論文の概要: LLM Use, Cheating, and Academic Integrity in Software Engineering Education
- arxiv url: http://arxiv.org/abs/2603.17060v2
- Date: Thu, 19 Mar 2026 02:03:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-20 12:39:48.237733
- Title: LLM Use, Cheating, and Academic Integrity in Software Engineering Education
- Title（参考訳）: ソフトウェア工学教育におけるLCMの利用, 暖房, 学術的統合性
- Abstract要約: 大学教育における暖房は、一般に文脈に依存し、評価設計、制度規範、学生の解釈の影響を受けていると説明される。
本研究では,ソフトウェア工学の学生が大規模言語モデル(LLM)の使用経験を,不適切,不適当,あるいはコースの期待と一致しないものとして記述する方法について検討する。
- 参考スコア（独自算出の注目度）: 2.6055991635575446
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Cheating in university education is commonly described as context dependent and influenced by assessment design, institutional norms, and student interpretation. In software engineering education, programming oriented coursework has historically involved ambiguity around collaboration, reuse, and external assistance. Recently, large language models (LLMs) have introduced additional mediation in the production of code and related artifacts. Aims: This study investigates how software engineering students describe experiences of using LLMs in ways they perceived as inappropriate, disallowed, or misaligned with course expectations. Method: A cross sectional survey was conducted with 116 undergraduate software engineering students from multiple countries, combining quantitative summaries with qualitative data. Results: Reported LLM cheating practices occurred primarily in programming assignments, routine coursework, and documentation tasks, often in contexts of time pressure and unclear guidance. Use during quizzes and exams was less frequent and more consistently identified as a violation. Students reported awareness of academic and professional consequences regarding LLM cheating, while formal sanctions were perceived as limited. Conclusions: Our study indicates that reported LLM misuse in software engineering is associated with assessment and instructional conditions, suggesting a need for clearer alignment between assessment design, learning objectives, and expectations for LLM use.
- Abstract（参考訳）: 背景: 大学教育における焼成は、一般に、文脈依存的であり、評価設計、制度規範、学生の解釈の影響を受けていると説明される。
ソフトウェア工学教育において、プログラミング指向のコースワークは、歴史的にコラボレーション、再利用、外部支援に関する曖昧さに関わってきた。
近年,大規模言語モデル (LLM) は,コードや関連アーティファクトの生成に新たな仲介を導入している。
Aims: この研究は、ソフトウェア工学の学生がLLMを使った経験を、不適切な、許可されていない、あるいはコースの期待に合わないと感じている方法で記述する方法を調査します。
方法:複数の国から116人の大学生を対象に,定量的要約と質的データを組み合わせた横断的な調査を行った。
結果: LLMの不正行為の報告は、主にプログラミングの課題、ルーチンのコースワーク、ドキュメントのタスクで行われ、多くの場合、時間的プレッシャーや不明なガイダンスの文脈で行われました。
クイズや試験の間の使用頻度は少なく、より一貫して違反と認識された。
学生はLSMの不正行為に関する学術的および専門的な結果に対する認識を報告したが、正式な制裁は限定的であると認識された。
結論:本研究は,ソフトウェア工学におけるLCMの誤用が,評価設計,学習目標,LLM使用に対する期待とのより明確な一致の必要性を示唆する評価と指導条件と関連していることを示す。
関連論文リスト
- ClarifyCodeBench: Evaluating LLMs on Clarifying Ambiguous Requirements for Code Generation [54.788849448970154]
我々はClarifyCodeBenchを紹介した。ClarifyCodeBenchは、要求のあいまいさを解決するためのLarge Language Modelsの機能を評価するための、インタラクティブなベンチマークだ。
ClarifyCodeBenchを用いて、6つの最先端LCMの体系的評価を行う。
1) 能力の疎結合: 強いコード生成性能は本質的には効果的な要求の明確化に変換されない; 2) 推論パラドックス: 計算思考の増大はコードの正確性を高めるが、あいまいさの識別において限界的な利益をもたらす。
論文 参考訳（メタデータ） (2026-07-01T09:58:59Z) - How Software Engineering Students Use LLMs to Write Research Papers: An Experience Report [3.415373522515852]
大規模言語モデルは、ソフトウェア工学教育の一部になりつつある。
本稿では,反射型LDMを経験的手法に組み込んだ教育経験を報告する。
論文 参考訳（メタデータ） (2026-06-03T17:19:43Z) - Towards Personalizing Secure Programming Education with LLM-Injected Vulnerabilities [5.120675183010351]
構成主義理論によれば、学生は、サンプルが自身のコードで根拠付けられたときに、より効果的にソフトウェアセキュリティを学ぶ。
本稿では,LLMを用いて特定の共通弱みのインスタンスを学生の代入コードに注入する手法を提案する。
本稿では、タスク固有のツールを備えた自律型エージェントを用いて、インジェクション、評価、ランキング、学習結果生成のオーケストレーションを行うエージェントAIフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-15T15:06:42Z) - Once Upon a Team: Investigating Bias in LLM-Driven Software Team Composition and Task Allocation [48.2168236140771]
本研究では,LLMがチーム構成やタスク割り当てに偏りを示すかどうかを検討する。
3つのLSMと3000のシミュレートされた決定を用いて、系統的な差異を見出す。
以上の結果から,LLMはソフトウェア工学の文脈において,人口的不平等を悪化させていることが示唆された。
論文 参考訳（メタデータ） (2026-01-07T12:13:22Z) - Do AI models help produce verified bug fixes? [62.985237003585674]
大規模言語モデルは、ソフトウェアバグの修正に使用される。
本稿では,プログラマが大規模言語モデルを用いて,自身のスキルを補完する方法について検討する。
その結果は、プログラムバグに対する保証された修正を提供するAIとLLMの適切な役割への第一歩となる。
論文 参考訳（メタデータ） (2025-07-21T17:30:16Z) - Can Large Language Models Help Students Prove Software Correctness? An Experimental Study with Dafny [75.55915044740566]
コンピューティング教育の学生は、ChatGPTのような大きな言語モデル(LLM)をますます利用している。
本稿では,Dafny の形式的検証演習において,学生が LLM とどのように相互作用するかを検討する。
論文 参考訳（メタデータ） (2025-06-27T16:34:13Z) - Evaluating Large Language Models for Real-World Engineering Tasks [75.97299249823972]
本稿では,実運用指向のエンジニアリングシナリオから得られた100以上の質問をキュレートしたデータベースを提案する。
このデータセットを用いて、4つの最先端の大規模言語モデル(LLM)を評価する。
以上の結果から,LLMは時間的および構造的推論において強みを示すが,抽象的推論や形式的モデリング,文脈に敏感な工学的論理にはかなり苦労することがわかった。
論文 参考訳（メタデータ） (2025-05-12T14:05:23Z) - 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) - Insights from Social Shaping Theory: The Appropriation of Large Language Models in an Undergraduate Programming Course [0.9718746651638346]
大規模言語モデル(LLM)は、コードを生成、デバッグ、説明することができる。
本研究は,学生の社会的知覚が自身のLLM利用にどのように影響するかを考察する。
論文 参考訳（メタデータ） (2024-06-10T16:40:14Z) - Analyzing LLM Usage in an Advanced Computing Class in India [4.580708389528142]
本研究では,大規模言語モデル(LLM)を,大学院生や大学院生が高度なコンピューティングクラスにおけるプログラミング課題に活用することを検討した。
インド大学の分散システムクラスから411名の学生を対象に,総合的な分析を行った。
論文 参考訳（メタデータ） (2024-04-06T12:06:56Z) - An Exploratory Study on Upper-Level Computing Students' Use of Large Language Models as Tools in a Semester-Long Project [2.7325338323814328]
本研究の目的は、学期間ソフトウェアエンジニアリングプロジェクトにおいて、計算学生のLSMの使用経験とアプローチを検討することである。
我々はPurdue大学の上級ソフトウェア工学コースからデータを収集した。
本研究では,学生の利用パターンや学習成果に関連するテーマを特定するために,データを分析した。
論文 参考訳（メタデータ） (2024-03-27T15:21:58Z) - CRITIC: Large Language Models Can Self-Correct with Tool-Interactive
Critiquing [139.77117915309023]
CRITICは、大規模な言語モデルに対して、ツールとのヒューマンインタラクションに似た方法で、自分たちのアウトプットの検証と修正を可能にする。
自由形式の質問応答、数学的プログラム合成、毒性低減を含む包括的評価は、CRITICがLLMの性能を一貫して向上することを証明している。
論文 参考訳（メタデータ） (2023-05-19T15:19:44Z)
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。