論文の概要: Verification-Conditioned Use: A Qualitative Study on How Generative AI Reshapes Learning, Autonomy, and Market Entry for Junior Software Developers
- arxiv url: http://arxiv.org/abs/2607.24606v1
- Date: Mon, 27 Jul 2026 16:07:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.505801
- Title: Verification-Conditioned Use: A Qualitative Study on How Generative AI Reshapes Learning, Autonomy, and Market Entry for Junior Software Developers
- Title（参考訳）: 検証-要求された使用: ジュニアソフトウェア開発者のためのジェネレーティブAIが学習、自律性、市場参入をいかに促すかに関する質的研究
- Abstract要約: 本研究では,生成人工知能(AI)ツールの利用がソフトウェア開発のキャリアの初期段階にどのように影響するかを検討する。
16のテーマが出現し、中心的な概念である検証条件の使用を中心に組織された。
2つのテーマは、新参者の自己認識における緊張を露呈する: 自律的パラドックスと、第一人物による依存の否定である。
- 参考スコア（独自算出の注目度）: 0.3342165620612816
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objective: to investigate how the use of generative Artificial Intelligence (AI) tools affects the early stages of a career in software development, from the perspective of the newcomers themselves. Method: thirteen interns and junior developers were interviewed individually, by videoconference. Interviews were analyzed using the six phases of Braun and Clarke's thematic analysis, with inductive coding and a semantic approach. Results: sixteen themes emerged, organized around a central concept: verification-conditioned use. Across the study's four research questions (usage patterns, learning, autonomy, and market entry), the criterion that most often decides between AI and manual work is not deadline or task complexity, but the ability to check the result. Two themes expose tensions in newcomers' self-perception: the autonomy paradox (feeling more capable yet less in ownership of the result) and the first-person denial of dependence. Together, these findings point to a theoretical contribution, the formative paradox: the shallow learning that AI induces makes it harder to build the very critical-judgment competence that, according to participants, the market has begun to demand. Conclusion: what makes AI use sustainable, from participants' own point of view, is not the tool itself but the individual practice of reviewing before accepting, refusing to use AI without understanding it, asking the tool for explanations, and keeping deliberate practice outside of AI-assisted work.
- Abstract（参考訳）: 目的: 生成人工知能(AI)ツールの使用がソフトウェア開発のキャリアの初期段階にどのように影響するかを、新参者自身の観点から調査する。
方法:13名のインターンとジュニアディベロッパーをビデオ会議で個別にインタビューした。
インタビューはブラウンとクラークの主題分析の6つのフェーズを用いて分析され、帰納的コーディングと意味論的アプローチが得られた。
結果: 検証条件付き使用という中心的な概念を中心に組織された16のテーマが浮かび上がった。
この研究の4つの研究課題(利用パターン、学習、自主性、市場への参入)の中で、AIと手作業の間で最も頻繁に決定される基準は、期限やタスクの複雑さではなく、結果を確認する能力である。
2つのテーマは、新参者の自己認識における緊張を浮き彫りにしている。
参加者によると、AIが引き起こす浅い学習は、非常に批判的な判断能力の構築を難しくし、市場が要求し始めている。
結論: AIを持続可能なものにしているのは、参加者自身の視点では、ツール自体ではなく、受け入れる前にレビューを行うこと、AIの使用を理解せずに拒否すること、説明を求めること、AI支援作業の外で意図的に実践することである。
関連論文リスト
- AI literacy over tool design: a mixed-methods study of scaffolded versus unrestricted generative AI in programming education [0.0]
本稿では,マスターレベルのデータ分析コースにおける7週間の混合メソドス試験について報告する。
33人の学生が、ノートベースの実験室のセッションに埋め込まれた足場付きAI研究コーチにランダムに割り当てられた。
ツールの設計は、学生が自身の利用を管理する能力よりも重要で、これは現在、偶然に獲得されている能力である。
論文 参考訳（メタデータ） (2026-09-15T07:53:58Z) - You Shall Not Pass! Where and Why Developers Draw The Line on AI Autonomy [7.477031451733673]
ほとんどの開発者は、監督下でAIを生産する作業を受け入れるが、自律性はタスクや個人によって実質的に異なる。
アクセプタンスは、アイデンティティ定義、ヒューマンインターフェース、デザイン指向の作業において最低であり、AIエクスペリエンスとリスク許容度を持つ開発者にとっては、より高いものだった。
我々の研究結果は、AIの自律性に対する好みが、開発者が自分の仕事を認知的に体験する方法を反映していることを示唆している。
論文 参考訳（メタデータ） (2026-07-01T07:24:14Z) - Framing, Judging, Steering: An Assessable Competency Model for Teach-ing Students to Reason With Generative AI [47.027290803102666]
生産的AI利用を3つの評価可能なスキルに分解する能力モデルであるCoRe-3(Co-Reasoning)を提案する。
理論上のスキルを基盤として、5つのテスト可能な提案を述べ、それらをCoReasoningLabでインスタンス化します。
人為的な合意と成果が次々に行われます。私たちは、計測器、データ、プロトコルをリリースします。
論文 参考訳（メタデータ） (2026-06-04T10:25:31Z) - Characterizing initial human-AI proof formalization workflows [66.06866890889131]
AIシステムのコード生成能力の進歩と、証明を形式化し、検証する人々の能力を変えるための高度な数学的推論の約束への関与。
我々は、AIが人々のフォーマル化に与える影響について、混合メソッド分析を行う。
質的な調査では、人々の好みは多様であるが、形式化におけるAI支援に対する一般的な欲求が示されている。
論文 参考訳（メタデータ） (2026-06-02T22:58:19Z) - AI Phenomenology for Understanding Human-AI Experiences Across Eras [8.54750896635797]
AI現象学とは、AIシステムと対話する際に「どう感じたか?」と問う研究スタンスである。
私たちはAI現象学を、ユーザーとAIシステム間のアライメントの体験、交渉、更新を捉えるフレームワークとして動機付けています。
論文 参考訳（メタデータ） (2026-03-09T23:26:46Z) - Understanding Critical Thinking in Generative Artificial Intelligence Use: Development, Validation, and Correlates of the Critical Thinking in AI Use Scale [1.0946458347622612]
本研究はAI利用における批判的思考を,AI生成情報の源泉と内容の検証のための配置傾向として概念化する。
我々は,AI利用尺度における13項目の批判的思考を開発し,そのノモロジカルネットワークをマッピングした。
研究3と4では、AI使用における批判的思考が、開放性、外向性、ポジティブな特性の影響、AI使用頻度に肯定的な関連があることが明らかにされた。
論文 参考訳（メタデータ） (2025-12-13T17:56:12Z) - The next question after Turing's question: Introducing the Grow-AI test [51.56484100374058]
本研究は,GROW-AIと呼ばれる人工知能評価の枠組みを拡張することを目的としている。
GROW-AIは、チューリングテストの自然な後継者である"Can Machine grow up?
この作品の独創性は、人間の世界から人工知能への「成長」過程の概念的な変換にある。
論文 参考訳（メタデータ） (2025-08-22T10:19:42Z) - Mapping Students' AI Literacy Framing and Learning through Reflective Journals [0.13154296174423616]
本研究は、人工知能(AI)に関する大学生の自己認識学習に関する研究である。
学生がAIについて何、どのように、なぜ学習するかを理解することが重要である。
論文 参考訳（メタデータ） (2025-08-20T23:01:51Z) - Training Towards Critical Use: Learning to Situate AI Predictions
Relative to Human Knowledge [22.21959942886099]
我々は、人間がAIモデルでは利用できない知識に対してAI予測をシチュレートする能力を集中させる「クリティカルユース」と呼ばれるプロセス指向の適切な依存の概念を紹介します。
我々は、児童虐待スクリーニングという複雑な社会的意思決定環境でランダム化オンライン実験を行う。
参加者にAIによる意思決定を実践する、迅速で低い機会を提供することによって、初心者は、経験豊富な労働者に類似したAIとの不一致のパターンを示すようになった。
論文 参考訳（メタデータ） (2023-08-30T01:54:31Z) - Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。
これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文 参考訳（メタデータ） (2022-01-26T18:53:09Z) - A User-Centred Framework for Explainable Artificial Intelligence in
Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。
このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
論文 参考訳（メタデータ） (2021-09-27T09:56:23Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z)
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。