論文の概要: Antipatterns in AI-assisted Qualitative Data Analysis: A Catalog of Temptations and Pitfalls for Software Engineering Researchers
- arxiv url: http://arxiv.org/abs/2608.27927v1
- Date: Fri, 28 Aug 2026 05:07:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.20949
- Title: Antipatterns in AI-assisted Qualitative Data Analysis: A Catalog of Temptations and Pitfalls for Software Engineering Researchers
- Title（参考訳）: AIによる質的データ分析におけるアンチパターン: ソフトウェア工学研究者のためのテンプレートと落とし穴
- Abstract要約: 本稿では,AIを用いた定性データ分析におけるアンチパターンのカタログについて述べる。
アンチパターンは、危険ドライバー、オペレーションミスステップ、分析失敗という、エスカレートする影響を反映した3つのカテゴリに分類される。
- 参考スコア（独自算出の注目度）: 10.90476284349459
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: AI-assisted qualitative data analysis (QDA) offers unprecedented opportunities to streamline software engineering (SE) research, yet uncritical use risks compromising analytical rigor and flooding the field with accelerated production of low-quality research. While tactical best practices will naturally evolve over time, SE researchers currently lack strategic guidance to identify and mitigate methodological risks when attempting AI-assisted QDA. Based on our decades of qualitative SE research expertise and experience combined with an understanding of the emerging landscape of AI-assisted QDA, this paper presents a catalog of antipatterns in AI-assisted QDA - a set of assumptions and practices that initially appear advantageous but ultimately undermine analytical rigor and validity. The antipatterns are grouped into three categories reflecting escalating impact: Dangerous Drivers, Operational Missteps, and Analytical Failures. As more SE researchers attempt AI-assisted QDA, these antipatterns will help them identify and avoid common temptations and pitfalls, while reviewers can be equipped with the vocabulary and criteria to call out problematic and failed practice. Ultimately, this catalog of antipatterns can serve as a stepping stone in our responsible methodological evolution toward principled and meaningful human-AI collaboration in qualitative research.
- Abstract（参考訳）: AI支援質的データ分析(QDA)は、ソフトウェアエンジニアリング(SE)研究を効率化する前例のない機会を提供する。
戦術的ベストプラクティスは時間とともに自然に進化するが、SE研究者は現在、AI支援QDAを試す際の方法論的リスクを特定し緩和するための戦略的ガイダンスを欠いている。
本稿では,AI支援QDAの出現する状況を理解するとともに,AI支援QDAの数十年にわたる質的なSE研究の専門知識と経験に基づいて,AI支援QDAにおけるアンチパターンのカタログを示す。
アンチパターンは、危険ドライバー、オペレーションミスステップ、分析失敗という、エスカレートする影響を反映した3つのカテゴリに分類される。
より多くのSE研究者がAI支援QDAを試すにつれて、これらのアンチパターンは一般的な誘惑や落とし穴を識別し、回避するのに役立つ。
最終的に、このアンチパターンのカタログは、質的研究における原則的かつ有意義な人間とAIのコラボレーションに向けた、我々の責任ある方法論的進化の足掛かりとなる。
関連論文リスト
- Reproducible, Explainable, and Effective Evaluations of Agentic AI for Software Engineering [4.411658619208916]
エージェントAIを支える大きな言語モデル(LLM)は、しばしばブラックボックスとして機能し、エージェントAIアプローチのベースラインに対する優位性を正当化するのは難しい。
本研究は,ICSE 2026,ICSE 2025,FSE 2025,ISSTA 2025の18論文を分析した。
この分析は、現在の研究と潜在的将来の研究の両方において、一般的なアプローチと、SEのためのエージェントAIを評価する際の制限を識別する。
論文 参考訳（メタデータ） (2026-04-01T22:24:08Z) - Let the Barbarians In: How AI Can Accelerate Systems Performance Research [80.43506848683633]
我々は、この繰り返しサイクルを、AI駆動システム研究の生成、評価、洗練のサイクルと呼ぶ。
我々はADRSが生成するソリューションが人間の最先端の設計に適合し、さらに優れることを示した。
論文 参考訳（メタデータ） (2025-12-16T18:51:23Z) - The Role of AI in Modern Penetration Testing [0.0]
侵入テストはサイバーセキュリティの基礎であり、伝統的に手動の時間集約的なプロセスによって駆動される。
この体系的な文献レビューは、人工知能(AI)が浸透試験をどう変えているかを検証している。
論文 参考訳（メタデータ） (2025-12-13T13:34:31Z) - Toward Quantitative Modeling of Cybersecurity Risks Due to AI Misuse [50.87630846876635]
我々は9つの詳細なサイバーリスクモデルを開発する。
各モデルはMITRE ATT&CKフレームワークを使用して攻撃をステップに分解する。
個々の見積もりはモンテカルロシミュレーションによって集約される。
論文 参考訳（メタデータ） (2025-12-09T17:54:17Z) - Barbarians at the Gate: How AI is Upending Systems Research [58.95406995634148]
システム研究は、新しいパフォーマンス指向アルゴリズムの設計と評価に長年注力してきたが、AI駆動のソリューション発見には特に適している、と私たちは主張する。
このアプローチをAI駆動システム研究(ADRS)と呼び、ソリューションを反復的に生成し、評価し、洗練する。
我々の研究結果は、AI時代のシステム研究の実践に急激な適応の必要性と破壊的な可能性を浮き彫りにしている。
論文 参考訳（メタデータ） (2025-10-07T17:49:24Z) - AI-Driven Tools in Modern Software Quality Assurance: An Assessment of Benefits, Challenges, and Future Directions [0.0]
この研究は、現代のAI指向ツールを品質保証プロセスに統合するメリット、課題、および展望を評価することを目的としている。
この研究は、AIがQAに変革をもたらす可能性を実証しているが、これらの技術を実装するための戦略的アプローチの重要性を強調している。
論文 参考訳（メタデータ） (2025-06-19T20:22:47Z) - Towards Improved Research Methodologies for Industrial AI: A case study of false call reduction [0.0]
本研究は,自動光学検査のための誤呼低減という,産業用AIユースケースのケーススタディを示す。
我々は、関連するピアレビュー作業で発生する7つの弱点を特定し、その結果を実験的に示す。
論文 参考訳（メタデータ） (2025-06-17T13:48:38Z) - Bridging the Gap: Integrating Ethics and Environmental Sustainability in AI Research and Practice [57.94036023167952]
我々は、AIの倫理的影響を研究するための努力は、その環境への影響を評価するものと相まって行われるべきであると論じる。
我々は,AI研究と実践にAI倫理と持続可能性を統合するためのベストプラクティスを提案する。
論文 参考訳（メタデータ） (2025-04-01T13:53:11Z) - Computational Safety for Generative AI: A Signal Processing Perspective [65.268245109828]
計算安全性は、GenAIにおける安全性の定量的評価、定式化、研究を可能にする数学的枠組みである。
ジェイルブレイクによる悪意のあるプロンプトを検出するために, 感度解析と損失景観解析がいかに有効かを示す。
我々は、AIの安全性における信号処理の鍵となる研究課題、機会、そして重要な役割について論じる。
論文 参考訳（メタデータ） (2025-02-18T02:26:50Z) - Reporting Risks in AI-based Assistive Technology Research: A Systematic Review [2.928964540437144]
視覚障害者のためのAIベースの支援技術に関する研究について,系統的な文献レビューを行った。
本研究は, 実証可能なプロトタイプを用いたほとんどの技術が, 観光コミュニティのメンバーによる人間による研究では評価されていないことを示す。
論文 参考訳（メタデータ） (2024-07-01T05:22:44Z) - The Role of AI in Drug Discovery: Challenges, Opportunities, and
Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。
データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文 参考訳（メタデータ） (2022-12-08T23:23:39Z)
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。