論文の概要: AI-Assisted Requirements Engineering: An Empirical Evaluation Relative to Expert Judgment

• arxiv url: http://arxiv.org/abs/2604.15222v1
• Date: Thu, 16 Apr 2026 16:53:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:32.013767
• Title: AI-Assisted Requirements Engineering: An Empirical Evaluation Relative to Expert Judgment
• Title（参考訳）: AI支援要求エンジニアリング - 専門家の判断に関する実証的評価
• Authors: Oz Levy, Ilya Dikman, Natan Levy, Michael Winokur,
• Abstract要約: 本稿では,要件品質の評価において,AIベースのツールがシステムエンジニアをどの程度サポートするかを検討する。 システム要件を確立済みのINCOSE良質要件基準に対して評価する制御された研究を行った。 結果は、AIツールが、特に構文的および構造的品質特性に対して、一貫性と迅速な事前評価を提供できることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial Intelligence is increasingly introduced into systems engineering activities, particularly within requirements engineering, where quality assessment and validation remain heavily dependent on expert judgment. While recent AI tools demonstrate promising capabilities in analyzing and generating requirements, their role within formal systems engineering processes-and their alignment with established INCOSE criteria-remains insufficiently understood. This paper investigates the extent to which AI-based tools can support systems engineers in evaluating requirement quality, without replacing professional expertise. The research adopts a structured systems engineering methodology to compare AI-assisted requirement evaluation with human expert assessment. A controlled study was conducted in which system requirements were evaluated against established INCOSE ``good requirement'' criteria by both experienced systems engineers and an AI-based assessment tool. The evaluation focused on consistency, completeness, clarity, and testability, examining not only accuracy but also the decision logic underlying each assessment. Results indicate that AI tools can provide consistent and rapid preliminary assessments, particularly for syntactic and structural quality attributes. However, expert judgment remains essential for contextual interpretation, ambiguity resolution, and trade-off reasoning. Rather than positioning AI as a replacement for systems engineers, the findings support its role as a decision-support mechanism within the RE lifecycle. From a systems engineering perspective, this study contributes empirical evidence on how AI can be integrated into RE workflows while preserving traceability, accountability, and engineering consistency.
• Abstract（参考訳）: 人工知能は、特に要求工学におけるシステム工学活動に導入され、品質評価と検証は専門家の判断に大きく依存している。 最近のAIツールは、要件の分析と生成において有望な能力を示す一方で、形式的なシステムエンジニアリングプロセスにおけるそれらの役割と、確立されたINCOSE基準との整合性は十分に理解されていない。 本稿では,専門家の専門知識を置き換えることなく,システム技術者が要求品質を評価する上で,AIベースのツールがどの程度サポートできるかを検討する。 この研究は、AIによる要求評価と人間の専門家による評価を比較するために、構造化されたシステムエンジニアリング手法を採用する。 経験豊富なシステム技術者とAIベースのアセスメントツールによって,INCOSEの「良い要件」基準に対するシステム要件の評価を行った。 評価は、一貫性、完全性、明快さ、テスト容易性に焦点を合わせ、正確性だけでなく、各評価の根底にある決定ロジックも検証した。 結果は、AIツールが、特に構文的および構造的品質特性に対して、一貫性と迅速な事前評価を提供できることを示している。 しかし、専門家の判断は文脈的解釈、曖昧さの解決、トレードオフ推論に不可欠である。 AIをシステムエンジニアの代替として位置付けるのではなく、この発見はREライフサイクルにおける意思決定支援メカニズムとしての役割を支持している。 システムエンジニアリングの観点から、この研究は、トレーサビリティ、説明可能性、エンジニアリングの一貫性を保ちながら、AIをREワークフローに統合する方法に関する実証的な証拠を提供する。

関連論文リスト

• Pitfalls in Evaluating Interpretability Agents [91.49742416116635]
  我々は,実験を反復的に設計し,仮説を洗練するエージェントシステムを構築した。 我々の研究は、複雑な自動解釈可能性システムを評価する上での根本的な課題を実証している。
  論文  参考訳（メタデータ） (2026-03-20T16:27:17Z)
• Towards the Next Generation of Software: Insights from Grey Literature on AI-Native Applications [13.876049229274114]
  AIネイティブアプリケーションは、ソフトウェアの設計、開発、進化の方法を根本的に再定義する、ソフトウェアエンジニアリングの新しいパラダイムである。 人気が高まっているにもかかわらず、AIネイティブアプリケーションには、統一されたエンジニアリング定義とアーキテクチャの青写真がない。 本研究は、AIネイティブアプリケーションの定義特性、キー品質特性、および典型的な技術スタックを識別することにより、AIネイティブアプリケーションの包括的な理解を確立することを目的とする。
  論文  参考訳（メタデータ） (2025-09-16T15:01:23Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• On the Evaluation of Engineering Artificial General Intelligence [5.802869598386355]
  本稿では,工学的汎用人工知能(eAGI)エージェントを評価するための枠組みを提案する。 我々はeAGIを人工知能(AGI)の専門化と考えている。 eAGIエージェントは、事実とメソッドの背景知識(リコールと検索)のユニークなブレンドを持つべきである。
  論文  参考訳（メタデータ） (2025-05-15T18:52:47Z)
• Work in Progress: AI-Powered Engineering-Bridging Theory and Practice [0.0]
  本稿では,システム工学の重要なステップを自動化し,改善する上で,生成AIがいかに役立つかを考察する。 INCOSEの"よい要件"基準に基づいて、システム要件を分析するAIの能力を調べる。 この研究は、エンジニアリングプロセスを合理化し、学習結果を改善するAIの可能性を評価することを目的としている。
  論文  参考訳（メタデータ） (2025-02-06T17:42:00Z)
• A Unified Framework for Evaluating the Effectiveness and Enhancing the Transparency of Explainable AI Methods in Real-World Applications [2.0681376988193843]
  本研究では,XAIの単一評価フレームワークについて紹介する。 数字とユーザフィードバックの両方を使って、説明が正しいか、理解しやすく、公平で、完全で、信頼できるかをチェックする。 我々は、医療、金融、農業、自動運転システムにおけるケーススタディを通じて、この枠組みの価値を示す。
  論文  参考訳（メタデータ） (2024-12-05T05:30:10Z)
• Design of a Quality Management System based on the EU Artificial Intelligence Act [0.0]
  EU AI Actは、リスクの高いAIシステムのプロバイダとデプロイ者が品質管理システム(QMS)を確立することを義務付けている。 本稿では,マイクロサービス・ソフトウェア・アズ・ア・サービス・ウェブ・アプリケーションとしてのQMSの設計コンセプトとプロトタイプを紹介する。
  論文  参考訳（メタデータ） (2024-08-08T12:14:02Z)
• Modelling Assessment Rubrics through Bayesian Networks: a Pragmatic Approach [40.06500618820166]
  本稿では,学習者モデルを直接評価ルーリックから導出する手法を提案する。 本稿では,コンピュータ思考のスキルをテストするために開発された活動の人的評価を自動化するために,この手法を適用する方法について述べる。
  論文  参考訳（メタデータ） (2022-09-07T10:09:12Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)

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。