論文の概要: Teaching Software Engineering with LLM and MCP Integration: From Classroom to Industry Practice
- arxiv url: http://arxiv.org/abs/2606.19167v1
- Date: Wed, 17 Jun 2026 15:11:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-18 17:16:51.230033
- Title: Teaching Software Engineering with LLM and MCP Integration: From Classroom to Industry Practice
- Title（参考訳）: LLM と MCP の統合によるソフトウェア工学教育: 教室から産業実践へ
- Authors: Kehui Chen, Jacky Keung, Weining Li, Xiangbing Shao, Yishu Li, Xiaoxue Ma,
- Abstract要約: 本研究では,Large Language Models (LLM) と Model Context Protocol (MCP) を統合し,ソフトウェア工学教育のための協調学習モデルを構築する。
- 参考スコア（独自算出の注目度）: 3.507753483001567
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid integration of Large Language Models (LLMs) and the Model Context Protocol (MCP) into industrial software engineering has created a pressing need to update software engineering education to align with emerging technologies and evolving industry demands. This study investigates an innovative approach that integrates LLMs and MCP into a collaborative teaching model for software engineering education, aiming to build a practical learning framework closely connected to real-world engineering practices. By embedding LLM and MCP driven tools into daily teaching, code assistance, and engineering simulations, the model effectively bridges the gap between traditional instruction and industrial workflows. This integration enhances students' programming competence, practical problem-solving abilities, and proficiency in using intelligent engineering tools. Furthermore, through partnerships with industry internships, students can apply these technologies in real-world settings, further strengthening the connection between academic preparation and professional practice. Overall, this research offers a practical pathway for reforming and innovating software engineering education in the era of artificial intelligence.
- Abstract（参考訳）: LLM(Large Language Models)とMCP(Model Context Protocol)の産業ソフトウェア工学への迅速な統合は、ソフトウェア工学教育を更新し、新興技術と産業の要求の進展に合わせる必要性を増している。
本研究では,LLMとMPPをソフトウェア工学教育の協調学習モデルに統合し,実世界の工学実践と密接な関係を持つ実践的学習フレームワークを構築することを目的とした,革新的なアプローチについて検討する。
LLMとMPPが駆動するツールを日々の教育、コードアシスト、エンジニアリングシミュレーションに組み込むことで、このモデルは従来の教育と産業ワークフローのギャップを効果的に埋める。
この統合により、生徒のプログラミング能力、実践的な問題解決能力、インテリジェントエンジニアリングツールの使用能力が向上する。
さらに、業界インターンシップとのパートナーシップにより、学生はこれらの技術を現実世界の環境に応用することができ、学術的準備と専門的実践とのつながりをさらに強化することができる。
全体として、この研究は人工知能時代のソフトウェア工学教育を改革し革新するための実践的な経路を提供する。
関連論文リスト
- Revisiting Software Engineering Education in the Era of Large Language Models: A Curriculum Adaptation and Academic Integrity Framework [0.0]
本稿では、生成AIがコアソフトウェアエンジニアリング能力をどのように変化させるかを分析するための理論的枠組みを提案する。
トルコのコンピュータ工学プログラムに注意が向けられ、中央集権的な規制、大規模なクラスサイズ、試験指向のアセスメントがこれらの課題を増幅している。
論文 参考訳（メタデータ） (2026-01-06T22:41:47Z) - Learning to Code with Context: A Study-Based Approach [0.28675177318965045]
生成AIツールの急速な出現は、ソフトウェアの開発方法を変えつつある。
プロジェクトベースのコースは、実世界の開発プラクティスへのAIアシストの統合を探求し、評価するための効果的な環境を提供する。
本稿では,学生が共同でコンピュータゲームを開発する大学プログラミングプロジェクトにおいて,本手法とユーザスタディについて述べる。
論文 参考訳（メタデータ） (2025-12-04T20:40:36Z) - Using LLMs and Essence to Support Software Practice Adoption [0.3609538870261841]
本研究では,ソフトウェアエンジニアリングプラクティスを管理するための標準および思考フレームワークであるEssenceと,大規模言語モデル(LLM)の統合について検討する。
提案システムは、ドメイン固有のタスクにおいて、ベースラインよりも一貫して優れている。
論文 参考訳（メタデータ） (2025-08-22T14:59:35Z) - Exploring Gen-AI applications in building research and industry: A review [10.154329382433213]
本稿では,建築業界におけるジェネレーティブAI(Gen-AI)技術の変革の可能性について検討する。
これらの先進的なAIツールを活用することで、自動コンプライアンスチェックや設計支援の構築など、主要な領域にわたるアプリケーションについて調査する。
この論文は、建築業界におけるGen-AIの現在の能力に関する包括的分析で締めくくっている。
論文 参考訳（メタデータ） (2024-10-01T21:59:08Z) - Augmenting software engineering with AI and developing it further towards AI-assisted model-driven software engineering [0.0]
本稿は,AIを活用したソフトウェア工学の現状を概説し,それに対応する分類学であるai4seを開発した。
ソフトウェア開発におけるAI支援型ビッグデータのビジョンは、両方のアプローチに固有の利点を活かすことを目的としている。
論文 参考訳（メタデータ） (2024-09-26T16:49:57Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳（メタデータ） (2024-01-11T15:02:15Z) - Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。
NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳（メタデータ） (2021-01-11T15:54:48Z) - Technology Readiness Levels for AI & ML [79.22051549519989]
機械学習システムの開発は、現代的なツールで容易に実行できるが、プロセスは通常急いで、エンドツーエンドで実行される。
エンジニアリングシステムは、高品質で信頼性の高い結果の開発を効率化するために、明確に定義されたプロセスとテスト標準に従います。
我々は、機械学習の開発と展開のための実証されたシステムエンジニアリングアプローチを提案する。
論文 参考訳（メタデータ） (2020-06-21T17:14:34Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
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。