論文の概要: Towards AI Agents Supported Research Problem Formulation

• arxiv url: http://arxiv.org/abs/2512.12719v1
• Date: Sun, 14 Dec 2025 14:44:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.402482
• Title: Towards AI Agents Supported Research Problem Formulation
• Title（参考訳）: 研究課題定式化を支援するAIエージェントを目指して
• Authors: Anrafel Fernandes Pereira, Maria Teresa Baldassarre, Daniel Mendez, Marcos Kalinowski,
• Abstract要約: 不規則に定式化された研究問題は、ソフトウェア工学研究の実践的妥当性を損なう可能性がある。 本研究の初期段階において,SE研究者を支援する人工知能エージェントの活用について検討する。
• 参考スコア（独自算出の注目度）: 3.6732711233211663
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Poorly formulated research problems can compromise the practical relevance of Software Engineering studies by not reflecting the complexities of industrial practice. This vision paper explores the use of artificial intelligence agents to support SE researchers during the early stage of a research project, the formulation of the research problem. Based on the Lean Research Inception framework and using a published study on code maintainability in machine learning as a reference, we developed a descriptive evaluation of a scenario illustrating how AI agents, integrated into LRI, can support SE researchers by pre filling problem attributes, aligning stakeholder perspectives, refining research questions, simulating multiperspective assessments, and supporting decision making. The descriptive evaluation of the scenario suggests that AI agent support can enrich collaborative discussions and enhance critical reflection on the value, feasibility, and applicability of the research problem. Although the vision of integrating AI agents into LRI was perceived as promising to support the context aware and practice oriented formulation of research problems, empirical validation is needed to confirm and refine the integration of AI agents into problem formulation.
• Abstract（参考訳）: 不規則に定式化された研究問題は、産業実践の複雑さを反映しないことで、ソフトウェア工学研究の実践的関連性を損なう可能性がある。 本論文は,SE研究者を支援するための人工知能エージェントの利用について,研究プロジェクトの初期段階における研究課題の定式化について考察する。 Lean Research Inceptionフレームワークをベースとして、マシンラーニングにおけるコードの保守性に関する公開調査を参考に、LRIに統合されたAIエージェントが、問題属性の事前充足、ステークホルダの視点の整合、研究の質問の精査、マルチパースペクティブな評価のシミュレーション、意思決定のサポートを通じて、SE研究者を支援する方法について、説明的な評価をしました。 このシナリオの記述的評価は、AIエージェントのサポートが協調的な議論を豊かにし、研究課題の価値、実現可能性、適用性に対する批判的な考察を強化することを示唆している。 AIエージェントをLRIに統合するというビジョンは、研究問題のコンテキスト認識と実践指向の定式化を支援する上で有望であると認識されたが、AIエージェントの問題を定式化への統合を確認・洗練するためには、実証的な検証が必要である。

関連論文リスト

• QUINTA: Reflexive Sensibility For Responsible AI Research and Data-Driven Processes [2.504366738288215]
  本稿では, 重要な反射性に基礎を置いた包括的枠組みについて述べる。 このフレームワークは研究者の反射性を中心とし、データ中心のアプローチを通じてAI/DSアーティファクトを作成し分析するAI研究者の力に注意を向ける。
  論文  参考訳（メタデータ） (2025-09-19T18:40:30Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• 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)
• Bridging the Gap: Integrating Ethics and Environmental Sustainability in AI Research and Practice [57.94036023167952]
  我々は、AIの倫理的影響を研究するための努力は、その環境への影響を評価するものと相まって行われるべきであると論じる。 我々は,AI研究と実践にAI倫理と持続可能性を統合するためのベストプラクティスを提案する。
  論文  参考訳（メタデータ） (2025-04-01T13:53:11Z)
• Responsible AI Considerations in Text Summarization Research: A Review of Current Practices [89.85174013619883]
  私たちは、責任あるAIコミュニティがほとんど見落としている共通のNLPタスクである、テキスト要約に重点を置いています。 我々は,2020-2022年に出版されたACLアンソロジーから333の要約論文の多段階的質的分析を行った。 私たちは、どの、どの、どの責任あるAI問題がカバーされているか、どの関係するステークホルダーが考慮されているか、そして、述べられた研究目標と実現された研究目標のミスマッチに焦点を合わせます。
  論文  参考訳（メタデータ） (2023-11-18T15:35:36Z)
• Stakeholder Participation in AI: Beyond "Add Diverse Stakeholders and Stir" [76.44130385507894]
  本稿では、既存の文献の参加と現在の実践の実証分析を通じて、AI設計における「参加的転換」を掘り下げることを目的としている。 本稿では,本論文の文献合成と実証研究に基づいて,AI設計への参加的アプローチを解析するための概念的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-11-01T17:57:04Z)

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。