論文の概要: Writing Better Software Explanations: A Guideline-Based Approach
- arxiv url: http://arxiv.org/abs/2606.10880v1
- Date: Tue, 09 Jun 2026 13:54:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-11 16:42:38.041023
- Title: Writing Better Software Explanations: A Guideline-Based Approach
- Title（参考訳）: より良いソフトウェア説明を書く: ガイドラインに基づくアプローチ
- Authors: Martin Obaidi, Jean-Carl Kremser, Hannah Deters, Jakob Droste, Marc Herrmann, Kurt Schneider,
- Abstract要約: ソフトウェア説明のためのガイドラインに基づく定式化支援ツールを提案する。
このツールは、記述プロセスを生成、品質チェック、反復的なリビジョンに構成すると同時に、ドメイン制御を開発者と共有する。
本研究は, ガイドライン駆動型補助により, 有効性の向上と, 高い定式化品質が示唆された。
- 参考スコア（独自算出の注目度）: 1.9218231341036756
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As software systems increasingly rely on natural-language explanations to address user-reported explanation needs in requirements communication and support, ensuring that such explanations are consistent, relevant, and well formulated remains a major challenge. Purely automatic large language model (LLM) generation often lacks reliable grounding and controllable output quality. In this paper, we present a guideline-based formulation support tool for software explanations that combines LLM-assisted text generation with an empirically derived quality guideline. The tool structures the writing process into generation, quality checking, and iterative revision, while keeping domain control with developers. We evaluated the approach in a two-phase study consisting of an interview-based developer experiment and a controlled user survey. Six industry practitioners with software development or DevOps experience formulated explanations for real explanation needs in a human-only manual condition and in a human-with-LLM-support condition. In this small-scale evaluation, tool-supported formulation was on average 24.4% faster, although inferential analyses indicated only a trend for efficiency. In a subsequent user study with 17 participants and 204 paired comparisons, tool-supported explanations were rated significantly higher in overall satisfaction than manual explanations (p=0.003, rank-biserial correlation=0.86). Our findings suggest potential efficiency gains and higher perceived formulation quality through guideline-driven LLM assistance. Future work should examine long-term industrial use and integration into existing development workflows.
- Abstract（参考訳）: ソフトウェアシステムは、要求のコミュニケーションとサポートにおけるユーザ報告された説明要求に対処するために、自然言語による説明をますます頼りにしているため、そのような説明が一貫性があり、関連性があり、十分に定式化されていることが大きな課題である。
純粋に自動的な大規模言語モデル(LLM)生成は、信頼性の高い基底と制御可能な出力品質を欠いていることが多い。
本稿では,LLM によるテキスト生成と経験的に導出された品質ガイドラインを組み合わせた,ソフトウェア説明のためのガイドラインに基づく定式化支援ツールを提案する。
このツールは、記述プロセスを生成、品質チェック、反復的なリビジョンに構成すると同時に、ドメイン制御を開発者と共有する。
本研究は,インタビューベースの開発者実験とユーザ・サーベイによる2段階の研究で評価した。
ソフトウェア開発やDevOpsの経験を持つ6人の業界実践者が、人間のみのマニュアル状態と人間とLLMをサポートする状態において、本当の説明に必要な説明を定式化した。
この小規模評価では、ツールによる定式化は平均24.4%高速化されたが、推論分析では効率性の傾向しか示さなかった。
その後、17人の被験者と204人のペアによるユーザスタディにおいて、ツールによる説明は、手動による説明よりも、全体的な満足度が有意に高かった(p=0.003, rank-biserial correlation=0.86)。
以上の結果から, ガイドライン駆動型LPMによる効率向上と, 高い定式化品質が示唆された。
今後は、開発ワークフローへの長期的な産業利用と統合を検討する必要がある。
関連論文リスト
- From Quality Properties to Practice: A Guideline and Workflow for Explainability Requirements [1.9218231341036756]
AI対応ソフトウェアシステムでは、説明可能性の必要性がますます高まっている。
誘導されていない大きな言語モデルのサポートは曖昧で一貫性のない、あるいは不完全なステートメントをもたらす可能性がある。
本稿では,説明可能性要件に対する逐次的かつガイドライン駆動型ワークフローを提案する。
論文 参考訳（メタデータ） (2026-06-09T13:56:31Z) - Assistance to Autonomy: A Systematic Literature Review of Agentic AI across the Software Development Life Cycle [4.241377338556251]
本研究は,ソフトウェア製品開発におけるエージェントシステムに関する現在の文献の包括的評価に寄与する。
また、高ボリュームSLRドメインのスクリーニングフェーズを自動化するためのAI支援ツールの形式での方法論的なコントリビューションも提供する。
論文 参考訳（メタデータ） (2026-05-14T10:46:51Z) - Prompt-Driven Code Summarization: A Systematic Literature Review [4.238464304669881]
大きな言語モデル(LLM)は、ソースコードから自然言語記述を自動的に生成することで、有望なソリューションを提供する。
この体系的なレビュー文献は、既存の証拠を集約し、パラダイムを推進し、その効果を検証し、将来の研究と実践的採用のガイドとなるギャップを特定する。
論文 参考訳（メタデータ） (2026-04-16T03:25:28Z) - From Helpful to Trustworthy: LLM Agents for Pair Programming [0.0]
LLMベースのコーディングエージェントは、コード、テスト、ドキュメントの生成にますます使われています。
それでも、彼らのアウトプットは、開発者意図と正しく一致せず、進化するプロジェクトにおけるレビューの限られた証拠を提供することができる。
本研究では、意図を外部化し、反復検証に開発ツールを使用するマルチエージェントLLMペアプログラミングの体系的研究を提案する。
論文 参考訳（メタデータ） (2026-04-11T17:39:57Z) - LoCoBench-Agent: An Interactive Benchmark for LLM Agents in Long-Context Software Engineering [90.84806758077536]
textbfLoCoBench-Agentは,大規模言語モデル(LLM)エージェントを現実的,長期的ソフトウェア工学で評価するための総合的な評価フレームワークである。
我々のフレームワークは、LoCoBenchの8000のシナリオを対話型エージェント環境に拡張し、マルチターン会話の体系的評価を可能にする。
我々のフレームワークは,8つの特殊なツール(ファイル操作,検索,コード解析)をエージェントに提供し,それを10Kから1Mトークンの範囲で評価する。
論文 参考訳（メタデータ） (2025-11-17T23:57:24Z) - Software Testing with Large Language Models: An Interview Study with Practitioners [2.198430261120653]
ソフトウェアテストにおける大きな言語モデルの使用は、多くのタスクをサポートするにつれて急速に増加しています。
しかし、彼らの採用は構造的なガイダンスよりも非公式な実験に依存していることが多い。
本研究は,ソフトウェアテスト専門家が LLM を用いて,予備的,実践的インフォームドガイドラインを提案する方法について考察する。
論文 参考訳（メタデータ） (2025-10-20T05:06:56Z) - How can we assess human-agent interactions? Case studies in software agent design [52.953425368394306]
我々は,人間とエージェントの相互作用の厳密な評価に向けて,二つの大きな一歩を踏み出した。
エージェント設計のより効率的な人間中心評価のためのフレームワークであるPULSEを提案する。
私たちは、オープンソースのソフトウェアエージェントOpenHandsを中心に構築された大規模なWebプラットフォームにフレームワークをデプロイします。
論文 参考訳（メタデータ） (2025-10-10T19:04:28Z) - Improving Large Language Models Function Calling and Interpretability via Guided-Structured Templates [56.73907811047611]
大規模言語モデル(LLM)は強力な推論とツール使用能力を示している。
LLMは、誤ったパラメータ化、悪いツールの選択、ユーザーの意図の誤解釈によって、現実世界のツールインタラクションで失敗することが多い。
我々は、構造化推論テンプレートを利用して、関数呼び出しを生成するためのより故意なステップバイステップ命令を通してLCMをガイドするカリキュラムに着想を得たフレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-22T17:55:14Z) - Training Language Models to Generate Quality Code with Program Analysis Feedback [66.0854002147103]
大規模言語モデル(LLM)によるコード生成は、ますます本番環境で採用されているが、コード品質の保証には失敗している。
実運用品質のコードを生成するためにLLMにインセンティブを与える強化学習フレームワークであるREALを提案する。
論文 参考訳（メタデータ） (2025-05-28T17:57:47Z) - IDA-Bench: Evaluating LLMs on Interactive Guided Data Analysis [60.32962597618861]
IDA-Benchは、多ラウンドの対話シナリオで大規模言語モデルを評価する新しいベンチマークである。
エージェント性能は、最終的な数値出力と人間由来のベースラインを比較して判断する。
最先端のコーディングエージェント(Claude-3.7-thinkingなど)でさえ50%のタスクを成功させ、シングルターンテストでは明らかでない制限を強調している。
論文 参考訳（メタデータ） (2025-05-23T09:37:52Z)
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。