論文の概要: Students' Perception of LLM Use in Requirements Engineering Education: An Empirical Study Across Two Universities

• arxiv url: http://arxiv.org/abs/2509.05995v1
• Date: Sun, 07 Sep 2025 09:52:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.808838
• Title: Students' Perception of LLM Use in Requirements Engineering Education: An Empirical Study Across Two Universities
• Title（参考訳）: 要求工学教育におけるLLM利用に対する学生の認識--2つの大学を対象にした実証的研究
• Authors: Sharon Guardado, Risha Parveen, Zheying Zhang, Maruf Rayhan, Nirnaya Tripathi,
• Abstract要約: 要求工学(RE)教育におけるLLM(Large Language Models)は、教育的アプローチを変革している。 本研究は,REコースにおけるLLMの統合効果を実証的に評価する。 学生は、学術的完全性、AIへの過度な依存、AI生成コンテンツを課題に組み込むことへの懸念を提起した。
• 参考スコア（独自算出の注目度）: 1.7094085866965287
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The integration of Large Language Models (LLMs) in Requirements Engineering (RE) education is reshaping pedagogical approaches, seeking to enhance student engagement and motivation while providing practical tools to support their professional future. This study empirically evaluates the impact of integrating LLMs in RE coursework. We examined how the guided use of LLMs influenced students' learning experiences, and what benefits and challenges they perceived in using LLMs in RE practices. The study collected survey data from 179 students across two RE courses in two universities. LLMs were integrated into coursework through different instructional formats, i.e., individual assignments versus a team-based Agile project. Our findings indicate that LLMs improved students' comprehension of RE concepts, particularly in tasks like requirements elicitation and documentation. However, students raised concerns about LLMs in education, including academic integrity, overreliance on AI, and challenges in integrating AI-generated content into assignments. Students who worked on individual assignments perceived that they benefited more than those who worked on team-based assignments, highlighting the importance of contextual AI integration. This study offers recommendations for the effective integration of LLMs in RE education. It proposes future research directions for balancing AI-assisted learning with critical thinking and collaborative practices in RE courses.
• Abstract（参考訳）: 要求工学(RE)教育におけるLarge Language Models(LLMs)の統合は、教育的アプローチを変え、彼らの専門的な未来を支える実用的なツールを提供しながら、学生のエンゲージメントとモチベーションを高めようとしている。 本研究は,REコースにおけるLLMの統合効果を実証的に評価する。 本研究では,LLMの指導的利用が学生の学習体験に与える影響と,RE実践におけるLLMの活用のメリットと課題について検討した。 この調査は、2つの大学における2つのreコースにわたる179人の学生を対象にした調査データを収集した。 LLMは、個別の課題とチームベースのアジャイルプロジェクトという、異なる指導形式を通じて、コースワークに統合された。 以上の結果から,LSMは学生のRE概念の理解を向上させ,特に要件適用や文書化といったタスクにおいて有効であることが示唆された。 しかし、学生は、学術的完全性、AIへの過度な依存、AI生成コンテンツを課題に組み込む際の課題など、教育におけるLLMに関する懸念を提起した。 個々の課題に取り組む学生は、チームベースの課題に取り組む学生よりも恩恵を受けており、コンテキストAI統合の重要性を強調した。 本研究は、RE教育におけるLLMの効果的な統合を推奨するものである。 それは、AI支援学習と批判的思考とREコースの協調的実践のバランスをとるための将来の研究方向を提案する。

関連論文リスト

• Can Large Language Models Help Students Prove Software Correctness? An Experimental Study with Dafny [75.55915044740566]
  コンピューティング教育の学生は、ChatGPTのような大きな言語モデル(LLM)をますます利用している。 本稿では,Dafny の形式的検証演習において,学生が LLM とどのように相互作用するかを検討する。
  論文  参考訳（メタデータ） (2025-06-27T16:34:13Z)
• Beyond Answers: How LLMs Can Pursue Strategic Thinking in Education [9.836302410524842]
  大規模言語モデル(LLM)は、教育提供を促進するために、患者家庭教師と協力パートナーの両方として機能する。 教師としてLLMは、ステップバイステップの説明を提供し、個々のニーズに対処することによって、学習をパーソナライズする。 協力者として、彼らは学生の地平線を拡大し、それらを複雑で現実的な問題に取り組むために支援する。
  論文  参考訳（メタデータ） (2025-04-07T08:09:46Z)
• Position: LLMs Can be Good Tutors in English Education [120.25980336297444]
  大規模言語モデル(LLM)は、英語教育において効果的な家庭教師として機能する可能性がある。 LLMは、データエンハンサー、学習材料の作成の改善、学生シミュレーションの3つの重要な役割を果たすことができる。
  論文  参考訳（メタデータ） (2025-02-08T06:48:49Z)
• Embracing AI in Education: Understanding the Surge in Large Language Model Use by Secondary Students [53.20318273452059]
  OpenAIのChatGPTのような大規模言語モデル(LLM)は、新しい教育の道を開いた。 学校制限にもかかわらず,中高生300人以上を対象に調査を行ったところ,学生の70%がLDMを利用していることがわかった。 我々は、対象特化モデル、パーソナライズドラーニング、AI教室など、このような問題に対処するいくつかのアイデアを提案する。
  論文  参考訳（メタデータ） (2024-11-27T19:19:34Z)
• Exploring Knowledge Tracing in Tutor-Student Dialogues using LLMs [49.18567856499736]
  本研究では,大規模言語モデル(LLM)が対話学習を支援することができるかどうかを検討する。 我々は,学習者の知識レベルを対話全体にわたって追跡するために,ラベル付きデータに知識追跡(KT)手法を適用した。 我々は,2つの学習対話データセットの実験を行い,従来のKT手法よりも学生の反応の正しさを予測できる新しいLCM-based method LLMKTが優れていることを示す。
  論文  参考訳（メタデータ） (2024-09-24T22:31:39Z)
• I don't trust you (anymore)! -- The effect of students' LLM use on Lecturer-Student-Trust in Higher Education [0.0]
  Open AIのChatGPTのようなプラットフォームにおける大規模言語モデル(LLM)は、大学生の間で急速に採用されている。 学生によるLLMの使用は、情報と手続きの正義にどのように影響し、チーム信頼と期待されるチームパフォーマンスに影響を与えるか? 本研究は,LLM使用の公平さよりも,学生利用の透明性に重点を置いていることを示唆する。
  論文  参考訳（メタデータ） (2024-06-21T05:35:57Z)
• Analyzing LLM Usage in an Advanced Computing Class in India [4.580708389528142]
  本研究では,大規模言語モデル(LLM)を,大学院生や大学院生が高度なコンピューティングクラスにおけるプログラミング課題に活用することを検討した。 インド大学の分散システムクラスから411名の学生を対象に,総合的な分析を行った。
  論文  参考訳（メタデータ） (2024-04-06T12:06:56Z)

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。