論文の概要: How Software Engineering Students Use LLMs to Write Research Papers: An Experience Report

• arxiv url: http://arxiv.org/abs/2606.05114v1
• Date: Wed, 03 Jun 2026 17:19:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.922142
• Title: How Software Engineering Students Use LLMs to Write Research Papers: An Experience Report
• Title（参考訳）: ソフトウェア工学の学生がLLMを使って研究論文を書く:体験レポート
• Authors: Ronnie de Souza Santos, Maria Teresa Baldassarre, Cleyton Magalhaes, Italo Santos,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.415373522515852
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models are increasingly becoming part of software engineering education, including activities involving empirical software engineering and evidence synthesis. This paper reports an educational experience involving the integration of reflective LLM use into an empirical methods assignment in a third-year software architecture course. Students were asked to develop a short research paper using either a rapid review or a gray literature review methodology and to disclose how LLMs were used throughout the assignment. We analyzed 146 student disclosure statements using a cross-analysis process combining LLM-assisted categorization with manual verification and refinement by the researchers. The reflections describe how students incorporated LLMs during activities such as brainstorming, methodological clarification, organization of findings, and writing refinement, while also reporting concerns regarding inaccuracies and verification of generated content. This experience report discusses lessons learned and educational implications for integrating AI-assisted technologies into empirical software engineering education.
• Abstract（参考訳）: 大規模な言語モデルは、経験的ソフトウェアエンジニアリングやエビデンス合成を含む活動を含む、ソフトウェア工学教育の一部になりつつある。 本稿では,3年間のソフトウェアアーキテクチャコースにおいて,反射型LLMの使用を経験的手法に組み込んだ教育経験を報告する。 学生は、素早いレビューまたはグレーの文献レビュー手法を用いて短い研究論文を作成し、その課題全体を通してLLMがどのように使用されたかを明らかにするよう求められた。 LLMを用いた分類と手動による検証・精査を併用したクロスアナリシス法を用いて146名の学生開示文を解析した。 このリフレクションは、脳卒中、方法論的明確化、発見の組織化、文章の洗練などの活動において、学生がどのようにLDMを取り入れたかを記述し、また、不正確性や生成されたコンテンツの検証に関する懸念を報告している。 この経験報告では、AI支援技術を経験的ソフトウェア工学教育に統合するための教訓と教育的意味について論じる。

関連論文リスト

• 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)
• LLM Inference Unveiled: Survey and Roofline Model Insights [62.92811060490876]
  大規模言語モデル(LLM)推論は急速に進化しており、機会と課題のユニークなブレンドを提示している。 本調査は, 研究状況を要約するだけでなく, 屋上モデルに基づく枠組みを導入することによって, 従来の文献レビューから際立っている。 このフレームワークは、ハードウェアデバイスにLSMをデプロイする際のボトルネックを特定し、実用上の問題を明確に理解する。
  論文  参考訳（メタデータ） (2024-02-26T07:33:05Z)
• Towards an Understanding of Large Language Models in Software Engineering Tasks [29.30433406449331]
  大規模言語モデル(LLM)は、テキスト生成や推論タスクにおける驚くべきパフォーマンスのために、広く注目を集め、研究している。 コード生成などのソフトウェア工学タスクにおけるLLMの評価と最適化が研究の焦点となっている。 本稿では,LLMとソフトウェア工学を組み合わせた研究・製品について包括的に検討・検討する。
  論文  参考訳（メタデータ） (2023-08-22T12:37:29Z)
• Instruction Tuning for Large Language Models: A Survey [52.86322823501338]
  我々は、教師付き微調整(SFT)の一般的な方法論を含む、文献の体系的なレビューを行う。 また、既存の戦略の欠陥を指摘しながら、SFTの潜在的な落とし穴についても、それに対する批判とともに検討する。
  論文  参考訳（メタデータ） (2023-08-21T15:35:16Z)

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。