論文の概要: Exploring Dependence, Overreliance, and Addiction Related Behaviors Associated with Large Language Model Use Among Software Engineers
- arxiv url: http://arxiv.org/abs/2608.05561v1
- Date: Thu, 06 Aug 2026 03:27:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.695714
- Title: Exploring Dependence, Overreliance, and Addiction Related Behaviors Associated with Large Language Model Use Among Software Engineers
- Title（参考訳）: ソフトウェア技術者による大規模言語モデル利用に伴う依存度・過度・付加的行動の探索
- Abstract要約: 本研究では,ソフトウェア技術者が専門的ソフトウェア開発において,Large Language Models (LLM) の使用経験について検討する。
参加者のオープンエンド応答に関する記述的統計と定性的セマンティック分析を用いて分析した。
- 参考スコア（独自算出の注目度）: 1.8757823231879849
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The widespread adoption of Large Language Models (LLMs) has changed how software engineers perform everyday development activities. While these systems provide substantial support for tasks such as code generation, debugging, and documentation, their increasing integration into professional workflows has also raised questions regarding developers' reliance on these tools and the emergence of dependence, overreliance, and addiction-related behaviors. This study investigates how software engineers experience the use of LLMs during professional software development, with attention to behavioral patterns associated with dependence, overreliance, and addiction-related behaviors. An exploratory survey was conducted with 119 software practitioners. The data were analyzed using descriptive statistics and qualitative thematic analysis of participants' open-ended responses. Participants primarily described functional dependence, with LLMs becoming integrated into routine software engineering activities because of the productivity and efficiency they provide. Responses also suggested patterns consistent with overreliance, particularly through prioritizing LLMs over documentation or peer consultation while continuing to verify generated outputs. Reports associated with addiction-related behaviors were less common and primarily reflected difficulty moderating use or emotional attachment to the technology rather than impaired control. The findings suggest that LLMs are becoming a habitual component of professional software engineering practice. While most reported use appears functional, the results indicate the importance of promoting appropriate reliance by supporting trust calibration, professional judgment, and verification throughout software development.
- Abstract（参考訳）: 大規模言語モデル(LLM)の普及は、ソフトウェアエンジニアが日々の開発活動を実行する方法を変えました。
これらのシステムは、コード生成、デバッグ、ドキュメントなどのタスクをかなりサポートしていますが、プロのワークフローへの統合の増加は、これらのツールへの開発者の依存と、依存の出現、過度な依存、依存に関連する振る舞いに関する疑問を引き起こしています。
本研究は,ソフトウェア技術者が,依存性,過度依存,中毒関連行動に関連する行動パターンに注目して,プロフェッショナルソフトウェア開発におけるLLMの使用経験について検討する。
119人のソフトウェア実践者が探索調査を行った。
参加者のオープンエンド応答に関する記述的統計と定性的セマンティック分析を用いて分析した。
参加者は機能的依存を主に記述し、LLMは生産性と効率性のため、通常のソフトウェアエンジニアリング活動に統合される。
応答はまた、特にドキュメントやピアコンサルテーションよりもLCMを優先し、生成した出力を検証し続けることで、過度な信頼性と整合したパターンを示唆した。
依存症関連行動に関する報告は一般的ではなく、主にコントロールの障害ではなく、テクノロジーへのモデレートや感情的な愛着を反映していた。
この結果は、LLMがプロフェッショナルなソフトウェアエンジニアリングプラクティスの常習的なコンポーネントになりつつあることを示唆している。
その結果,信頼性の校正,専門的判断,ソフトウェア開発全体での検証を支援することにより,適切な信頼を促進することの重要性が示唆された。
関連論文リスト
- Factors Impacting Developer Efficiency: Results from an Adaptive Longitudinal Study [0.8373057326694192]
本研究では,コンサルティング・プロフェッショナル開発における開発者の認識効率を阻害する要因について検討した。
そこで我々は,Adaptive Developer Efficiency Monitoring Method (ADEMM) を27名の外部ソフトウェア開発者に適用した混合手法のケーススタディを行った。
論文 参考訳（メタデータ） (2026-08-17T13:53:03Z) - AMATA: Adaptive Multi-Agent Trajectory Alignment for Knowledge-Intensive Question Answering [59.145044878490815]
AMATAはAdaptive Multi-Agent Trajectory Alignmentフレームワークである。
外部知識を動的に統合し、応答の解釈可能性と事実的根拠を改善する。
本稿では,(1)重要エージェントを優先する目的指向の嗜好を学習するトラジェクトリ内選好学習,(2)エージェント間の依存性学習,という2つの主要なイノベーションを紹介する。
論文 参考訳（メタデータ） (2026-05-17T09:45:24Z) - Understanding the Role of Large Language Models in Software Engineering: Evidence from an Industry Survey [0.6660458629649825]
本稿では,ソフトウェア工学におけるLarge Language Models (LLMs) の導入に関する実証的研究を,46名の業界専門家を対象に報告した。
結果は、特に技術的な問題に対する迅速な解決、ドキュメントサポートの改善、ソースコードの標準化の強化について、LLMの肯定的な認識を示します。
回答者はまた、認知依存、セキュリティリスク、および技術的自立の潜在的侵食に関する懸念を表明しました。
論文 参考訳（メタデータ） (2025-12-19T20:57:19Z) - Model-Assisted and Human-Guided: Perceptions and Practices of Software Professionals Using LLMs for Coding [2.198430261120653]
大規模言語モデルは、急速に現代のソフトウェア開発の中心的なコンポーネントになりつつある。
本稿では,131名のソフトウェア実践者の国際調査から予備的知見を提示する。
論文 参考訳（メタデータ） (2025-10-10T06:59:56Z) - Understanding Software Engineering Agents: A Study of Thought-Action-Result Trajectories [17.975121612118752]
大規模言語モデル(LLM)ベースのエージェントは、複雑なソフトウェアエンジニアリングタスクを自動化するためにますます採用されている。
本研究は,3種類のLLM系エージェントの思考-反感-反感の軌跡について,大規模な実証的研究を行った。
我々は,数量やトークン消費,反復的な行動系列,思考,行動,結果のセマンティックコヒーレンスといった重要な軌道特性を同定する。
論文 参考訳（メタデータ） (2025-06-23T16:34:52Z) - ORMind: A Cognitive-Inspired End-to-End Reasoning Framework for Operations Research [56.961539386979354]
ORMindは認知にインスパイアされたフレームワークで、反ファクト推論を通じて最適化を強化する。
提案手法は,要求を数学的モデルや実行可能なコードに変換するエンド・ツー・エンドのワークフローを実装し,人間の認識をエミュレートする。
現在はLenovoのAIアシスタントで内部でテストされており、ビジネスとコンシューマの両方の最適化機能を強化する予定である。
論文 参考訳（メタデータ） (2025-06-02T05:11:21Z) - Exploring Individual Factors in the Adoption of LLMs for Specific Software Engineering Tasks [17.818350887316004]
本研究では,技術導入に伴う個々の属性と大規模言語モデル(LLM)の関係について検討する。
その結果、タスク固有の採用は異なる要因の影響を受けており、その一部は単独で考えると、採用に悪影響を及ぼすことが判明した。
論文 参考訳（メタデータ） (2025-04-03T13:07:04Z) - Conversational AI as a Coding Assistant: Understanding Programmers' Interactions with and Expectations from Large Language Models for Coding [5.064404027153094]
大規模言語モデル(LLM)を利用した会話型AIインタフェースは、コーディングアシスタントとしてますます利用されている。
本研究は,LLM駆動型コーディングアシスタントにおけるプログラマの利用パターン,知覚,インタラクション戦略について検討する。
論文 参考訳（メタデータ） (2025-03-14T15:06:07Z) - Interactive Agents to Overcome Ambiguity in Software Engineering [61.40183840499932]
AIエージェントは、あいまいで不明確なユーザー指示に基づいて、タスクを自動化するためにますますデプロイされている。
不安定な仮定をし、明確な質問をしないことは、最適以下の結果につながる可能性がある。
対話型コード生成設定において,LLMエージェントが不明瞭な命令を処理する能力について,プロプライエタリモデルとオープンウェイトモデルを評価して検討する。
論文 参考訳（メタデータ） (2025-02-18T17:12:26Z) - Adaptive Tool Use in Large Language Models with Meta-Cognition Trigger [49.81945268343162]
我々は,外部ツール利用のための適応型意思決定戦略であるMeCoを提案する。
MeCoは、表現空間内の高レベル認知信号をキャプチャすることで、メタ認知スコアを定量化する。
MeCoは微調整不要で、最小限のコストがかかる。
論文 参考訳（メタデータ） (2025-02-18T15:45:01Z) - CRITIC: Large Language Models Can Self-Correct with Tool-Interactive
Critiquing [139.77117915309023]
CRITICは、大規模な言語モデルに対して、ツールとのヒューマンインタラクションに似た方法で、自分たちのアウトプットの検証と修正を可能にする。
自由形式の質問応答、数学的プログラム合成、毒性低減を含む包括的評価は、CRITICがLLMの性能を一貫して向上することを証明している。
論文 参考訳（メタデータ） (2023-05-19T15:19:44Z) - LLM-based Interaction for Content Generation: A Case Study on the
Perception of Employees in an IT department [85.1523466539595]
本稿では,IT企業の従業員が生成ツールを使用する意図を明らかにするためのアンケート調査を行う。
以上の結果から, 生成ツールの比較的平均的な受容性が示唆されるが, ツールが有用であると認識されるほど, 意図が高くなることが示唆された。
分析の結果, 生産ツールの利用頻度は, 従業員が作業の文脈でこれらのツールをどのように認識しているかを理解する上で重要な要因である可能性が示唆された。
論文 参考訳（メタデータ） (2023-04-18T15:35:43Z)
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。