論文の概要: Towards Human-AI Synergy in Requirements Engineering: A Framework and Preliminary Study

• arxiv url: http://arxiv.org/abs/2510.25016v1
• Date: Tue, 28 Oct 2025 22:29:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:44.814361
• Title: Towards Human-AI Synergy in Requirements Engineering: A Framework and Preliminary Study
• Title（参考訳）: 要求工学におけるヒューマンAIシナジーに向けて:フレームワークと予備研究
• Authors: Mateen Ahmed Abbasi, Petri Ihantola, Tommi Mikkonen, Niko Mäkitalo,
• Abstract要約: 本稿では,Human-AI RE Synergy Model(HARE-SM)を紹介する。 このモデルは、AIによる分析と人間の監視を統合して、要求の推論、分析、検証を改善する。 我々は、REデータセットの作成、微調整AIモデル、協調型ヒューマンAIの設計に焦点を当てた多段階の研究方法論を概説する。
• 参考スコア（独自算出の注目度）: 2.195918681143262
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The future of Requirements Engineering (RE) is increasingly driven by artificial intelligence (AI), reshaping how we elicit, analyze, and validate requirements. Traditional RE is based on labor-intensive manual processes prone to errors and complexity. AI-powered approaches, specifically large language models (LLMs), natural language processing (NLP), and generative AI, offer transformative solutions and reduce inefficiencies. However, the use of AI in RE also brings challenges like algorithmic bias, lack of explainability, and ethical concerns related to automation. To address these issues, this study introduces the Human-AI RE Synergy Model (HARE-SM), a conceptual framework that integrates AI-driven analysis with human oversight to improve requirements elicitation, analysis, and validation. The model emphasizes ethical AI use through transparency, explainability, and bias mitigation. We outline a multi-phase research methodology focused on preparing RE datasets, fine-tuning AI models, and designing collaborative human-AI workflows. This preliminary study presents the conceptual framework and early-stage prototype implementation, establishing a research agenda and practical design direction for applying intelligent data science techniques to semi-structured and unstructured RE data in collaborative environments.
• Abstract（参考訳）: 要件エンジニアリング(RE)の将来は人工知能(AI)によってますます推進され、要求を導き出し、分析し、検証する方法が作り直される。 従来のREは、エラーや複雑さによる労働集約的な手作業プロセスに基づいている。 AIを利用したアプローチ、特に大きな言語モデル(LLM)、自然言語処理(NLP)、生成AIは、変換ソリューションを提供し、非効率を低減します。 しかし、REにおけるAIの使用は、アルゴリズムバイアス、説明可能性の欠如、自動化に関する倫理的懸念といった課題ももたらします。 これらの問題に対処するため、本研究では、AI駆動分析と人間の監視を統合する概念的フレームワークであるHuman-AI RE Synergy Model (HARE-SM)を導入し、要求の推論、分析、検証を改善する。 このモデルは、透明性、説明可能性、バイアス軽減を通じて倫理的AIの使用を強調する。 我々は、REデータセットの作成、きめ細かいAIモデル、協調的なヒューマンAIワークフローの設計に焦点を当てた多段階の研究方法論を概説する。 本研究は,半構造化・非構造化のREデータにインテリジェントなデータサイエンス技術を適用するための研究課題と実践設計の方向性を確立することを目的として,概念的枠組みと初期プロトタイプ実装を提案する。

関連論文リスト

• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• Methodological Foundations for AI-Driven Survey Question Generation [41.94295877935867]
  本稿では,ジェネレーティブAIを教育調査に活用するための方法論的枠組みを提案する。 大規模言語モデルが適応的でコンテキスト対応のサーベイ質問を生成する方法について検討する。 偏見、プライバシー、透明性などの倫理的問題を考察する。
  論文  参考訳（メタデータ） (2025-05-02T09:50:34Z)
• Generative AI in Health Economics and Outcomes Research: A Taxonomy of Key Definitions and Emerging Applications, an ISPOR Working Group Report [12.204470166456561]
  ジェネレーティブAIは、健康経済学と成果研究(HEOR)において大きな可能性を秘めている 生成AIは、HEORに大きな可能性を示し、効率性、生産性を高め、複雑な課題に対する新しいソリューションを提供する。 ファウンデーションモデルは複雑なタスクを自動化する上で有望だが、科学的信頼性、バイアス、解釈可能性、ワークフローの統合には課題が残っている。
  論文  参考訳（メタデータ） (2024-10-26T15:42:50Z)
• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• Generative AI for Requirements Engineering: A Systematic Literature Review [1.6986294649170766]
  生成事前学習型トランスモデルが現在の応用を支配している。 産業採用は未熟であり、90%以上の研究が初期開発に対応している。 GenAIベースのREの変革的な可能性にもかかわらず、いくつかの障壁は実践的な採用を妨げる。
  論文  参考訳（メタデータ） (2024-09-10T02:44:39Z)
• Navigating the Complexity of Generative AI Adoption in Software Engineering [6.190511747986327]
  ソフトウェア工学における生成人工知能(AI)ツールの採用パターンについて検討した。 個人レベル、技術レベル、社会的レベルの影響要因を分析した。
  論文  参考訳（メタデータ） (2023-07-12T11:05:19Z)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)

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。