論文の概要: GenAI in Software Engineering: The Role of Technology Acceptance Models
- arxiv url: http://arxiv.org/abs/2604.27642v1
- Date: Thu, 30 Apr 2026 09:34:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:54.022682
- Title: GenAI in Software Engineering: The Role of Technology Acceptance Models
- Title（参考訳）: ソフトウェア工学におけるGenAI: 技術受容モデルの役割
- Authors: Oscar Johansson, Jürgen Börstler, Nauman bin Ali,
- Abstract要約: 我々は,GenAIの受容と利用に関する統一理論(Unified Theory of Acceptance and Use of Technology, UTAUT)を例に挙げる。
今後の研究の優先事項として,(1)GenAIの性質と変革的影響を考慮に入れた構造物の同定と精錬,(2)建設の妥当性とクロススタディ・コンパラビリティを高めるための運用方法の改善,(3)小サンプル推論を支援するためのベイズ分析の導入,の3つを挙げる。
- 参考スコア（独自算出の注目度）: 3.3288694736505193
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Context: Many organizations are keen to incorporate generative~AI (GenAI) into their software development processes. Technology acceptance models, such as the Unified Theory of Acceptance and Use of Technology (UTAUT), are traditionally used to identify individual-level barriers to the acceptance of new technologies and can facilitate the transition to GenAI. However, UTAUT has seen limited use within software engineering (SE) research. Objective: Using UTAUT as an example, to identify key areas for future research on GenAI acceptance, including the role of Bayesian approaches for data analysis. Method: We review foundational and SE-specific literature on UTAUT and analyze its emerging applications for GenAI in SE. Results: We identify three priorities for future research: (1) identifying and refining constructs to account for GenAI's nature and transformational impact; (2) improving operationalization practices to strengthen construct validity and cross-study comparability; and (3) incorporating Bayesian analysis to support small-sample inference by integrating prior knowledge, iterative model updating, and simulation of scenarios. Conclusion: UTAUT is a suitable candidate to combine with Bayesian analysis for practical insights on individual-level barriers to GenAI use in SE, but additional theories should be considered.
- Abstract（参考訳）: コンテキスト: 多くの組織は、ジェネレーティブ～AI(GenAI)をソフトウェア開発プロセスに組み込むことを熱望しています。
UTAUT(Unified Theory of Acceptance and Use of Technology)のような技術受容モデルは、伝統的に、新しい技術の受容に対する個々のレベルの障壁を特定し、GenAIへの移行を促進するために使用される。
しかし、UTAUTはソフトウェア工学(SE)研究でしか使われていない。
目的: UTAUT を例として用いて,今後の GenAI の受容研究における重要な領域を特定し,データ解析におけるベイズ的アプローチの役割を含む。
方法: UTAUTに関する基礎文献およびSE特化文献を概説し,そのSEにおけるGenAIの新たな応用について分析する。
結果: 今後の研究の優先事項として,(1)GenAIの性質と変革的影響を考慮に入れた構成要素の同定と精錬,(2)構築の妥当性とクロススタディ・コンパラビリティを高めるための運用実践の改善,(3)事前知識,反復モデル更新,シナリオのシミュレーションを統合することで,小サンプル推論を支援するベイズ分析の導入,の3つを挙げる。
結論: UTAUTは、SEにおけるGenAI使用に対する個人レベルの障壁に関する実践的な洞察のためにベイズ分析と組み合わせるのに適した候補であるが、追加の理論を考慮すべきである。
関連論文リスト
- Encouraging Students' Responsible Use of GenAI in Software Engineering Education: A Causal Model and Two Institutional Applications [0.4306143768014156]
ジェネレーティブAI(GenAI)ツールが教育で普及するにつれ、学生が学習よりも学習に使用することへの懸念が高まっている。
本稿では、ソフトウェア工学(SE)教育におけるGenAI利用に責任を持つ教育者を支援するために、因果モデルを提案し、実証的に適用する。
論文 参考訳（メタデータ） (2025-05-31T19:27:40Z) - Enterprise Architecture as a Dynamic Capability for Scalable and Sustainable Generative AI adoption: Bridging Innovation and Governance in Large Organisations [55.2480439325792]
生成人工知能(Generative Artificial Intelligence)は、イノベーションを促進し、多くの産業におけるガバナンスを再形成する可能性を持つ強力な新技術である。
しかし、テクノロジの複雑さ、ガバナンスのギャップ、リソースのミスアライメントなど、GenAIをスケールする上で大きな課題に直面している。
本稿では、大企業におけるGenAI導入の複雑な要件をエンタープライズアーキテクチャ管理が満たす方法について検討する。
論文 参考訳（メタデータ） (2025-05-09T07:41:33Z) - Computational Safety for Generative AI: A Signal Processing Perspective [65.268245109828]
計算安全性は、GenAIにおける安全性の定量的評価、定式化、研究を可能にする数学的枠組みである。
ジェイルブレイクによる悪意のあるプロンプトを検出するために, 感度解析と損失景観解析がいかに有効かを示す。
我々は、AIの安全性における信号処理の鍵となる研究課題、機会、そして重要な役割について論じる。
論文 参考訳（メタデータ） (2025-02-18T02:26:50Z) - GenAIOps for GenAI Model-Agility [2.7396907658239424]
我々は、モデルプロバイダやバージョンと同じくらい多様な基礎モデルに柔軟に適応する準備が整った、いわゆるGenAI Model-agilityについて議論する。
まず、生成AI特有の問題に対処するため、まずGenAIOpsとしてGenAIアプリケーションの開発と運用の方法論を定義し、基礎となる基盤モデルの変更によるアプリケーション品質劣化の問題を特定する。
本稿では,この問題に対処する上で有望と思われるプロンプトチューニング技術について検討し,既存のツールを用いたケーススタディを通じて,その有効性と限界について考察する。
論文 参考訳（メタデータ） (2024-12-19T03:29:03Z) - Dimensions of Generative AI Evaluation Design [51.541816010127256]
我々は、GenAI評価設計に関わる重要な選択を捉えるための一般的な次元のセットを提案する。
これらの次元には、評価設定、タスクタイプ、入力ソース、インタラクションスタイル、期間、メトリックタイプ、スコアリング方法が含まれる。
論文 参考訳（メタデータ） (2024-11-19T18:25:30Z) - Model-based Maintenance and Evolution with GenAI: A Look into the Future [47.93555901495955]
我々は、モデルベースエンジニアリング(MBM&E)の限界に対処する手段として、生成人工知能(GenAI)を用いることができると論じる。
我々は、エンジニアの学習曲線の削減、レコメンデーションによる効率の最大化、ドメイン問題を理解するための推論ツールとしてのGenAIの使用を提案する。
論文 参考訳（メタデータ） (2024-07-09T23:13:26Z) - Explainable Authorship Identification in Cultural Heritage Applications:
Analysis of a New Perspective [48.031678295495574]
既存の汎用eXplainable Artificial Intelligence(XAI)技術のAIへの応用について検討する。
特に,3種類のAIdタスクにおける3種類のXAIテクニックの相対的メリットを評価した。
我々の分析によると、これらの技術は、説明可能なオーサシップの特定に向けて重要な第一歩を踏み出すが、まだ多くの作業が続けられている。
論文 参考訳（メタデータ） (2023-11-03T20:51:15Z) - Navigating the Complexity of Generative AI Adoption in Software
Engineering [6.190511747986327]
ソフトウェア工学における生成人工知能(AI)ツールの採用パターンについて検討した。
個人レベル、技術レベル、社会的レベルの影響要因を分析した。
論文 参考訳（メタデータ） (2023-07-12T11:05:19Z) - Connecting Algorithmic Research and Usage Contexts: A Perspective of
Contextualized Evaluation for Explainable AI [65.44737844681256]
説明可能なAI(XAI)を評価する方法に関するコンセンサスの欠如は、この分野の進歩を妨げる。
このギャップを埋める一つの方法は、異なるユーザ要求を考慮に入れた評価方法を開発することである、と我々は主張する。
論文 参考訳（メタデータ） (2022-06-22T05:17:33Z)
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。