論文の概要: Why Do We Code? A Theory on Motivations and Challenges in Software Engineering from Education to Practice

• arxiv url: http://arxiv.org/abs/2511.14711v1
• Date: Tue, 18 Nov 2025 17:54:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.246512
• Title: Why Do We Code? A Theory on Motivations and Challenges in Software Engineering from Education to Practice
• Title（参考訳）: なぜコーディングするのか?教育から実践までソフトウェア工学におけるモチベーションと課題の理論
• Authors: Aaliyah Chang, Mariam Guizani, Brittany Johnson,
• Abstract要約: モチベーションと課題は、ソフトウェア工学(SE)の中で個人がどのように入り、持続し、進化するかを共同で形成する。 以上の結果から,モチベーションと反復的課題が永続性,キャリアシフト,あるいは現場からの離脱にどのように影響するかが示唆された。
• 参考スコア（独自算出の注目度）: 6.2843244159918505
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motivations and challenges jointly shape how individuals enter, persist, and evolve within software engineering (SE), yet their interplay remains underexplored across the transition from education to professional practice. We conducted 15 semi-structured interviews and employed the Gioia Methodology, an adapted grounded theory methodology from organizational behavior, to inductively derive taxonomies of motivations and challenges, and build the Exposure-Pursuit-Evaluation (EPE) Process Model. Our findings reveal that impactful early exposure triggers intrinsic motivations, while non-impactful exposure requires an extrinsic push (e.g., career/ personal goals, external validation). We identify curiosity and avoiding alternatives as a distinct educational drivers, and barriers to belonging as the only challenge persisting across education and career. Our findings show that career progression challenges (e.g., navigating the corporate world) constrain extrinsic fulfillment while technical training challenges, barriers to belonging and threats to motivation constrain intrinsic fulfillment. The theory shows how unmet motivations and recurring challenges influence persistence, career shifts, or departure from the field. Our results provide a grounded model for designing interventions that strengthen intrinsic fulfillment and reduce systemic barriers in SE education and practice.
• Abstract（参考訳）: モチベーションと課題は、個人がソフトウェアエンジニアリング(SE)に侵入し、持続し、進化する方法を共同で形成する。 我々は15回の半構造化面接を行い、組織行動から土台理論方法論であるGioia Methodologyを応用し、モチベーションと課題の分類を帰納的に導出し、エポージャー・プールスーツ・評価(EPE)プロセスモデルを構築した。 以上の結果から,影響のある早期曝露は本質的な動機づけを引き起こすが,非影響的な曝露には外因性プッシュ(キャリア/個人目標,外部検証など)が必要であることが明らかとなった。 我々は好奇心を識別し、代替手段を個別の教育ドライバーとして避け、教育とキャリアにまたがる唯一の挑戦として属することの障壁となる。 以上の結果から,キャリア・プログレッション・チャレンジ(例えば,企業世界をナビゲートする)は,技術トレーニングの課題,帰属障壁,モチベーション・コンパートメントへの脅威が本質的なフルフィルメントに制約されていることが明らかとなった。 この理論は、モチベーションと反復的な課題が永続性、キャリアシフト、あるいは現場からの離脱にどのように影響するかを示している。 本研究は,SE教育と実践における本質的な実現と体系的障壁の低減を図った介入設計のための基礎モデルを提供する。

関連論文リスト

• Exit the Code: A Model for Understanding Career Abandonment Intention Among Software Developers [0.6117371161379209]
  キャリア放棄は、失われた投資と感情的、財政的なコストに対するフラストレーションを伴う。 これまでの研究では、失明の脅威など、仕事に関連したモチベーションがキャリア放棄の動機として特定されていた。 この記事では、これらのモチベータと、現在アクティブな開発者の間で放棄する意図との関係について調査する。
  論文  参考訳（メタデータ） (2025-03-06T14:13:10Z)
• Teleology-Driven Affective Computing: A Causal Framework for Sustained Well-Being [0.1636303041090359]
  本稿では,主要な感情理論を統一するテレロジー駆動型感情コンピューティングフレームワークを提案する。 我々は、個人的な情緒的な出来事の「データバース」を作ることを提唱する。 シミュレーション環境でエージェントを訓練するためのメタ強化学習パラダイムを導入する。
  論文  参考訳（メタデータ） (2025-02-24T14:07:53Z)
• ReVISE: Learning to Refine at Test-Time via Intrinsic Self-Verification [53.80183105328448]
  Refine via Intrinsic Self-Verification (ReVISE)は、LLMが自己検証を通じてアウトプットを自己修正できる効率的なフレームワークである。 様々な推論タスクに関する実験により、ReVISEは効率的な自己補正を実現し、推論性能を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-02-20T13:50:02Z)
• Intrinsic Motivation in Model-based Reinforcement Learning: A Brief Review [77.34726150561087]
  本稿では,エージェントが獲得した世界モデルに基づいて,本質的な動機付けを決定するための既存の手法について考察する。 提案した統合フレームワークは,学習を改善するために,世界モデルと本質的なモチベーションを用いてエージェントのアーキテクチャを記述する。
  論文  参考訳（メタデータ） (2023-01-24T15:13:02Z)
• CIM: Constrained Intrinsic Motivation for Sparse-Reward Continuous Control [25.786085434943338]
  内因性モチベーション(intrinsicmotive)は、外因性報酬(extrinsic rewards)の不足や不足を伴う強化学習タスクを解決するための有望な手法である。 固有のモチベーションを実装するには2つの技術的課題がある。 本稿では,制約付き内在的目標を構築するために,容易に達成可能なタスク前処理を活用するための制約付き内在的モチベーション(CIM)を提案する。 我々はCIM手法が最先端手法よりも性能とサンプル効率を大幅に向上させることを実証的に示す。
  論文  参考訳（メタデータ） (2022-11-28T10:23:56Z)
• Remote Teaching and Learning in Applied Engineering: A Post-Pandemic Perspective [0.548253258922555]
  パンデミックのさまざまな段階における様々なコース配信モデルの理論的根拠を提供する。 我々は、ハンズオン学習がエンジニアリングカリキュラムの不可欠な部分であることを保証する方法について論じる。
  論文  参考訳（メタデータ） (2021-08-05T16:28:05Z)
• Variational Dynamic for Self-Supervised Exploration in Deep Reinforcement Learning [12.76337275628074]
  本研究では,条件付き変分推論に基づく変動力学モデルを提案し,多モード性および生成性をモデル化する。 環境遷移の負の対数類似度の上界を導出し、その上界を探査の本質的な報酬として利用する。 提案手法は,最先端の環境モデルに基づく探索手法よりも優れている。
  論文  参考訳（メタデータ） (2020-10-17T09:54:51Z)
• Tracking Emotions: Intrinsic Motivation Grounded on Multi-Level Prediction Error Dynamics [68.8204255655161]
  目標達成に向けての進捗率と期待率の差が生じると、感情がどのように生じるかについて議論する。 自己生成的・動的目標に向けた行動を生成する本質的なモチベーションアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-07-29T06:53:13Z)
• Learning with AMIGo: Adversarially Motivated Intrinsic Goals [63.680207855344875]
  AMIGoは、Adversarially Motivated Intrinsic Goalsを提案するゴール生成教師である。 提案手法は, 提案する目標の自然なカリキュラムを生成し, エージェントが究極的には, 手続き的に生成する課題を解くことができることを示す。
  論文  参考訳（メタデータ） (2020-06-22T10:22:08Z)
• Intrinsic Motivation for Encouraging Synergistic Behavior [55.10275467562764]
  スパース・リワード・シナジスティック・タスクにおける強化学習の探索バイアスとしての本質的モチベーションの役割について検討した。 私たちのキーとなる考え方は、シナジスティックなタスクにおける本質的なモチベーションのための優れた指針は、エージェントが自分自身で行動している場合、達成できない方法で世界に影響を与える行動を取ることである。
  論文  参考訳（メタデータ） (2020-02-12T19:34:51Z)

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。