関する45のトピックが明らかになった。
本研究の目的は,高等教育における創造的問題解決の設置と促進であり,教育実践への意味のリストも含んでいる。
論文 参考訳（メタデータ） (2023-12-19T10:06:27Z) - MacGyver: Are Large Language Models Creative Problem Solvers? [87.70522322728581]
本稿では, 現代LLMの創造的問題解決能力について, 制約付き環境下で検討する。
我々は1,600以上の実世界の問題からなる自動生成データセットであるMACGYVERを作成する。
我々はLLMと人間の両方にコレクションを提示し、それらの問題解決能力を比較して比較する。
論文 参考訳（メタデータ） (2023-11-16T08:52:27Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳（メタデータ） (2023-06-06T10:18:36Z) - CREATOR: Tool Creation for Disentangling Abstract and Concrete Reasoning of Large Language Models [74.22729793816451]
大規模言語モデル(LLM)はツールの利用において大きな進歩を遂げているが、その能力はAPIの可用性によって制限されている。
我々は、LCMがドキュメンテーションとコード実現を使って独自のツールを作成できる新しいフレームワークCREATORを提案する。
我々は,MATH と TabMWP のベンチマークで CREATOR を評価する。
論文 参考訳（メタデータ） (2023-05-23T17:51:52Z) - Designing Participatory AI: Creative Professionals' Worries and
Expectations about Generative AI [8.379286663107845]
生成AI(英: Generative AI)とは、テキストのプロンプトに基づいて視覚的または書き起こされたコンテンツを自動生成する一連の技術で、複雑さが飛躍的に増加し、わずか数年で広く利用できるようになる技術である。
本稿では,創造的プロフェッショナルが生成AIをどのように考えるかに関する質的研究の結果を報告する。
論文 参考訳（メタデータ） (2023-03-15T20:57:03Z) - Exploring Challenges and Opportunities to Support Designers in Learning
to Co-create with AI-based Manufacturing Design Tools [31.685493295306387]
AIベースのデザインツールは、複雑な製造や設計タスクでエンジニアリングや工業デザイナーを支援するために、プロのソフトウェアで急速に普及している。
これらのツールは、伝統的なコンピュータ支援デザインツールよりもエージェント的な役割を担い、しばしば「コ・クリエーター」として表現される。
これまでのところ、エンジニアリングデザイナがAIベースのデザインツールでどのように働くかはほとんどわかっていません。
論文 参考訳（メタデータ） (2023-03-01T02:57:05Z) - Redefining Relationships in Music [55.478320310047785]
私たちは、AIツールが音楽文化を根本的に変えてくれると論じています。
この分野で働く人々は、音楽の実践、消費、意味に対するネガティブな影響を減らすことができる。
論文 参考訳（メタデータ） (2022-12-13T19:44:32Z) - Guru, Partner, or Pencil Sharpener? Understanding Designers' Attitudes
Towards Intelligent Creativity Support Tools [4.812445272764651]
創造支援ツール(CST)は、人間の創造性を高めることを目的としているが、創造性の深い個人的、主観的な性質は、普遍的な支援ツールの設計を困難にしている。
人工知能(AI)と機械学習(ML)技術は、個人の創造スタイルを学習し、適応する「知的な」CSTを作成する手段を提供する。
本稿では,AIツールとの協調に対する肯定的かつ実践的な態度を示す,プロのデザイナーを対象にした調査結果について述べる。
論文 参考訳（メタデータ） (2020-07-09T14:52:52Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。