Fugu-MT 論文翻訳(概要): Revisiting Software Engineering Education in the Era of Large Language Models: A Curriculum Adaptation and Academic Integrity Framework

論文の概要: Revisiting Software Engineering Education in the Era of Large Language Models: A Curriculum Adaptation and Academic Integrity Framework

arxiv url: http://arxiv.org/abs/2601.08857v1
Date: Tue, 06 Jan 2026 22:41:47 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-15 18:59:20.093198
Title: Revisiting Software Engineering Education in the Era of Large Language Models: A Curriculum Adaptation and Academic Integrity Framework
Title（参考訳）: 大規模言語モデルの時代におけるソフトウェア工学教育の再考:カリキュラム適応と学術統合フレームワーク
Authors: Mustafa Degerli,
Abstract要約: 本稿では、生成AIがコアソフトウェアエンジニアリング能力をどのように変化させるかを分析するための理論的枠組みを提案する。トルコのコンピュータ工学プログラムに注意が向けられ、中央集権的な規制、大規模なクラスサイズ、試験指向のアセスメントがこれらの課題を増幅している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The integration of Large Language Models (LLMs), such as ChatGPT and GitHub Copilot, into professional workflows is increasingly reshaping software engineering practices. These tools have lowered the cost of code generation, explanation, and testing, while introducing new forms of automation into routine development tasks. In contrast, most of the software engineering and computer engineering curricula remain closely aligned with pedagogical models that equate manual syntax production with technical competence. This growing misalignment raises concerns regarding assessment validity, learning outcomes, and the development of foundational skills. Adopting a conceptual research approach, this paper proposes a theoretical framework for analyzing how generative AI alters core software engineering competencies and introduces a pedagogical design model for LLM-integrated education. Attention is given to computer engineering programs in Turkey, where centralized regulation, large class sizes, and exam-oriented assessment practices amplify these challenges. The framework delineates how problem analysis, design, implementation, and testing increasingly shift from construction toward critique, validation, and human-AI stewardship. In addition, the paper argues that traditional plagiarism-centric integrity mechanisms are becoming insufficient, motivating a transition toward a process transparency model. While this work provides a structured proposal for curriculum adaptation, it remains a theoretical contribution; the paper concludes by outlining the need for longitudinal empirical studies to evaluate these interventions and their long-term impacts on learning.
Abstract（参考訳）: ChatGPTやGitHub CopilotといったLarge Language Models(LLMs)をプロフェッショナルワークフローに統合することで、ソフトウェアエンジニアリングのプラクティスがますます変わりつつある。これらのツールは、コード生成、説明、テストのコストを削減し、通常の開発タスクに新しい形式の自動化を導入しました。対照的に、ソフトウェア工学とコンピュータ工学のカリキュラムのほとんどは、手動の構文生成を技術的能力と同等にする教育モデルと密接に一致している。この不適応の増大は、評価の妥当性、学習成果、基礎的スキルの発達に関する懸念を提起する。本稿では,LLM 統合教育のための教育設計モデルを導入し,AI 生成がコアソフトウェア工学の能力をどのように変化させるかを分析するための理論的枠組みを提案する。トルコのコンピュータ工学プログラムに注意が向けられ、中央集権的な規制、大規模なクラスサイズ、試験指向のアセスメントがこれらの課題を増幅している。このフレームワークは、問題分析、設計、実装、テストが、構築から批判、検証、人間とAIのスチュワードシップへとどのように移行していくかを説明する。さらに、従来のプラジャリズム中心の整合性メカニズムは不十分になりつつあり、プロセス透明性モデルへの移行を動機付けている、と論文は主張する。この研究は、カリキュラム適応のための構造化された提案を提供するが、理論的な貢献であり、これらの介入を評価するための縦断的な実証的研究の必要性と学習に対する長期的な影響を概説することで結論づける。

論文の概要: Revisiting Software Engineering Education in the Era of Large Language Models: A Curriculum Adaptation and Academic Integrity Framework

関連論文リスト