論文の概要: Collaborative and AI-Supported Requirements Elicitation: An Empirical Study

• arxiv url: http://arxiv.org/abs/2606.24060v1
• Date: Tue, 23 Jun 2026 02:09:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.73094
• Title: Collaborative and AI-Supported Requirements Elicitation: An Empirical Study
• Title（参考訳）: 協調的かつAIに支えられた要求の省力化:実証的研究
• Authors: Manoel Salgado Neto, Alan Araujo, Ronnie de Souza Santos,
• Abstract要約: 生成AIは、協調的に生成された知識から構造化された要求文書への変換を支援することができる。 提案手法は,AIサポートなしのコラボレーティブ・エリケーション,StrateegiaプラットフォームとGPT対応のWriterアプレットによるコラボレーティブ・エリケーション,Large Language Modelを用いた直接要件生成,Large Language Modelを用いたコラボレーティブ・ディスカッション・トランスクリプトからの要求生成の4つを比較した。 以上の結果から,利害関係者の協力とAI支援による合成を併用した手法は,従来の共同作業よりも明確で実行が容易であると考えられた。
• 参考スコア（独自算出の注目度）: 2.198430261120653
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Requirements elicitation requires stakeholders to communicate needs, negotiate priorities, and collaboratively construct knowledge that can be transformed into software requirements artifacts. Recent advances in LLMs have created opportunities to support these activities through AI-assisted collaboration and automated artifact generation. However, limited empirical evidence is available regarding how AI-supported collaborative environments influence requirements elicitation outcomes. In this study, we conducted a mixed-method controlled experiment comparing four requirements elicitation approaches: collaborative elicitation without AI support, collaborative elicitation supported by the Strateegia platform and its GPT-powered Writer applet, direct requirements generation using a Large Language Model, and requirements generation from collaborative discussion transcripts using a Large Language Model. We evaluated the resulting artifacts using quality criteria derived from ISO/IEC/IEEE 29148 and collected participant perceptions regarding the elicitation process. Our findings indicate that approaches combining stakeholder collaboration and AI-supported synthesis produced the highest-rated requirements artifacts and were perceived as clearer and easier to execute than traditional collaborative elicitation. The results suggest that generative AI can support the transformation of collaboratively generated knowledge into structured requirements documentation while preserving the value of stakeholder participation. We discuss implications for AI-supported requirements elicitation and human-AI collaboration in Requirements Engineering.
• Abstract（参考訳）: 要件適用には、ステークホルダーがニーズを伝え、優先順位を交渉し、ソフトウェア要求の成果物に変換可能な知識を共同で構築する必要がある。 LLMの最近の進歩は、AIによるコラボレーションと自動アーティファクト生成を通じてこれらの活動を支援する機会を生み出している。 しかし、AIが支援する協調環境が要求を引き出す結果にどのように影響するかについては、実証的な証拠が限られている。 本研究では,AIを使わずにコラボレーティブ・エリケーション,StrateegiaプラットフォームとGPT駆動のWriterアプレットによるコラボレーティブ・エリケーション,大規模言語モデルを用いた直接要求生成,大規模言語モデルを用いたコラボレーティブ・ディスカッション・トランスクリプトからの要求生成の4つのアプローチを比較した混合メソッド制御実験を行った。 ISO/IEC/IEEE 29148から得られた品質基準を用いて,得られた成果物を評価し,適用過程に関する認識を収集した。 以上の結果から,利害関係者の協力とAI支援による合成を併用した手法は,従来の共同作業よりも明確で実行が容易であると考えられた。 その結果、生成AIは、ステークホルダー参加の価値を保ちながら、協調的に生成された知識を構造化された要求文書に変換することを支援することが示唆された。 本稿では,要求工学におけるAI支援要件導入と人間とAIの連携の意義について論じる。

関連論文リスト

• What do you mean by human-AI collaboration: Prerequisite functions and the affordances needed to achieve it [0.09229852843814058]
  第1章は、学習科学からの要求ある概念がこれほど自由に適用されたとき、何を得て、失うのかを問うものである。 これは、状況、相互作用、認知プロセスのセットが、協調的に呼ばれる前に、歴史的に会う必要があるという要求を再構築する。
  論文  参考訳（メタデータ） (2026-06-13T23:30:12Z)
• From Prompts to Context: An Ontology-Driven Framework for Human-Generative AI Collaboration [26.702635306128865]
  本稿では,人間生成AIコラボレーションを表現するオントロジー駆動型フレームワークを提案する。 その中核となるコンポーネントであるContextual Collaboration AI Ontologyは、コラボレーションの重要な要素を、共有機械解釈可能な語彙としてモデル化している。 我々は、要求分析、設計、実装、そしてテストの間で、このフレームワークがコラボレーションエピソードの表現とドキュメントをどのようにサポートするかを示す。
  論文  参考訳（メタデータ） (2026-05-28T09:35:59Z)
• Teaching Agile Requirements Engineering: A Stakeholder Simulation with Generative AI [5.361962126043114]
  学生は、要件の導出とドキュメントに最先端のアジャイルプラクティスを適用することで、実践的な経験を得ます。 学生はまた、生成的AIの使用に関連する技術的および倫理的制限について理解を深める。
  論文  参考訳（メタデータ） (2026-03-13T12:07:52Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• Methodological Foundations for AI-Driven Survey Question Generation [41.94295877935867]
  本稿では,ジェネレーティブAIを教育調査に活用するための方法論的枠組みを提案する。 大規模言語モデルが適応的でコンテキスト対応のサーベイ質問を生成する方法について検討する。 偏見、プライバシー、透明性などの倫理的問題を考察する。
  論文  参考訳（メタデータ） (2025-05-02T09:50:34Z)
• Constraining Participation: Affordances of Feedback Features in Interfaces to Large Language Models [49.266685603250416]
  大規模言語モデル(LLM)は、コンピュータ、Webブラウザ、ブラウザベースのインターフェースによるインターネット接続を持つ人なら誰でも利用できるようになった。 本稿では,ChatGPTインタフェースの対話型フィードバック機能によって,LLMへのユーザ参加が期待できるかを検討する。
  論文  参考訳（メタデータ） (2024-08-27T13:50:37Z)
• Augmenting the Author: Exploring the Potential of AI Collaboration in Academic Writing [25.572926673827165]
  このケーススタディは、学術的な仕事において、責任と効果的なAI統合を保証するためのAIの限界を認識し、設計、出力分析、そして認識することの重要性を強調します。 この論文は、効果的なプロンプト戦略を探求し、Gen AIモデルの比較分析を提供することにより、ヒューマン・コンピュータインタラクションの分野に貢献する。
  論文  参考訳（メタデータ） (2024-04-23T19:06:39Z)
• The Participatory Turn in AI Design: Theoretical Foundations and the Current State of Practice [64.29355073494125]
  本稿は、既存の理論文献を合成して、AI設計における「参加的転換」を掘り下げることを目的としている。 我々は、最近発表された研究および12人のAI研究者および実践者に対する半構造化インタビューの分析に基づいて、AI設計における参加実践の現状に関する実証的な知見を述べる。
  論文  参考訳（メタデータ） (2023-10-02T05:30:42Z)
• Stakeholder Participation in AI: Beyond "Add Diverse Stakeholders and Stir" [76.44130385507894]
  本稿では、既存の文献の参加と現在の実践の実証分析を通じて、AI設計における「参加的転換」を掘り下げることを目的としている。 本稿では,本論文の文献合成と実証研究に基づいて,AI設計への参加的アプローチを解析するための概念的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-11-01T17:57:04Z)

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。