論文の概要: Academic Integrity and Emotional Responses to Inappropriate LLM Use in Software Engineering Education

• arxiv url: http://arxiv.org/abs/2606.07830v1
• Date: Fri, 05 Jun 2026 20:37:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.471128
• Title: Academic Integrity and Emotional Responses to Inappropriate LLM Use in Software Engineering Education
• Title（参考訳）: ソフトウェア工学教育における不適切なLLM使用に対する学術的統合性と感情的反応
• Abstract要約: 本研究では,ソフトウェア工学の学生が大規模言語モデル(LLM)を用いた感情経験をいかに表現するかを検討する。 学業成績や学業成績のリスクを認識した学生を含め、無関心が最も多かった。 道徳的な不快感や罰に対する懸念から、罪悪感と不安が報告された。
• 参考スコア（独自算出の注目度）: 2.760934097724228
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Academic integrity in higher education is increasingly shaped by complex socio-technical environments marked by automated tools, evolving institutional practices, and heightened performance pressures. Within this context, large language models (LLMs) are becoming prevalent in software engineering education, further blurring boundaries around acceptable assistance and authorship. This study investigates how software engineering students describe their emotional experiences after using LLMs in ways they perceive as academically inappropriate. We conducted a cross-sectional survey with 116 undergraduate students. Results show emotionally heterogeneous responses. Indifference was most frequent, including among students who recognized risks to learning and academic standing. Guilt and anxiety were reported in relation to moral discomfort and concern about penalties. Relief and satisfaction were evident primarily in deadline-driven contexts and situations of unclear guidance.
• Abstract（参考訳）: 高等教育における学術的整合性は、自動化されたツール、制度的慣行の進化、パフォーマンスのプレッシャーの増大によって特徴づけられる複雑な社会技術的環境によってますます形作られていく。 この文脈の中では、ソフトウェア工学の教育において、大きな言語モデル(LLM)が普及し、受け入れられる援助と著者に関する境界がさらに曖昧になっている。 本研究では,ソフトウェア工学の学生がLLMを学術的に不適切であると認識した上での感情経験について述べる。 大学生116名を対象に横断調査を行った。 結果は感情的に不均一な反応を示す。 学業成績や学業成績のリスクを認識した学生を含め、無関心が最も多かった。 道徳的な不快感や罰に対する懸念から、罪悪感と不安が報告された。 救済と満足感は、主に期限駆動の状況と不明確なガイダンスの状況で明らかでした。

関連論文リスト

• Using AI in engineering education: a balancing act, driven by clear purpose [1.0152838128195467]
  学生は主にLLMを、執筆支援、概念的明確化、コーディング支援、ブレインストーミングに重きを置いている。 学生の効率性とパーソナライズされた支援への愛着は「クルール楽観主義」の一形態を反映している この章は、工学教育におけるAI統合に対する、目的駆動でコンテキスト依存的なアプローチを論じている。
  論文  参考訳（メタデータ） (2026-06-15T12:21:42Z)
• Same Rules, Mixed Messages: Exploring Community Perceptions of Academic Dishonesty in Computing Education [0.0]
  アカデミックな不正は長い間、コンピューティング教育において懸念されてきた。 本研究は,コンピュータサイエンス教室における様々なアクターが,潜在的不正行為のシナリオをどう解釈するかを検討した。 インストラクタは、ほとんどの場合、カンニングはグレードプレッシャーと怠慢に起因するが、学生とTAは、前提となる知識と時間管理の課題のギャップを強調している。
  論文  参考訳（メタデータ） (2026-03-31T14:02:44Z)
• LLM Use, Cheating, and Academic Integrity in Software Engineering Education [2.6055991635575446]
  大学教育における暖房は、一般に文脈に依存し、評価設計、制度規範、学生の解釈の影響を受けていると説明される。 本研究では,ソフトウェア工学の学生が大規模言語モデル(LLM)の使用経験を,不適切,不適当,あるいはコースの期待と一致しないものとして記述する方法について検討する。
  論文  参考訳（メタデータ） (2026-03-17T18:48:33Z)
• Empathy in Software Engineering Education: Evidence, Practices, and Opportunities [2.198430261120653]
  本研究は,ソフトウェア工学教育において共感がどのように使われているか,教えられ,議論されてきたかを検討する。 2001年から2025年にかけて,6つのデータベースを網羅的に検索し,43の初等研究を分析した。 その結果,ソフトウェア工学は共感を構造的,設計的,測定可能なプラクティスに翻訳するのに対し,共感は社会的責任に結びつく倫理的,反省的な能力であることがわかった。
  論文  参考訳（メタデータ） (2026-03-08T02:32:26Z)
• Ethics of Care for Software Engineering [51.80521257060489]
  ケア」と「ケア」の反対はケアの倫理に基づいていると我々は主張する。 我々は、ソフトウェア工学におけるケアの倫理の採用を提唱する。
  論文  参考訳（メタデータ） (2026-01-23T20:16:00Z)
• Can Large Language Models Help Students Prove Software Correctness? An Experimental Study with Dafny [75.55915044740566]
  コンピューティング教育の学生は、ChatGPTのような大きな言語モデル(LLM)をますます利用している。 本稿では,Dafny の形式的検証演習において,学生が LLM とどのように相互作用するかを検討する。
  論文  参考訳（メタデータ） (2025-06-27T16:34:13Z)
• Evaluating Large Language Models for Real-World Engineering Tasks [75.97299249823972]
  本稿では,実運用指向のエンジニアリングシナリオから得られた100以上の質問をキュレートしたデータベースを提案する。 このデータセットを用いて、4つの最先端の大規模言語モデル(LLM)を評価する。 以上の結果から,LLMは時間的および構造的推論において強みを示すが,抽象的推論や形式的モデリング,文脈に敏感な工学的論理にはかなり苦労することがわかった。
  論文  参考訳（メタデータ） (2025-05-12T14:05:23Z)
• Emotional Strain and Frustration in LLM Interactions in Software Engineering [0.0]
  大規模言語モデル(LLM)は、ソフトウェア工学における日々のタスクにますます統合されています。 フラストレーションは、ストレスとバーンアウトにエスカレートした場合、エンジニアの生産性と幸福に悪影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2025-04-14T09:55:47Z)
• EmoBench: Evaluating the Emotional Intelligence of Large Language Models [73.60839120040887]
  EmoBenchは、確立された心理学理論に基づいて、マシン感情知能(EI)の包括的な定義を提案するベンチマークである。 EmoBenchには、英語と中国語で400の手作りの質問が含まれている。 以上の結果から,既存の大規模言語モデルのEIと平均的な人間の間には,かなりのギャップがみられ,今後の研究に向けての有望な方向性が浮かび上がっている。
  論文  参考訳（メタデータ） (2024-02-19T11:48:09Z)
• Emotionally Numb or Empathetic? Evaluating How LLMs Feel Using EmotionBench [83.41621219298489]
  心理学からの感情評価理論を用いて,Large Language Models (LLMs) の人為的能力を評価する。 我々は、研究の中心となる8つの感情を引き出すのに有効な400以上の状況を含むデータセットを収集した。 我々は世界中の1200人以上の被験者を対象に人間による評価を行った。
  論文  参考訳（メタデータ） (2023-08-07T15:18:30Z)
• Large Language Models Understand and Can be Enhanced by Emotional Stimuli [53.53886609012119]
  我々は、感情的な刺激を理解するために、大規模言語モデルの能力を探究する第一歩を踏み出す。 実験の結果,LLMは感情的知能を把握でき,その性能は感情的刺激によって改善できることがわかった。 EmotionPromptが生成タスクの性能を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2023-07-14T00:57:12Z)
• Disadvantaged students increase their academic performance through collective intelligence exposure in emergency remote learning due to COVID 19 [105.54048699217668]
  新型コロナウイルス(COVID-19)危機の間、世界中の教育機関が対面指導から緊急遠隔教育(ERT)へと移行した。 我々は,7,528人の大学生のデータを分析したところ,議論フォーラムにおける学生間の協調的・合意的ダイナミクスが最終GPAに肯定的な影響を及ぼすことがわかった。 自然言語処理を用いて,高校生の学習成績が低かった1年生が,議論フォーラムでよりコンテンツ集約的な投稿に晒されていることを示す。
  論文  参考訳（メタデータ） (2022-03-10T20:23:38Z)

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。