論文の概要: Model-Assisted and Human-Guided: Perceptions and Practices of Software Professionals Using LLMs for Coding

• arxiv url: http://arxiv.org/abs/2510.09058v1
• Date: Fri, 10 Oct 2025 06:59:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:48.298369
• Title: Model-Assisted and Human-Guided: Perceptions and Practices of Software Professionals Using LLMs for Coding
• Title（参考訳）: モデル支援とヒューマンガイド:コーディングにLLMを用いたソフトウェアプロフェッショナルの認識と実践
• Authors: Italo Santos, Cleyton Magalhaes, Ronnie de Souza Santos,
• Abstract要約: 大規模言語モデルは、急速に現代のソフトウェア開発の中心的なコンポーネントになりつつある。 本稿では,131名のソフトウェア実践者の国際調査から予備的知見を提示する。
• 参考スコア（独自算出の注目度）: 2.198430261120653
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models have quickly become a central component of modern software development workflows, and software practitioners are increasingly integrating LLMs into various stages of the software development lifecycle. Despite the growing presence of LLMs, there is still a limited understanding of how these tools are actually used in practice and how professionals perceive their benefits and limitations. This paper presents preliminary findings from a global survey of 131 software practitioners. Our results reveal how LLMs are utilized for various coding-specific tasks. Software professionals report benefits such as increased productivity, reduced cognitive load, and faster learning, but also raise concerns about LLMs' inaccurate outputs, limited context awareness, and associated ethical risks. Most developers treat LLMs as assistive tools rather than standalone solutions, reflecting a cautious yet practical approach to their integration. Our findings provide an early, practitioner-focused perspective on LLM adoption, highlighting key considerations for future research and responsible use in software engineering.
• Abstract（参考訳）: 大規模言語モデルは、急速に現代のソフトウェア開発ワークフローの中心的なコンポーネントとなり、ソフトウェア実践者は、LLMをソフトウェア開発ライフサイクルの様々な段階に統合し始めている。 LLMの存在が拡大しているにも関わらず、これらのツールが実際にどのように使われているのか、プロフェッショナルが自身のメリットや制限をどのように感じているのか、まだ理解が限られています。 本稿では,131名のソフトウェア実践者の国際調査から予備的知見を提示する。 この結果から,LLMがコード固有のタスクにどのように利用されるかが明らかになった。 ソフトウェア専門家は生産性の向上、認知負荷の低減、学習の高速化といったメリットを報告しているが、LLMの不正確なアウトプット、文脈認識の制限、関連する倫理的リスクへの懸念も提起している。 ほとんどの開発者は、LCMをスタンドアロンのソリューションではなく補助ツールとして扱う。 我々の発見は、LSMの採用について早期、実践者に焦点を当てた視点を提供し、将来の研究とソフトウェアエンジニアリングにおける責任ある使用に対する重要な考慮点を浮き彫りにした。

関連論文リスト

• Novice Developers' Perspectives on Adopting LLMs for Software Development: A Systematic Literature Review [17.22501688824729]
  我々は2022年4月から2025年6月までに発行された80研究の体系的な文献レビューを行い、4つの研究課題(RQ)に答えた。 RQ1では,研究モチベーションと方法論的アプローチを分類した。 RQ2では、初心者開発者がLLMを使用するソフトウェア開発タスクを特定した。 RQ3では,研究で議論されたメリット,課題,レコメンデーションを分類した。
  論文  参考訳（メタデータ） (2025-03-10T17:25:24Z)
• LLMs' Reshaping of People, Processes, Products, and Society in Software Development: A Comprehensive Exploration with Early Adopters [3.4069804433026314]
  OpenAI ChatGPT、Google Gemini、GitHub Copilotといった大規模言語モデル(LLM)は、ソフトウェア業界で急速に注目を集めている。 私たちの研究は、LLMがソフトウェア開発のランドスケープをどう形作っているのか、微妙に理解しています。
  論文  参考訳（メタデータ） (2025-03-06T22:27:05Z)
• Tool Learning in the Wild: Empowering Language Models as Automatic Tool Agents [56.822238860147024]
  大規模な言語モデルを外部ツールで拡張することは、彼らのユーティリティを拡張するための有望なアプローチとして現れました。 以前のメソッドは、ツールドキュメントを手動で解析し、コンテキスト内デモを作成し、ツールをLLMがステップバイステップの推論で使用する構造化フォーマットに変換する。 LLMがツール使用ワークフローを自動化できるフレームワークであるAutoToolsを提案する。
  論文  参考訳（メタデータ） (2024-05-26T11:40:58Z)
• An Empirical Study on Usage and Perceptions of LLMs in a Software Engineering Project [1.433758865948252]
  大規模言語モデル(LLM)は人工知能の飛躍であり、人間の言語を用いたタスクに優れる。 本稿では、AI生成したコードを分析し、コード生成に使用するプロンプトと人間の介入レベルを分析し、コードをコードベースに統合する。 ソフトウェア開発の初期段階において,LSMが重要な役割を担っていることが示唆された。
  論文  参考訳（メタデータ） (2024-01-29T14:32:32Z)
• If LLM Is the Wizard, Then Code Is the Wand: A Survey on How Code Empowers Large Language Models to Serve as Intelligent Agents [81.60906807941188]
  大型言語モデル(LLM)は、自然言語と形式言語(コード)の組み合わせに基づいて訓練される コードは、標準構文、論理一貫性、抽象化、モジュール性を備えた高レベルの目標を実行可能なステップに変換する。
  論文  参考訳（メタデータ） (2024-01-01T16:51:20Z)
• Experiential Co-Learning of Software-Developing Agents [83.34027623428096]
  大規模言語モデル(LLM)は、特にソフトウェア開発において、様々な領域に大きな変化をもたらした。 本稿では,新しいLLM学習フレームワークであるExperiential Co-Learningを紹介する。 実験では、このフレームワークにより、エージェントは、目に見えないソフトウェア開発タスクをより効果的に対処できることを示した。
  論文  参考訳（メタデータ） (2023-12-28T13:50:42Z)
• Supervised Knowledge Makes Large Language Models Better In-context Learners [94.89301696512776]
  大規模言語モデル(LLM)は、素早い工学を通して、文脈内学習能力の出現を示す。 自然言語理解と質問応答におけるLLMの一般化性と事実性の向上という課題は、まだ未解決のままである。 本研究では, LLM の信頼性を高める枠組みを提案する。1) 分布外データの一般化,2) 差別モデルによる LLM のメリットの解明,3) 生成タスクにおける幻覚の最小化。
  論文  参考訳（メタデータ） (2023-12-26T07:24:46Z)
• Software Testing with Large Language Models: Survey, Landscape, and Vision [32.34617250991638]
  事前訓練された大規模言語モデル(LLM)は、自然言語処理と人工知能におけるブレークスルー技術として登場した。 本稿では,ソフトウェアテストにおけるLCMの利用状況について概説する。
  論文  参考訳（メタデータ） (2023-07-14T08:26:12Z)

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。