論文の概要: Walking the Tightrope of LLMs for Software Development: A Practitioners' Perspective

• arxiv url: http://arxiv.org/abs/2511.06428v1
• Date: Sun, 09 Nov 2025 15:49:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.940504
• Title: Walking the Tightrope of LLMs for Software Development: A Practitioners' Perspective
• Title（参考訳）: ソフトウェア開発のためのLLMのトロープを歩む:実践者の視点
• Authors: Samuel Ferino, Rashina Hoda, John Grundy, Christoph Treude,
• Abstract要約: 我々は,大規模言語モデルがソフトウェア開発に与える影響と,開発者の視点からその影響を管理する方法について検討した。 データ収集と分析の3ラウンドで,ソフトウェア実践者と22回のインタビューを行った。 私たちは、LCMを使うことの利点(ソフトウェア開発フローの維持、開発者のメンタルモデルの改善、起業家精神の育成など)とデメリット(開発者の個性と開発者の評判への悪影響)を特定しました。
• 参考スコア（独自算出の注目度）: 18.50207872331241
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Background: Large Language Models emerged with the potential of provoking a revolution in software development (e.g., automating processes, workforce transformation). Although studies have started to investigate the perceived impact of LLMs for software development, there is a need for empirical studies to comprehend how to balance forward and backward effects of using LLMs. Objective: We investigated how LLMs impact software development and how to manage the impact from a software developer's perspective. Method: We conducted 22 interviews with software practitioners across 3 rounds of data collection and analysis, between October (2024) and September (2025). We employed socio-technical grounded theory (STGT) for data analysis to rigorously analyse interview participants' responses. Results: We identified the benefits (e.g., maintain software development flow, improve developers' mental model, and foster entrepreneurship) and disadvantages (e.g., negative impact on developers' personality and damage to developers' reputation) of using LLMs at individual, team, organisation, and society levels; as well as best practices on how to adopt LLMs. Conclusion: Critically, we present the trade-offs that software practitioners, teams, and organisations face in working with LLMs. Our findings are particularly useful for software team leaders and IT managers to assess the viability of LLMs within their specific context.
• Abstract（参考訳）: 背景: 大規模言語モデルは、ソフトウェア開発(例えば、プロセスの自動化、労働力の変化)に革命を起こす可能性を秘めている。 ソフトウェア開発におけるLLMの認知的影響について研究が始まっているが、LLMの使用による前向きと後向きの効果のバランスをとる方法を理解するための実証的研究が必要である。 目的: LLMがソフトウェア開発にどのように影響するか、そしてソフトウェア開発者の視点からどのように影響を管理するかを検討した。 方法: 10月(2024年10月)から9月(2025年9月)にかけて,データ収集と分析の3ラウンドにわたって,ソフトウェア実践者と22回のインタビューを行った。 データ分析にはSTGT(social-technical grounded theory)を用い,参加者の回答を厳密に分析した。 結果: 個人,チーム,組織,社会レベルでLLMを使用することのメリット(ソフトウェア開発フローの維持,開発者のメンタルモデルの改善,起業家精神の育成など)とデメリット(開発者の個性や開発者の評判に対する悪影響)と,LLMの採用方法に関するベストプラクティスを特定しました。 結論: 批判的に言えば、ソフトウェア実践者、チーム、組織がLLMで作業する際に直面するトレードオフを提示します。 私たちの発見は,ソフトウェアチームのリーダとITマネージャが,それぞれのコンテキストにおけるLCMの生存可能性を評価する上で,特に有用です。

関連論文リスト

• Model-Assisted and Human-Guided: Perceptions and Practices of Software Professionals Using LLMs for Coding [2.198430261120653]
  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。
  論文  参考訳（メタデータ） (2025-10-10T06:59:56Z)
• 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)
• LLMs: A Game-Changer for Software Engineers? [0.0]
  GPT-3やGPT-4のような大規模言語モデル(LLM)は、従来のAIアプリケーションを超えた機能を備えた画期的なイノベーションとして登場した。 ソフトウェア開発に革命をもたらす潜在能力は、ソフトウェアエンジニアリング(SE)コミュニティを魅了している。 この記事では、LCMはソフトウェアの開発方法を変えるだけでなく、開発者の役割を再定義するものである、と論じる。
  論文  参考訳（メタデータ） (2024-11-01T17:14:37Z)
• CIBench: Evaluating Your LLMs with a Code Interpreter Plugin [68.95137938214862]
  データサイエンスタスクにコードインタプリタを利用するLLMの能力を総合的に評価する,CIBenchという対話型評価フレームワークを提案する。 評価データセットは,LLM-人的協調手法を用いて構築され,連続的かつ対話的なIPythonセッションを活用することによって,実際のワークフローをシミュレートする。 コードインタプリタの利用において, CIBench 上で 24 個の LLM の能力を解析し, 将来の LLM に対する貴重な洞察を提供するため, 広範囲にわたる実験を行った。
  論文  参考訳（メタデータ） (2024-07-15T07:43:55Z)
• 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)
• Survey on Factuality in Large Language Models: Knowledge, Retrieval and Domain-Specificity [61.54815512469125]
  本調査は,大規模言語モデル(LLM)における事実性の重要課題に対処する。 LLMが様々な領域にまたがる応用を見出すにつれ、その出力の信頼性と正確性は重要となる。
  論文  参考訳（メタデータ） (2023-10-11T14:18:03Z)

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。