論文の概要: Theory of Troubleshooting: The Developer's Cognitive Experience of Overcoming Confusion
- arxiv url: http://arxiv.org/abs/2602.10540v1
- Date: Wed, 11 Feb 2026 05:27:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-12 21:44:01.486617
- Title: Theory of Troubleshooting: The Developer's Cognitive Experience of Overcoming Confusion
- Title（参考訳）: トラブルシューティングの理論 : コンフュージョンを克服する開発者の認知経験
- Authors: Arty Starr, Margaret-Anne Storey,
- Abstract要約: 本稿では,認知科学に根ざした理論を提唱する。
我々はトラブルシューティングを、予期しないシステム行動の原因の精神モデルを特定し、理解し、構築する認知的問題解決プロセスとして定義する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces a Theory of Troubleshooting that is rooted in cognitive science. This theory helps software developers explain the challenges they face and the project risks that emerge as troubleshooting becomes difficult. We define troubleshooting as the cognitive problem-solving process of identifying, understanding, and constructing a mental model of the cause of an unexpected system behavior, and consider the cognitive process of troubleshooting to be an integral part of the activity of debugging. Troubleshooting is a particularly intense and draining aspect of software work, placing sustained demands on attention, working memory, and mental modeling. By surfacing and naming the confusion experience inherent in troubleshooting in terms of neurological and attentional dynamics, our theory explains how prolonged troubleshooting can deplete cognitive resources and lead to cognitive fatigue. In the study presented in this paper, we interview 27 professional developers about their troubleshooting experiences, and follow a Constructivist Grounded Theory approach to construct a theory grounded in empirical data. Our theory contributes to research on Developer Experience by providing a cognitive foundation for understanding troubleshooting difficulty, fatigue, and sustainability risk--and offers practical implications for both research and industry.
- Abstract（参考訳）: 本稿では,認知科学に根ざしたトラブルシューティングの理論を紹介する。
この理論は、ソフトウェア開発者が直面する課題と、トラブルシューティングが難しくなるにつれて現れるプロジェクトのリスクを説明するのに役立つ。
我々は、トラブルシューティングを、予期せぬシステム行動の原因のメンタルモデルを特定し、理解し、構築する認知的問題解決プロセスとして定義し、トラブルシューティングの認知過程をデバッグ活動の不可欠な部分とみなす。
トラブルシューティング(英: Trouble shooting)は、ソフトウェア作業において特に過激で、持続的な要求を注意、ワーキングメモリ、メンタルモデリングに当てはめている側面である。
神経学および注意力学の観点から、トラブルシューティングに固有の混乱経験を表面化し、命名することにより、長時間のトラブルシューティングが認知リソースを減らし、認知疲労につながるかを説明する。
本稿では,27名のプロ開発者に対して,トラブルシューティングの経験についてインタビューを行い,実証データに基づく理論構築のための構成主義的基礎理論アプローチに従う。
我々の理論は、トラブルシューティングの難易度、疲労、持続可能性リスクを理解するための認知基盤を提供することで、開発者エクスペリエンスの研究に寄与し、研究と産業の両方に実践的な意味を与えます。
関連論文リスト
- Evolving Cognitive Architectures [51.56484100374058]
本稿では,次世代のインテリジェントな技術システムの構築につながる研究と開発の方向性を提案する。
これらのシステムの特徴的な特徴は、進化的変化を起こす能力である。
論文 参考訳（メタデータ） (2025-12-29T10:09:20Z) - Cognitive Foundations for Reasoning and Their Manifestation in LLMs [63.12951576410617]
大規模言語モデル(LLM)は複雑な問題を解くが、単純な変種では失敗し、人間の推論と根本的に異なるメカニズムによって正しい出力を達成することを示唆している。
我々は認知科学研究を、推論不変量、メタ認知制御、推論と知識の組織化のための表現、変換操作にまたがる28の認知要素の分類学に合成する。
複雑な問題に対して66.7%の性能向上を図り、成功構造を自動的に把握するテストタイム推論ガイダンスを開発した。
論文 参考訳（メタデータ） (2025-11-20T18:59:00Z) - From Consumption to Collaboration: Measuring Interaction Patterns to Augment Human Cognition in Open-Ended Tasks [2.048226951354646]
ジェネレーティブAIの台頭、特に大規模言語モデル(LLM)は、知識労働における認知過程を根本的に変えるものである。
本稿では、認知活動モード(探索対搾取)と認知エンゲージメントモード(建設対有害)の2つの側面に沿って相互作用パターンを分析する枠組みを提案する。
論文 参考訳（メタデータ） (2025-04-03T17:20:36Z) - I Felt Pressured to Give 100% All the Time: How Are Neurodivergent Professionals Being Included in Software Development Teams? [0.46873264197900916]
本研究は,異なるソフトウェア開発におけるニューロディバージェント・プロフェッショナルの作業経験を理解することを目的とする。
我々は,社会技術理論(STS)を応用し,組織の社会構造とそれぞれの作業技術がこれらの専門家の関与にどのように影響するかを考察した。
論文 参考訳（メタデータ） (2025-03-12T02:28:59Z) - Thoughts Are All Over the Place: On the Underthinking of o1-Like LLMs [86.79757571440082]
OpenAIのo1のような大規模言語モデル(LLM)は複雑な推論タスクにおいて顕著な能力を示している。
我々は、o1-like LLMがしばしば異なる理性的思考を切り替える、という現象を特定する。
本稿では,思考間の早期移行を回避できる思考切替ペナルティTIPを用いた復号戦略を提案する。
論文 参考訳（メタデータ） (2025-01-30T18:58:18Z) - Knowledge Management in the Companion Cognitive Architecture [7.136205674624813]
我々は,コンパニオン認知アーキテクチャの知識スタック開発において直面した課題について報告する。
同様の課題に直面している他の認知アーキテクチャ開発者にとって、これらの観察が有用であることを証明できることを願っています。
論文 参考訳（メタデータ） (2024-07-08T21:20:05Z) - Disentangled Representations for Causal Cognition [0.0]
因果認知研究は、ヒトおよび非ヒト動物における因果学習と推論の主な特徴を記述している。
因果性に関する機械および強化学習研究は、因果的人工エージェントを設計するための具体的な試みである。
本研究では,これら2つの研究領域を結合し,因果認知のための統一的な枠組みを構築する。
論文 参考訳（メタデータ） (2024-06-30T16:10:17Z) - Towards CausalGPT: A Multi-Agent Approach for Faithful Knowledge Reasoning via Promoting Causal Consistency in LLMs [55.66353783572259]
Causal-Consistency Chain-of-Thoughtは、基礎モデルの忠実さと因果性を強化するために、マルチエージェントコラボレーションを活用する。
我々のフレームワークは、広範囲かつ包括的な評価を通じて、最先端の手法よりも大きな優位性を示す。
論文 参考訳（メタデータ） (2023-08-23T04:59:21Z) - OlaGPT: Empowering LLMs With Human-like Problem-Solving Abilities [19.83434949066066]
本稿では,OlaGPTと呼ばれる新しいインテリジェントなフレームワークを紹介する。
OlaGPTは認知アーキテクチャの枠組みを慎重に研究し、人間の認知の特定の側面をシミュレートすることを提案する。
このフレームワークは、注意、記憶、推論、学習、および対応するスケジューリングと意思決定メカニズムを含む、異なる認知モジュールの近似を含む。
論文 参考訳（メタデータ） (2023-05-23T09:36:51Z)
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。