論文の概要: Technostress in the Age of AI: A Preliminary Study with Software Professionals
- arxiv url: http://arxiv.org/abs/2609.15686v1
- Date: Mon, 14 Sep 2026 14:55:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.461292
- Title: Technostress in the Age of AI: A Preliminary Study with Software Professionals
- Title（参考訳）: AI時代の技術 - ソフトウェア専門家による予備的研究
- Abstract要約: 本研究では,ソフトウェア専門家のAI関連技術について検討する。
調査を行い,26カ国121名のソフトウェア専門家の回答をテーマとして分析した。
我々の発見は、AI関連の技術進歩は、急速に変化する技術に適応することだけでなく、その採用に伴う仕事、技術的責任、専門的な変化を管理することからも生じることを示唆している。
- 参考スコア（独自算出の注目度）: 3.69430763752345
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid adoption and evolution of AI are changing software engineering work and requiring professionals to repeatedly adapt their knowledge, practices, and skills. Although technological adaptation has long characterized software development, less is known about how these new and recurring pressures manifest as technostress. This preliminary exploratory study investigates AI related technostress among software professionals. We conducted a survey and performed a thematic analysis of responses from 121 software professionals across 26 countries reporting their recent experiences with AI at work. Our findings suggest that AI related technostress emerges not only from adapting to rapidly changing technologies, but also from having to manage the work, technical responsibilities, and professional changes that accompany their adoption. This characterization shows that AI introduces pressures beyond learning and using new tools, affecting how software professionals perform and remain accountable for technical work and how they prepare for the future of their careers.
- Abstract（参考訳）: AIの急速な採用と進化は、ソフトウェアエンジニアリングの作業を変え、専門家が自身の知識、プラクティス、スキルを繰り返し適用する必要がある。
技術的適応は長年にわたりソフトウェア開発を特徴付けてきたが、これらの新しい頻繁なプレッシャーがどのようにテクノストレスとして現れるかについてはあまり知られていない。
この予備的な調査研究は、ソフトウェア専門家の間でAI関連のテクノストレスを調査する。
調査を行い、26カ国121人のソフトウェア専門家から、職場でAIを使った最近の経験を報告した回答をテーマとして分析した。
我々の発見は、AI関連の技術進歩は、急速に変化する技術に適応することだけでなく、その採用に伴う仕事、技術的責任、専門的な変化を管理することからも生じることを示唆している。
この特徴は、AIが学習や新しいツールの使用以上のプレッシャーを導入し、ソフトウェアプロフェッショナルの技術的仕事に対する説明責任と、彼らのキャリアの将来への準備に影響を及ぼすことを示している。
関連論文リスト
- Reshaping Undergraduate Computer Science Education in the Generative AI Era [85.78707817763434]
生成AIはコンピュータサイエンス(CS)教育の転換点である。
AI技術の進歩に追随するため、CSカリキュラムは、AI生成したアーティファクトの理解と検証へのシフトを検討するべきである。
我々は、未来のコンピュータサイエンスの卒業生を効果的に準備し、問題を作成し、解決し、管理し、AIで人工物を作ることができると信じています。
論文 参考訳（メタデータ） (2026-05-02T05:26:24Z) - "Don't Be Afraid, Just Learn": Insights from Industry Practitioners to Prepare Software Engineers in the Age of Generative AI [16.91762920595669]
大学カリキュラムと業界期待の緊張は、何十年にもわたって何らかの形で存在している。
ジェネレーティブAI(GenAI)ツールのソフトウェア開発への迅速な統合は、最近この2つのドメイン間のギャップを広げた。
私たちの研究は、現代のソフトウェアエンジニアリング環境のために、教育者が学生を準備するのを助けるための実証的なガイダンスを提供する。
論文 参考訳（メタデータ） (2026-04-07T18:21:27Z) - Usage, Effects and Requirements for AI Coding Assistants in the Enterprise: An Empirical Study [4.01226690413941]
AIコーディングアシスタントとCodeLLMを使った経験について、57人の開発者を調査した。
我々は、AIコーディングアシスタントとCodeLLMを使用して、専門家や学生の使い方、経験、期待に関する35のユーザー調査をレビューした。
論文 参考訳（メタデータ） (2026-01-27T22:57:20Z) - International AI Safety Report 2025: First Key Update: Capabilities and Risk Implications [118.49965571969089]
今回のアップデートは、AIの能力が最初のAI Safety Reportからどのように改善されたかを調べるものだ。
重大な新たな証拠が評価を更新する重要なリスク領域に焦点を当てている。
論文 参考訳（メタデータ） (2025-10-15T15:13:49Z) - Deploying AI for Signal Processing education: Selected challenges and intriguing opportunities [44.18936398140735]
記事は、教育の促進と強化のためのAIツールの使用について考察している。
プライマーは、AIを教育環境で使用する際に生じるいくつかの技術的な問題について提供されている。
この記事は、AIのエンジニアリング教育における役割を前進させようとする研究者や教育者のためのリソースとして機能する。
論文 参考訳（メタデータ） (2025-09-10T19:19:26Z) - Generative AI and Empirical Software Engineering: A Paradigm Shift [9.284024538100063]
本稿では,大規模言語モデルのソフトウェア工学への統合が,確立した研究パラダイムをいかに破壊するかを考察する。
我々は、我々が研究している現象、我々が依存する方法や理論、分析するデータ、そして、動的AIを介する環境で発生する妥当性に対する脅威をどう変えるかについて議論する。
私たちの目標は、経験豊かなソフトウェアエンジニアリングコミュニティが、AIシステムが単なるツールではなく、ソフトウェアエンジニアリングとその研究を形作る活発な協力者の未来に、その質問や道具、検証基準を適合させることです。
論文 参考訳（メタデータ） (2025-02-12T04:13:07Z) - "I Don't Use AI for Everything": Exploring Utility, Attitude, and Responsibility of AI-empowered Tools in Software Development [19.851794567529286]
本研究では、ソフトウェア開発プロセスにおけるAIを活用したツールの採用、影響、およびセキュリティに関する考察を行う。
ソフトウェア開発のさまざまな段階において,AIツールが広く採用されていることが判明した。
論文 参考訳（メタデータ） (2024-09-20T09:17:10Z) - A Multi-Year Grey Literature Review on AI-assisted Test Automation [46.97326049485643]
テスト自動化(TA)技術は、ソフトウェアエンジニアリングの品質保証には不可欠だが、制限に直面している。
業界でAIが広く使われていることを考えると、真実の情報源はグレー文学だけでなく、専門家の心にも当てはまる。
この研究は、グレーの文献を調査し、AIがTAでどのように採用されているかを調査し、解決する問題、そのソリューション、利用可能なツールに焦点を当てる。
論文 参考訳（メタデータ） (2024-08-12T15:26:36Z) - Making Software Development More Diverse and Inclusive: Key Themes, Challenges, and Future Directions [50.545824691484796]
ソフトウェア開発者の多様性と包摂性(SDDI)を改善するための課題と機会に関する6つのテーマを特定します。
4つのテーマの利点、害、今後の研究の方向性を特定します。
残りの2つのテーマ、人工知能とSDDIとAIとコンピュータサイエンスの教育について論じる。
論文 参考訳（メタデータ） (2024-04-10T16:18:11Z) - Charting a Path to Efficient Onboarding: The Role of Software
Visualization [49.1574468325115]
本研究は,ソフトウェアビジュアライゼーションツールを用いたマネージャ,リーダ,開発者の親しみやすさを探求することを目的としている。
本手法は, 質問紙調査と半構造化面接を用いて, 実践者から収集したデータの量的, 質的分析を取り入れた。
論文 参考訳（メタデータ） (2024-01-17T21:30:45Z) - Artificial Intelligence Impact On The Labour Force -- Searching For The
Analytical Skills Of The Future Software Engineers [0.0]
この体系的な文献レビューは、人工知能がソフトウェア工学における労働力に与える影響を調査することを目的としている。
それは、将来のソフトウェアエンジニアに必要なスキル、ソフトウェアエンジニアリングスキルの需要に対するAIの影響、そしてソフトウェアエンジニアの仕事の未来に焦点を当てている。
論文 参考訳（メタデータ） (2023-02-26T03:49:53Z) - Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。
NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Software engineering for artificial intelligence and machine learning
software: A systematic literature review [6.681725960709127]
本研究は,AI/MLシステムの開発において,ソフトウェア工学がどのように応用されてきたかを検討することを目的とする。
プロフェッショナルが直面する主な課題は、テスト、AIソフトウェアの品質、データ管理といった分野だ。
論文 参考訳（メタデータ） (2020-11-07T11:06:28Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
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。