論文の概要: AI-Conducted Interviews in Empirical Software Engineering: An Experience Report
- arxiv url: http://arxiv.org/abs/2607.14452v1
- Date: Thu, 16 Jul 2026 00:59:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-17 17:01:32.939972
- Title: AI-Conducted Interviews in Empirical Software Engineering: An Experience Report
- Title（参考訳）: 経験的ソフトウェアエンジニアリングにおけるAIによるインタビュー
- Abstract要約: 半構造化されたインタビューはリソース集約的で、スケジュール、場所、自然言語をまたいだ調整が難しい。
本報告では,2つのESE研究において,短時間で自己管理的なインタビューを行うためのカスタマイズされたMyGPTについて検討する。
- 参考スコア（独自算出の注目度）: 1.4278764160724604
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Semi-structured interviews are widely used in empirical software engineering (ESE), but they are resource-intensive and difficult to coordinate across schedules, locations, and natural languages. This experience report examines a customized MyGPT used to conduct short, self-administered interviews in two ESE studies: one on refactoring practices and another on generative AI in Scrum-related activities. Participants accessed the interviewer through shared links, used voice interaction, selected a preferred natural language, and completed the interview without a researcher present. The AI followed a predefined protocol and generated a structured synthesis that participants voluntarily submitted; these artifacts were not treated as verbatim transcripts. We analyzed 66 submissions and questionnaire responses, and audited artifact format, language, length, and protocol consistency. Of the submitted artifacts, 92.4% followed the expected synthesis format, 65 were predominantly in Portuguese and one in English, and two conflicted with the reported protocol. Participants generally rated the experience positively: 90.9% reported a positive overall experience and comfort, 95.5% considered the questions clear, 97.0% rated the pace positively, and 89.4% would participate again. Reported limitations included generic questions, limited sensitivity to answers, insufficient depth, privacy concerns, and missed human interaction. The findings support the operational viability and acceptability of this workflow among analyzed respondents, but do not establish completion rates, time savings, summary fidelity, or equivalence to human-conducted interviews. AI interviewers should therefore be treated as a complementary option for short, focused, low-risk studies, with protocol design, privacy guidance, artifact validation, and human oversight.
- Abstract（参考訳）: セミ構造化インタビューは経験的ソフトウェアエンジニアリング(ESE)で広く使用されているが、リソース集約的で、スケジュール、場所、自然言語をまたいで調整することが難しい。
このエクスペリエンスレポートでは、リファクタリングプラクティスと、スクラム関連のアクティビティにおける生成AIに関する2つのESE研究で、短時間で自己管理的なインタビューを実施するために使用されるカスタマイズされたMyGPTを調べます。
参加者は、共有リンクを通じてインタビュアーにアクセスし、音声対話を使用し、好みの自然言語を選択し、研究者が出席せずにインタビューを完了した。
AIは事前に定義されたプロトコルに従い、参加者が自発的に提出した構造化された合成を生成した。
66件の回答と質問紙回答を分析し, アーティファクト形式, 言語, 長さ, プロトコルの整合性を監査した。
提出された人工物のうち92.4%は予想される合成形式に従っており、65はポルトガル語で、もう1つは英語で、そして2つは報告されたプロトコルと矛盾した。
90.9%は肯定的な体験と快適さ、95.5%は質問を明確にし、97.0%はペースを肯定的に評価し、89.4%は再び参加する。
報告された制限には、一般的な質問、回答に対する感度の制限、深さの不足、プライバシーの懸念、人間のインタラクションの欠如などが含まれていた。
分析対象者の間では, このワークフローの運用可能性と受容性を支持するが, 完成率, 時間節約率, 要約忠実度, 対人インタビューの等価性は確立していない。
したがって、AIインタビュアーは、プロトコル設計、プライバシガイダンス、アーティファクト検証、人間の監視を備えた、短くて焦点を絞った低リスクな研究のための補完的な選択肢として扱われるべきである。
関連論文リスト
- Efficient Test-Time Adaptation through Human-AI Interaction [112.5131603022122]
我々は,ヒト-エージェント間相互作用(TAHI)によるテスト時間適応を提案する。
エージェントを2つの高ユーティリティドメイン(書き込みと視覚的創造)の30人に適応させ、合計600のタスクをこなします。
エージェントは10タスク以内の単独作業の成功率を4.5-20.9%向上させる。
論文 参考訳（メタデータ） (2026-09-03T17:33:18Z) - AI-assisted Script Management for Requirements Elicitation Interviews [0.4376619220604389]
本稿では、ビジネス目標に根ざした理論誘導型スクリプト生成とトピックカバレッジトラッキングとオンデマンドフォローアップ質問生成のライブサポートを組み合わせたAI支援型推論ワークフローを提案する。
Elicitationのベストプラクティスから派生したルーリックに基づいて、AI生成スクリプトは、トレーニング専用のスクリプトよりも高いスコアを得る。
論文 参考訳（メタデータ） (2026-08-03T03:22:37Z) - SparkMe: Adaptive Semi-Structured Interviewing for Qualitative Insight Discovery [55.50580661343875]
本稿では,対話のロールアウトをシミュレートして検討計画を実行するマルチエージェントインタビュアーSparkMeを紹介する。
LLMベースの面接者による制御実験を通じてSparkMeを評価し,より高い面接性を実現することを示す。
7つの専門職の70人の参加者が、AIが専門職に与える影響について、SparkMeをユーザスタディで検証しています。
論文 参考訳（メタデータ） (2026-02-24T17:33:02Z) - Modular AI-Powered Interviewer with Dynamic Question Generation and Expertise Profiling [0.7349727826230863]
本研究では、文脈的に適切で専門性に整合した質問を動的に生成するAIを利用したインタビュアーを提案する。
インタビュアーは、データプライバシを保持しながらコヒーレントな対話を生成する、ローカルにホストされた大規模言語モデル(LLM)上に構築されている。
提案されたインタビュアーは、スケーラブルでプライバシを重視したソリューションで、AIによる定性的データ収集を前進させる。
論文 参考訳（メタデータ） (2025-11-21T18:25:26Z) - DispatchMAS: Fusing taxonomy and artificial intelligence agents for emergency medical services [49.70819009392778]
大規模言語モデル (LLM) とマルチエージェントシステム (MAS) は、ディスパッチを増強する機会を提供する。
本研究の目的は,現実的なシナリオをシミュレートする分類基盤型マルチエージェントシステムの開発と評価である。
論文 参考訳（メタデータ） (2025-10-24T08:01:21Z) - MimiTalk: Revolutionizing Qualitative Research with Dual-Agent AI [1.8219577154655007]
我々は、社会科学研究におけるスケーラブルで倫理的な会話データ収集のために設計された、二重エージェントの立憲AIフレームワークであるMimiTalkを紹介する。
研究1では,20名の被験者によるユーザビリティの評価を行い,研究2では121名のAIインタビューをメディアサムデータセットからの1271名の人間インタビューと比較した。
その結果,MimiTalkはインタビューの不安を軽減し,会話のコヒーレンスを維持し,情報豊かさ,コヒーレンス,安定性において人間のインタビューを上回っていることがわかった。
論文 参考訳（メタデータ） (2025-09-27T16:02:50Z) - CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。
また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
論文 参考訳（メタデータ） (2025-08-28T06:03:11Z) - LLMREI: Automating Requirements Elicitation Interviews with LLMs [47.032121951473435]
本研究では,人間の介入を最小限に抑えながら,要求適応面接を行うチャットボット LLMREI を紹介する。
我々は33回のシミュレート・ステークホルダー・インタビューでその性能を評価した。
以上の結果から,LLMREIは人間のインタビュアーと同じような誤りを犯し,要求の大部分を抽出し,文脈に依存した質問を生成できることが示唆された。
論文 参考訳（メタデータ） (2025-07-03T12:18:05Z) - AI-Assisted Conversational Interviewing: Effects on Data Quality and User Experience [0.0]
本研究では,AIによる対話型面接の枠組みを紹介する。
我々は1,800人の参加者をランダムにAI 'チャットボット'に割り当てるウェブサーベイ実験を行った。
この結果から,チャットボットなどのAI手法を用いて,Webサーベイにおけるオープンエンドデータ収集を向上する可能性が示唆された。
論文 参考訳（メタデータ） (2025-04-09T13:58:07Z) - AI Conversational Interviewing: Transforming Surveys with LLMs as Adaptive Interviewers [40.80290002598963]
本研究では,人間のインタビュアーを大規模言語モデル (LLM) に置き換えて,スケーラブルな対話型インタビュアーを実現する可能性について検討する。
大学生を対象に,AIやヒューマンインタビュアーによる会話面接にランダムに割り当てられた,小規模かつ詳細な調査を行った。
様々な量的・質的な尺度は, インタビュアーのガイドライン, 応答品質, 参加者参加率, 総合的な面接効果に順応した。
論文 参考訳（メタデータ） (2024-09-16T16:03:08Z) - INSCIT: Information-Seeking Conversations with Mixed-Initiative
Interactions [47.90088587508672]
InSCItは、混合開始型インタラクションによる情報探索会話のためのデータセットである。
ユーザーエージェントは805対人会話から4.7Kである。
対話型知識認識とオープンドメイン質問応答の最先端モデルに基づく2つのシステムの結果を報告する。
論文 参考訳（メタデータ） (2022-07-02T06:18:12Z) - Partner Matters! An Empirical Study on Fusing Personas for Personalized
Response Selection in Retrieval-Based Chatbots [51.091235903442715]
本稿では,自己とパートナーの話者が応答選択の課題に与える影響について検討する。
4つのペルソナ融合戦略が設計されており、異なる方法でペルソナがコンテキストや応答と相互作用することを前提としている。
Persona-Chatデータセットに関する実証研究は、パートナーペルソナが応答選択の精度を向上させることができることを示している。
論文 参考訳（メタデータ） (2021-05-19T10:32:30Z)
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。