論文の概要: Observing the Conduct of Systematic Reviews with Generative AI Support: An Experience Report from a Graduate Software Engineering Course

• arxiv url: http://arxiv.org/abs/2609.26057v1
• Date: Wed, 22 Jul 2026 17:41:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.849523
• Title: Observing the Conduct of Systematic Reviews with Generative AI Support: An Experience Report from a Graduate Software Engineering Course
• Title（参考訳）: ジェネレーティブAI支援によるシステムレビューの実施の観察:ソフトウェア工学の大学院生による経験報告
• Abstract要約: 本稿では,ソフトウェア工学の10人の博士課程生を3つのグループに編成し,生成AIによる支援を受けずに中等教育を修了した経験を報告する。 クラスルームの観察,生成アーティファクト,およびアシスタントとのインタラクションスレッドを分析し,各グループが活動を通してその技術をどのように適合させたかを再構築した。 この結果から,生成型AIは,人間の監督,意思決定記録,限界に対する批判的考察を伴って,SLRに関する実践的学習を支援することができることが示唆された。
• 参考スコア（独自算出の注目度）: 0.3342165620612816
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Context: Secondary studies are fundamental practices in Evidence- Based Software Engineering, but teaching them requires activities that expose students to authentic methodological decisions. Objective: This paper reports an experience in a graduate course in which ten doctoral students in Software Engineering, organized into three groups, piloted secondary studies with and without support from generative AI. Method: A single-day classroom session was organized and observed, in which the groups conducted pilot systematic reviews with and without generative AI support. Classroom observations, produced artifacts, and interaction threads with assistants configured in ChatGPT were analyzed to reconstruct how each group appropriated the technology throughout the activity. Results: LLMs reduced initial barriers, accelerated the generation of alternatives, and made methodological problems more explicit, but they also favored excessive delegation, superficial validation, operational difficulties, and a shift in focus from conducting the SLR to using the tool. Conclusion: The experience offers a situated, observational account of how doctoral students engaged with generative AI during a systematic review activity, and the resulting insights also inform the design of a subsequent controlled study. The findings indicate that generative AI can support practical learning about SLRs, provided that its use is accompanied by human supervision, decision records, and critical reflection on its limitations.
• Abstract（参考訳）: コンテキスト: セカンダリリサーチはエビデンスベースのソフトウェアエンジニアリングの基本的なプラクティスですが、それらを教えるには、学生に信頼できる方法論的な決定を迫る活動が必要です。 目的:本論文では,ソフトウェア工学の10人の博士課程生が3つのグループに編成され,生成AIによる支援を受けずに中等教育を修了した経験を報告する。 方法:1日間の教室セッションを組織し,観察し,生成的AI支援の有無に関わらず,パイロット・システマティック・レビューを行った。 クラスルームの観察,生成アーティファクト,およびChatGPTで構成されたアシスタントとのインタラクションスレッドを分析し,各グループがアクティビティ全体を通してその技術をどのように適合させたかを再構築した。 結果: LLMは初期障壁を減らし, 代替案の生成を加速し, 方法論的問題をより明確化したが, 過剰な委譲, 表面的検証, 運用上の困難, ツールの使用に焦点を移すことも好んだ。 結論: この経験は, 系統的なレビュー活動中に, 生成AIに携わる博士課程の学生がいかに関与しているかを, 位置的かつ観察的に説明し, 結果として得られた洞察が, 後続の制御された研究の設計にも影響を及ぼす。 この結果から,生成型AIは,人間の監督,意思決定記録,限界に対する批判的考察を伴って,SLRに関する実践的学習を支援することができることが示唆された。

関連論文リスト

• A Survey on Self-Improving Test-Time Intelligence: Feedback-Driven Adapting, Learning, and Scaling at Inference [72.19201465132619]
  このようなデプロイメント時間の改善を理解するための統一的な視点として,フィードバック駆動型テスト時間インテリジェンス(TTI)を提案する。 この視点は、テスト時適応、テスト時学習、テスト時スケーリングに関連するもので、ハイブリッドシステムにおけるそれらの相違点と相違点の両方を強調します。 私たちの目標は、テスト時に自己改善型AIシステムを研究するための、一貫性のある基礎と研究ロードマップを提供することです。
  論文  参考訳（メタデータ） (2026-09-01T11:41:39Z)
• Mitigating AI Risks in Computing Education via LLM-Driven Lecture Video Curation [42.89674478896965]
  本研究は,大規模言語モデル(LLM)を用いて配信されたビデオ記録から対象セグメントを抽出し,プログラミング環境における学生の質問に答えることの有効性を評価する。 2つのプロプライエタリなモデル(Gemini 3.1 ProとGPT 5.4 Pro)と1つのオープンウェイト(Qwen3.5 397B)を、人間の手動ビデオ選択に対してベンチマークした。 AIが取得したタイムスタンプは、人間のベースラインと完全に重なり合うことはめったにないが、プロプライエタリなモデルは、十分な、非常に関連性の高い回答を提供するために、専門家とほぼ一致している。
  論文  参考訳（メタデータ） (2026-08-17T05:36:52Z)
• Structured AI Demonstrations and Student LLM Use in Engineering Mechanics: Study Design and Preliminary Results [0.29316801942271303]
  大学院教育への大型言語モデル(LLM)の迅速な統合は、工学のインストラクターにとって緊急の課題である。 学生が広く採用されているにもかかわらず、教育政策を導くためのドメイン固有の実証的証拠が欠如している。 本写本は2026年春に行われた学部工学科における記述的研究設計と予備的知見を提示する。
  論文  参考訳（メタデータ） (2026-07-30T16:38:51Z)
• From Prompting to Epistemic Proactivity: Temporal Trajectories of Student-AI Interaction in Mathematics Learning [2.024558551027881]
  GenAIは、学生が学習コンパニオンとして使うことが多い。 本研究では,9年生の数学教育における汎用LLMとの対話について検討した。
  論文  参考訳（メタデータ） (2026-06-26T14:54:37Z)
• The Role of Instructional Guidance in Generative AI-Assisted Learning: Empirical Evidence from Construction Engineering Education [2.856083627975759]
  本研究では,建設教育における指導指導が学生とAIの相互作用をどのように形作るかを検討する。 生成学習理論に基づく5段階のプロンプトフレームワークを導入し,学習者のインタラクションをガイドする。
  論文  参考訳（メタデータ） (2026-06-03T23:27:46Z)
• Monitoring Machine Learning Systems: A Multivocal Literature Review [6.493534763461715]
  ガルーシのガイドラインに従って多言語文献レビュー(MLR)を行った。 研究は,(1)モチベーション,目標,コンテキスト,(2)監視された側面,特定の技術,メトリクス,ツール,(3)貢献と利益,(4)現在の限界の4つの重要な領域に基づいて分析した。
  論文  参考訳（メタデータ） (2025-09-17T02:18:13Z)
• Integrating Generative AI in BIM Education: Insights from Classroom Implementation [0.4805964026801514]
  本研究では,大学院レベルのビルディング情報モデリングコースにおけるジェネレーティブAIを活用したルールチェックワークフローの実装を評価する。 2学期以上、55人の学生が、BIMコンプライアンスタスクにGenAIを使用したことを探る教室ベースのパイロットに参加した。
  論文  参考訳（メタデータ） (2025-07-06T03:41:04Z)
• Instruction Tuning for Large Language Models: A Survey [52.86322823501338]
  我々は、教師付き微調整(SFT)の一般的な方法論を含む、文献の体系的なレビューを行う。 また、既存の戦略の欠陥を指摘しながら、SFTの潜在的な落とし穴についても、それに対する批判とともに検討する。
  論文  参考訳（メタデータ） (2023-08-21T15:35:16Z)

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。