論文の概要: To Vibe Research or Not to Vibe Research? Generative AI in Qualitative Research
- arxiv url: http://arxiv.org/abs/2605.00922v1
- Date: Thu, 30 Apr 2026 17:19:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:49.4816
- Title: To Vibe Research or Not to Vibe Research? Generative AI in Qualitative Research
- Title（参考訳）: 研究をバイブするか? : 質的研究における生成AI
- Authors: Katja Karhu, Kari Smolander, Jussi Kasurinen,
- Abstract要約: 定性的な研究手法は、定性的な研究で生成AIが使えるかどうかを決定するための主要な基準の一つとして、小Q(実証主義者またはポストポジティビスト)またはビッグQ(非ポジティビスト)である。
研究哲学や研究アプローチに加えて、スキル、倫理、個人の嗜好も、定性的な研究にAIを使うかどうかについての研究者の判断に重要な役割を果たしている。
- 参考スコア（独自算出の注目度）: 0.36748639131154315
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There has been intense debate among qualitative researchers about whether generative AI is suitable for qualitative research. In this paper, we summarize the broader ongoing discussion of generative AI in qualitative research and its implications for software engineering researchers. The qualitative research approach, small-q (positivist or post-positivist) or Big Q (non-positivist), is among the major criteria for determining whether generative AI can be used in qualitative research. In addition to research philosophy and research approach, skills, ethics, and personal preferences also play a role in researchers' decisions about whether to use AI in qualitative research.
- Abstract（参考訳）: 定性的な研究者の間では、生成的AIが定性的な研究に適しているかどうかについての激しい議論がある。
本稿では、定性的な研究における生成AIに関するより広範な議論とそのソフトウェア工学研究者への影響を要約する。
定性的な研究アプローチは、定性的な研究で生成AIが使えるかどうかを決定するための主要な基準の一つとして、小Q(実証主義者またはポストポジティビスト)またはビッグQ(非ポジティビスト)である。
研究哲学や研究アプローチに加えて、スキル、倫理、個人の嗜好も、定性的な研究にAIを使うかどうかについての研究者の判断に重要な役割を果たしている。
関連論文リスト
- AutoResearchBench: Benchmarking AI Agents on Complex Scientific Literature Discovery [55.70879973230979]
AutoResearchBenchは、自律的な科学文献発見のためのベンチマークである。
エージェントWebブラウジングに関する以前のベンチマークと比較すると、AutoResearchBenchは研究指向である。
最も強力なLCMでさえ、BrowseCompのような一般的なエージェントによるWebブラウジングベンチマークをほとんど征服したにもかかわらず、Deep Researchでは9.39%、Wide Researchでは9.31%の精度しか達成していない。
論文 参考訳（メタデータ） (2026-04-28T06:05:17Z) - GenAI Is No Silver Bullet for Qualitative Research in Software Engineering [12.444212651043593]
我々は、ソフトウェア工学における定性的研究の幅広いスペクトルに関連して、生成AI(GenAI)の台頭について論じる。
我々の目標は、GenAIによる質的研究の約束と落とし穴について研究者に知らせることです。
論文 参考訳（メタデータ） (2026-03-09T21:35:36Z) - Artificial Intelligence and Accounting Research: A Framework and Agenda [0.0]
ジェネレーティブAI(GenAI)と大規模言語モデル(LLM)は会計研究を変革している。
本稿では,研究焦点と方法論的アプローチの2つの側面に沿ってAI会計研究を分類する枠組みを提案する。
論文 参考訳（メタデータ） (2025-11-20T05:18:39Z) - Generative Artificial Intelligence in Qualitative Research Methods: Between Hype and Risks? [0.0]
本稿では,定性的符号化手法の文脈における生成的AI(genAI)の役割を批判的に問う。
広汎な誇大広告や効率のクレームにもかかわらず、質的な問合せにおいてGenAIは方法論的に有効ではないことを提案する。
論文 参考訳（メタデータ） (2025-11-11T17:04:24Z) - ResearcherBench: Evaluating Deep AI Research Systems on the Frontiers of Scientific Inquiry [22.615102398311432]
我々は、ディープAI研究システムの能力を評価することに焦点を当てた最初のベンチマークであるResearcherBenchを紹介する。
現実の科学的シナリオから専門的に選択された65の質問のデータセットを収集した。
OpenAI Deep ResearchとGemini Deep Researchは、他のシステムよりも格段に優れており、オープンエンドのコンサルティングの質問では特に強みがある。
論文 参考訳（メタデータ） (2025-07-22T06:51:26Z) - AI4Research: A Survey of Artificial Intelligence for Scientific Research [55.5452803680643]
我々はAI for Research(AI4Research)に関する総合的な調査を行う。
まず、AI4Researchの5つの主要なタスクを分類する系統分類を導入する。
主要な研究ギャップを特定し、将来有望な方向性を明らかにする。
論文 参考訳（メタデータ） (2025-07-02T17:19:20Z) - Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation [58.064940977804596]
多くの新しいAIモデルとツールが提案され、世界中の研究者や学者が研究をより効果的かつ効率的に実施できるようにすることを約束している。
これらのツールの欠点と誤用の可能性に関する倫理的懸念は、議論の中で特に顕著な位置を占める。
論文 参考訳（メタデータ） (2025-02-07T18:26:45Z) - Generative AI Tools in Academic Research: Applications and Implications for Qualitative and Quantitative Research Methodologies [0.0]
本研究では,生成人工知能(GenAI)が学術研究に与える影響について検討し,質的・定量的データ分析への応用に焦点をあてる。
GenAIツールは急速に進化し、研究の生産性を高め、複雑な分析プロセスを民主化するための新たな可能性を提供する。
学術的実践への統合は、研究の完全性、セキュリティ、著作家精神、そして学術作品の変化する性質に関する重要な疑問を提起する。
論文 参考訳（メタデータ） (2024-08-13T13:10:03Z) - Characterising Research Areas in the field of AI [68.8204255655161]
トピックの共起ネットワーク上でクラスタリング分析を行うことで,主要な概念テーマを特定した。
その結果は、ディープラーニングや機械学習、物のインターネットといった研究テーマに対する学術的関心の高まりを浮き彫りにしている。
論文 参考訳（メタデータ） (2022-05-26T16:30:30Z)
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。