論文の概要: AI-Assisted Code Review as a Scaffold for Code Quality and Self-Regulated Learning: An Experience Report
- arxiv url: http://arxiv.org/abs/2604.23251v1
- Date: Sat, 25 Apr 2026 11:10:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:07.228075
- Title: AI-Assisted Code Review as a Scaffold for Code Quality and Self-Regulated Learning: An Experience Report
- Title（参考訳）: コード品質と自己統制学習のためのシナリオとしてのAI支援コードレビュー:経験報告
- Authors: Eduardo Oliveira, Michael Fu, Patanamon Thongtanunam, Sonsoles López-Pernas, Mohammed Saqr,
- Abstract要約: GitHubのプルリクエスト(Human-in-the-loop)に直接統合されたLCM-as-reviewerについて検討する。
自己統制学習プロセスの行動指標としてのエンゲージメントと応答性について検討した。
i)認知的オフロードを緩和しながら学習を足場とするAIレビュアの作業フロー設計、(ii)正当性のある2つのコホート間での横断的な比較、(iv)責任を負う学生主導のAI支援レビューに対するエビデンスベースの教育的レコメンデーション。
- 参考スコア（独自算出の注目度）: 4.541490370053892
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Code review is central to software engineering education but hard to scale in capstone projects due to tight deadlines, uneven peer feedback, and limited prior experience. We investigate an LLM-as-reviewer integrated directly into GitHub pull requests (human-in-the-loop) across two cohorts (more than 100 students, 2023--2024). Using a mixed-methods design -- GitHub data, reflective reports, and a targeted survey -- we examine engagement and responsiveness as behavioral indicators of self-regulated learning processes. Quantitatively, the 2024 cohort produced more iterative activity (1176 vs. 581 PRs), while technical issues observed in 2023 (227 failed AI attempts) dropped to zero after tool and instructional refinements. Despite different adoption levels (93\% vs. 50\% of teams using the tool), responsiveness was stable: 32\% (2023) and 33\% (2024) of successfully AI-reviewed PRs were followed by subsequent commits on the same PR. Qualitatively, students used the LLM's structured comments to focus reviews and discuss code quality, while guidance reduced over-reliance. We contribute: (i) an in-workflow design for an AI reviewer that scaffolds learning while mitigating cognitive offloading; (ii) a repeated cross sectional comparison across two cohorts in authentic settings; (iii) a mixed-methods analysis combining objective GitHub metrics with student self-reports; and (iv) evidence-based pedagogical recommendations for responsible, student-led AI-assisted review.
- Abstract（参考訳）: コードレビューは、ソフトウェアエンジニアリング教育の中心であるが、厳密な期限、不均一なピアフィードバック、事前経験の制限により、キャップストーンプロジェクトでのスケールアップは困難である。
LLM-as-reviewerをGitHubのプルリクエスト(Human-in-the-loop)に直接統合して2つのコホート(100人以上,2023-2024)を調査した。
GitHubのデータ、リフレクティブレポート、ターゲットとする調査など、混合メソッド設計を使用することで、自己規制された学習プロセスの行動指標としてのエンゲージメントと応答性を調べます。
定量的には、2024コホートはより反復的な活動(1176 vs. 581 PRs)を発生させ、2023年に観測された技術的問題(227回のAIの試み失敗)はツールと命令の洗練の後にゼロに低下した。
採用レベルが異なるにも関わらず(ツールを使用するチームの93\%対50\%)、応答性は安定していた。
質的には、学生はLLMの構造化されたコメントを使ってレビューに集中し、コード品質について議論し、ガイダンスは過度な信頼を減らした。
コントリビューション:
i)認知的オフロードを緩和しながら学習を足場とするAIレビュアーの作業フロー設計
二 真正な設定において二のコホートにまたがる繰り返し断面積比較
(iii)GitHubの客観的メトリクスと学生の自己報告を組み合わせた混合メソッド分析
(4) 学生主導のAI支援レビューに対するエビデンスベースの教育的レコメンデーション。
関連論文リスト
- An AI Teaching Assistant for Motion Picture Engineering [0.0]
本稿では,トリニティ・カレッジ・ダブリン・マスターズ・モーション・ピクチャー・エンジニアリング(MPE)コースにおけるAI-TA(AI-TA)の実装について述べる。
本稿では,AI-TAが測定値に与える影響について報告する。
学生のフィードバックから,AI-TAは有益であることが明らかとなった。
論文 参考訳（メタデータ） (2026-04-06T13:30:11Z) - Using Learning Progressions to Guide AI Feedback for Science Learning [9.90590245204881]
生成人工知能(AI)は、フォーマティブフィードバックのスケーラブルなサポートを提供する。
効果的ではあるが、ルーリックオーサリングは時間がかかり、命令コンテキスト間のスケーラビリティが制限される。
本研究では、LP駆動のルーブリック生成パイプラインが、専門家によるタスクルーブリックによるフィードバックに匹敵する品質のAI生成フィードバックを生成できるかどうかを検討する。
論文 参考訳（メタデータ） (2026-03-03T18:39:58Z) - Early-Stage Prediction of Review Effort in AI-Generated Pull Requests [0.0]
我々は,2,807リポジトリにわたるAIDevデータセットから,エージェントによるPR33,707件を分析した。
本稿では,高解像度PRを生成時に予測するサーキットブレーカートリアージモデルを提案する。
論文 参考訳（メタデータ） (2026-01-02T17:18:01Z) - Enhancing Python Programming Education with an AI-Powered Code Helper: Design, Implementation, and Impact [0.0]
本研究では,学生のプログラミング学習を支援するAI-Pythonベースのチャットボットを提案する。
システムは85%のエラー解決成功率を示し、Pylintのようなスタンドアロンツールを上回った。
この研究は、単なるコード補完よりも教育的平等と長期的なスキル維持を優先するAIツールの青写真を提供する。
論文 参考訳（メタデータ） (2025-09-24T19:43:46Z) - CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。
また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
論文 参考訳（メタデータ） (2025-08-28T06:03:11Z) - From Coders to Critics: Empowering Students through Peer Assessment in the Age of AI Copilots [3.3094795918443634]
本稿では,大規模プログラミングコースで実装されたルーリックベースで匿名化されたピアレビュープロセスについて,実証的研究を行う。
学生同士の最終プロジェクト(2Dゲーム)を評価し,その評価を,相関,平均絶対誤差,根平均二乗誤差(RMSE)を用いたインストラクターの成績と比較した。
その結果、ピアレビューは、インストラクターの評価を適度な精度で近似し、学生のエンゲージメント、評価的思考、そして仲間に良いフィードバックを提供することへの関心を高めることができた。
論文 参考訳（メタデータ） (2025-05-28T08:17:05Z) - A Large-Scale Study of Relevance Assessments with Large Language Models: An Initial Look [52.114284476700874]
本稿では,4つの異なる関連性評価手法が展開された大規模評価(TREC 2024 RAG Track)の結果について報告する。
自動生成UMBRELA判定は、完全に手動による判断を置き換えて、実行レベルの有効性を正確に捉えることができる。
意外なことに、LLMアシストは完全な手作業による評価と相関を増さないようで、人間のループプロセスに関連するコストは明らかな有意義な利益をもたらすものではないことを示唆している。
論文 参考訳（メタデータ） (2024-11-13T01:12:35Z) - Monitoring AI-Modified Content at Scale: A Case Study on the Impact of ChatGPT on AI Conference Peer Reviews [51.453135368388686]
本稿では,大規模言語モデル (LLM) によって実質的に修正あるいは生成される可能性のある大規模コーパスにおけるテキストの分数推定手法を提案する。
我々の最大可能性モデルは、専門家による参照テキストとAIによる参照テキストを利用して、コーパスレベルでの実世界のLLM使用を正確かつ効率的に検証する。
論文 参考訳（メタデータ） (2024-03-11T21:51:39Z) - NEVIS'22: A Stream of 100 Tasks Sampled from 30 Years of Computer Vision
Research [96.53307645791179]
我々は,100以上の視覚的分類タスクのストリームからなるベンチマークであるNever-Ending VIsual-classification Stream (NEVIS'22)を紹介する。
分類に制限されているにもかかわらず、OCR、テクスチャ分析、シーン認識など、様々なタスクが生成される。
NEVIS'22は、タスクの規模と多様性のために、現在のシーケンシャルな学習アプローチに対して前例のない課題を提起している。
論文 参考訳（メタデータ） (2022-11-15T18:57:46Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳（メタデータ） (2021-07-23T22:41:28Z)
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。