論文の概要: Understanding the Role of Large Language Models in Software Engineering: Evidence from an Industry Survey

• arxiv url: http://arxiv.org/abs/2512.21347v1
• Date: Fri, 19 Dec 2025 20:57:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-29 20:48:41.744509
• Title: Understanding the Role of Large Language Models in Software Engineering: Evidence from an Industry Survey
• Title（参考訳）: ソフトウェア工学における大規模言語モデルの役割を理解する:産業調査から
• Authors: Vítor Mateus de Brito, Kleinner Farias,
• Abstract要約: 本稿では,ソフトウェア工学におけるLarge Language Models (LLMs) の導入に関する実証的研究を,46名の業界専門家を対象に報告した。 結果は、特に技術的な問題に対する迅速な解決、ドキュメントサポートの改善、ソースコードの標準化の強化について、LLMの肯定的な認識を示します。 回答者はまた、認知依存、セキュリティリスク、および技術的自立の潜在的侵食に関する懸念を表明しました。
• 参考スコア（独自算出の注目度）: 0.6660458629649825
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid advancement of Large Language Models (LLMs) is reshaping software engineering by profoundly influencing coding, documentation, and system maintenance practices. As these tools become deeply embedded in developers' daily workflows, understanding how they are used has become essential. This paper reports an empirical study of LLM adoption in software engineering, based on a survey of 46 industry professionals with diverse educational backgrounds and levels of experience. The results reveal positive perceptions of LLMs, particularly regarding faster resolution of technical questions, improved documentation support, and enhanced source code standardization. However, respondents also expressed concerns about cognitive dependence, security risks, and the potential erosion of technical autonomy. These findings underscore the need for critical and supervised use of LLM-based tools. By grounding the discussion in empirical evidence from industry practice, this study bridges the gap between academic discourse and real-world software development. The results provide actionable insights for developers and researchers seeking to adopt and evolve LLM-based technologies in a more effective, responsible, and secure manner, while also motivating future research on their cognitive, ethical, and organizational implications.
• Abstract（参考訳）: 大規模言語モデル(LLM)の急速な進歩は、コーディング、ドキュメンテーション、システムメンテナンスプラクティスに大きな影響を与えることによって、ソフトウェア工学を再構築している。 これらのツールが開発者の日々のワークフローに深く埋め込まれるにつれて、それらがどのように使われているかを理解することが不可欠になっています。 本稿では,ソフトウェア工学におけるLLM導入に関する実証的研究を,多様な学歴と経験レベルを持つ46人の業界専門家を対象に行った。 結果は、特に技術的な問題に対する迅速な解決、ドキュメントサポートの改善、ソースコードの標準化の強化について、LCMの肯定的な認識を明らかにした。 しかし、回答者はまた、認知依存、セキュリティリスク、および技術的自立の潜在的侵食に関する懸念を表明した。 これらの知見は、LLMベースのツールのクリティカルかつ教師付き使用の必要性を浮き彫りにした。 本研究は,産業実践の実証的証拠を基礎として,学術談話と実世界のソフトウェア開発のギャップを埋めるものである。 この結果は、LLMベースの技術をより効果的で責任があり、セキュアに採用し、進化させようとする開発者や研究者に実用的な洞察を与え、また、その認知、倫理、組織的含意に関する将来の研究を動機付けている。

関連論文リスト

• From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence [150.3696990310269]
  大規模言語モデル(LLM)は、自然言語記述を直接関数コードに変換することによって、自動ソフトウェア開発を変革した。 コードLLMに関する総合的な合成と実践的ガイド(一連の解析および探索実験)を提供する。 一般LLM(GPT-4, Claude, LLaMA)とコード特殊化LLM(StarCoder, Code LLaMA, DeepSeek-Coder, QwenCoder)のコード機能の解析を行う。
  論文  参考訳（メタデータ） (2025-11-23T17:09:34Z)
• 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)
• Using LLMs and Essence to Support Software Practice Adoption [0.3609538870261841]
  本研究では,ソフトウェアエンジニアリングプラクティスを管理するための標準および思考フレームワークであるEssenceと,大規模言語モデル(LLM)の統合について検討する。 提案システムは、ドメイン固有のタスクにおいて、ベースラインよりも一貫して優れている。
  論文  参考訳（メタデータ） (2025-08-22T14:59:35Z)
• 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)
• Large Language Models for Code Generation: The Practitioners Perspective [4.946128083535776]
  大きな言語モデル(LLM)は、自然言語のプロンプトからソースコードを生成することができるコーディングアシスタントとして登場した。 自然言語のプロンプトに基づいてコードを生成し,実行するための多モデル統合プラットフォームを提案し,開発する。 我々は4大陸11カ国から60人のソフトウェア実践者を対象に,各モデルのユーザビリティ,パフォーマンス,強み,限界を評価する調査を行った。
  論文  参考訳（メタデータ） (2025-01-28T14:52:16Z)
• Exploring the Evidence-Based SE Beliefs of Generative AI Tools [2.3480418671346164]
  我々は、ソフトウェア開発の実践を支援するためにますます使われている生成型AIツールの「信条」を調査する。 我々の研究結果は、生成型AIツールには、研究の主張に関する曖昧な信念があり、回答を支援するための信頼できる証拠が欠如していることを示しています。
  論文  参考訳（メタデータ） (2024-07-18T21:06:39Z)
• Instruction Tuning for Large Language Models: A Survey [52.86322823501338]
  我々は、教師付き微調整(SFT)の一般的な方法論を含む、文献の体系的なレビューを行う。 また、既存の戦略の欠陥を指摘しながら、SFTの潜在的な落とし穴についても、それに対する批判とともに検討する。
  論文  参考訳（メタデータ） (2023-08-21T15:35:16Z)
• Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
  機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。 私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。 当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
  論文  参考訳（メタデータ） (2021-01-11T15:54:48Z)

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。