論文の概要: From Education to Evidence: A Collaborative Practice Research Platform for AI-Integrated Agile Development
- arxiv url: http://arxiv.org/abs/2603.10679v1
- Date: Wed, 11 Mar 2026 11:44:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-12 16:22:32.923196
- Title: From Education to Evidence: A Collaborative Practice Research Platform for AI-Integrated Agile Development
- Title（参考訳）: 教育からエビデンスへ:AIによるアジャイル開発のための共同実践研究プラットフォーム
- Authors: Tobias Geger, Andreas Rausch, Ina Schiering, Frauke Stenzel, Stefan Wittek,
- Abstract要約: 本稿では、プロジェクトベースのAI統合アジャイル教育プラットフォームを共同研究環境として紹介する。
このプラットフォームでは,スプリントのリズムや品質ゲート,真のステークホルダの関与などを通じて,迅速な調査が可能になる。
- 参考スコア（独自算出の注目度）: 1.6583003147024218
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Agile software development evolves so rapidly that research struggles to remain timely and transferable - an issue heightened by the swift adoption of generative AI and agentic tools. Earlier discussions highlight theory and time gaps, leading to results that often lack clear reuse conditions or arrive too late for practical decisions. This paper introduces a project-based, AI-integrated agile education platform as a collaborative research environment, positioned between controlled studies and real-world industry. The platform enables rapid inquiry through sprint rhythms, quality gates, and genuine stakeholder involvement. We present a framework specifying iteration structures, recurring events, and quality gates for AI-assisted engineering artifacts. Early results from several semesters - covering project pipeline, cohort growth, and stakeholder participation - show the platform's potential to generate practice-relevant evidence efficiently and with reusable context. Finally, we outline future steps to enhance governance and evidence capture.
- Abstract（参考訳）: アジャイルソフトウェア開発は急速に進化し、研究がタイムリーで移行可能な状態を維持するのに苦労している - 生成AIとエージェントツールの迅速な採用によって、問題は高まった。
以前の議論では理論と時間的ギャップが強調され、しばしば明確な再利用条件が欠如したり、現実的な決定には遅すぎる結果が導かれる。
本稿では、プロジェクトベースのAI統合型アジャイル教育プラットフォームを、制御された研究と実世界の産業の間に位置する共同研究環境として紹介する。
このプラットフォームでは,スプリントのリズムや品質ゲート,真のステークホルダの関与などを通じて,迅速な調査が可能になる。
本稿では、AI支援エンジニアリングアーティファクトの反復構造、繰り返しイベント、品質ゲートを規定するフレームワークを提案する。
プロジェクトパイプライン、コホート成長、ステークホルダーの参加など、いくつかのセクターによる初期の結果は、実践関連エビデンスを効率的に、再利用可能なコンテキストで生成するプラットフォームの可能性を示している。
最後に、ガバナンスとエビデンスキャプチャーを強化するための今後のステップを概説する。
関連論文リスト
- Preparing Students for AI-Driven Agile Development: A Project-Based AI Engineering Curriculum [1.7791007833336614]
本稿では、AI駆動型アジャイル開発のための学生のためのプロジェクトベースのAIエンジニアリングカリキュラムを提案する。
本研究は,(1)カリキュラムの概念と指導原則,(2)学際的,AI対応のアジャイル学生プロジェクトの事例研究,(3)混合メソッド評価による早期の証拠を提示する。
論文 参考訳（メタデータ） (2026-03-10T12:44:23Z) - Towards Agentic Intelligence for Materials Science [73.4576385477731]
この調査は、コーパスキュレーションからプレトレーニングから、シミュレーションと実験プラットフォームに面した目標条件付きエージェントまで、ユニークなパイプライン中心の視点を推し進める。
コミュニティをブリッジし、参照の共有フレームを確立するために、まず、AIと材料科学をまたいだ用語、評価、ワークフローの段階を整列する統合レンズを提示する。
論文 参考訳（メタデータ） (2026-01-29T23:48:43Z) - Towards AI-Supported Research: a Vision of the TIB AIssistant [6.36260975777314]
我々は、領域に依存しない人間と機械の協調プラットフォームであるTIB AIsistantのビジョンを提示する。
提案手法の有効性と潜在的な影響を実証する早期プロトタイプのコンセプトフレームワーク,システムアーキテクチャ,実装について述べる。
論文 参考訳（メタデータ） (2025-12-18T12:08:46Z) - WebResearcher: Unleashing unbounded reasoning capability in Long-Horizon Agents [72.28593628378991]
WebResearcherは、マルコフ決定プロセスとしてディープリサーチを再構築する反復的なディープリサーチパラダイムである。
WebResearcherは最先端のパフォーマンスを実現し、フロンティアのプロプライエタリシステムを超えています。
論文 参考訳（メタデータ） (2025-09-16T17:57:17Z) - A Survey on Cloud-Edge-Terminal Collaborative Intelligence in AIoT Networks [49.90474228895655]
クラウドエッジ端末協調インテリジェンス(CETCI)は、モノの人工知能(AIoT)コミュニティにおける基本的なパラダイムである。
CETCIは、分離されたレイヤ最適化からデプロイ可能なコラボレーティブインテリジェンスシステムに移行する、新興のAIoTアプリケーションで大きな進歩を遂げた。
本調査では、基礎アーキテクチャ、CETCIパラダイムのテクノロジの実現、シナリオについて解説し、CISAIOT初心者向けのチュートリアルスタイルのレビューを提供する。
論文 参考訳（メタデータ） (2025-08-26T08:38:01Z) - Speeding up design and making to reduce time-to-project and time-to-market: an AI-Enhanced approach in engineering education [0.0]
本稿では、組み込みシステムのためのソフトウェアアーキテクチャコースにおいて、ChatGPTやGitHub CopilotといったAIツールの統合について検討する。
その結果、AIが強化されるが、人間の意思決定に取って代わるものではないため、問題解決、より高速な開発、より高度な成果が実証された。
論文 参考訳（メタデータ） (2025-03-20T16:32:13Z) - Collaborative AI in Sentiment Analysis: System Architecture, Data Prediction and Deployment Strategies [3.3374611485861116]
大規模言語モデル(LLM)に基づく人工知能技術は、特に感情分析においてゲームチェンジャーとなっている。
しかし、複雑なマルチモーダルデータを処理するための多様なAIモデルの統合と、それに伴う機能抽出の高コストは、大きな課題を呈している。
本研究では,様々なAIシステムにまたがるタスクを効率的に分散・解決するための協調型AIフレームワークを提案する。
論文 参考訳（メタデータ） (2024-10-17T06:14:34Z) - O1 Replication Journey: A Strategic Progress Report -- Part 1 [52.062216849476776]
本稿では,O1 Replication Journeyに具体化された人工知能研究の先駆的アプローチを紹介する。
我々の方法論は、長期化したチームベースのプロジェクトの不規則性を含む、現代のAI研究における重要な課題に対処する。
本稿では,モデルにショートカットだけでなく,完全な探索プロセスの学習を促す旅行学習パラダイムを提案する。
論文 参考訳（メタデータ） (2024-10-08T15:13:01Z) - 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。