論文の概要: Cognitive Debt in the GenAI Era - Listening to Practitioners' Voices on the Loss of Understanding
- arxiv url: http://arxiv.org/abs/2610.37888v1
- Date: Tue, 27 Oct 2026 19:27:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-03 19:19:17.091281
- Title: Cognitive Debt in the GenAI Era - Listening to Practitioners' Voices on the Loss of Understanding
- Title（参考訳）: GenAI時代の認知的負債-理解の喪失に関する実践者の声に耳を傾ける
- Abstract要約: ペースの速いAI支援ソフトウェア開発は、開発者が構築するシステムに対する理解を損なうリスクを負う。
我々は、認知的負債の概念化と顕在化、その要因、結果、そしてそれを防ぐ、検出し、緩和するプラクティスに焦点を合わせます。
- 参考スコア（独自算出の注目度）: 38.407717852733946
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Fast-paced AI-assisted software development risks reducing developers' understanding of the systems they build. This growing gap between what the system does and what developers understand about it, described as ``cognitive debt'', is not new, but AI has exacerbated it. This has led to a recent surge in blog posts and online discussions, in which practitioners recognize and write about cognitive debt, and share their experiences well before academic studies can capture them. To understand their concerns and inform future research and practice, we conduct a grey literature review of 76 sources, focusing on how cognitive debt is conceptualized and manifests, its contributing factors, its consequences, and the practices to prevent, detect, and mitigate it. We find that cognitive debt can accumulate unnoticed behind working code and passing tests, particularly when developers accept AI-generated solutions without building understanding. Practitioners report consequences such as harder maintenance and debugging, fragmented knowledge in the team, and reduced productivity. They propose practices such as documenting design rationale, review-sized changes, comprehension gates, and knowledge-sharing rituals, along with signals like reliability metrics to detect it. Our findings give software teams a structured view of emerging practical approaches in AI-assisted development and stress the need to preserve human understanding alongside faster code production.
- Abstract（参考訳）: ペースの速いAI支援ソフトウェア開発は、開発者が構築するシステムに対する理解を損なうリスクを負う。
システムと開発者が理解している"認知的負債"の間のこのギャップは、新しいものではないが、AIはそれを悪化させている。
このことが最近のブログ投稿やオンラインディスカッションの急増につながり、実践者が認知的負債を認識して書き、学術的な研究がそれらを捉える前に経験を共有するようになった。
これらの懸念を理解し,今後の研究・実践に報いるため,認知的負債の概念化と顕在化,その要因,結果,その予防,検出,緩和を行うためのプラクティスを中心に,76の情報源に関する灰色の文献レビューを実施している。
認知的負債は、特に開発者が理解を構築することなくAI生成ソリューションを受け入れる場合、作業コードの背後で無意識に蓄積し、テストに合格する可能性があることに気付きます。
実践者は、メンテナンスとデバッグの難しさ、チームの知識の断片化、生産性の低下など、成果を報告します。
彼らは設計根拠の文書化、レビューサイズの変更、理解ゲート、知識共有の儀式といったプラクティスを提案し、それを検出するための信頼性指標のようなシグナルも提案している。
私たちの発見は、AI支援開発における新たな実践的アプローチに関する構造化された見解を与え、より高速なコード生産と同時に人間の理解を維持する必要性を強調します。
関連論文リスト
- Judgment-Centred Software Engineering Education: A Post-Hype Review and Framework for AI-Augmented Learning [1.2183405753834562]
生成的人工知能は、破壊的なノベルティから、ソフトウェア開発とコンピューティング教育の繰り返しの部分へと移行してきた。
教育問題は、学生がコードを生成することを許されるべきかどうかではなく、ソフトウェア工学プログラムが人間の理解を保存し評価できるかどうかである。
本稿では,2023年9月23日から2026年9月23日までに,研究と実践の構造化された総合的なレビューを示す。
論文 参考訳（メタデータ） (2026-09-24T12:29:54Z) - Agents That Teach: Towards Designing Incidental Learning Back into AI-Assisted Software Development [1.6193916818014198]
インシデント学習は、それ自体で再統合されず、開発者とエージェントのインタラクションに意識的に設計されなければならない、と私たちは主張する。
我々は「教えるエージェント」の概念に基づくマルチエージェントシステム「SHIELD」を提案する。
我々は、生産性と学習が相補的であり、競合しない学習意識のある開発環境への道のりを構想する。
論文 参考訳（メタデータ） (2026-07-07T10:14:44Z) - "An Endless Stream of AI Slop": The Growing Burden of AI-Assisted Software Development [11.207503404473842]
高品質なAI生成コンテンツである"AI slop"は、ソフトウェア開発にますます影響を与えています。
我々はRedditとHacker Newsの15のスレッドにわたる1,154の投稿の質的分析を行った。
個人の生産性が、レビュアー、メンテナー、そしてより広いコミュニティへの外部的コストを増大させるという、コモンズの悲劇である、という私たちの研究結果です。
論文 参考訳（メタデータ） (2026-03-28T11:50:53Z) - Who Is Doing the Thinking? AI as a Dynamic Cognitive Partner: A Learner-Informed Framework [0.0]
本研究では,AIを動的認知パートナーとして位置づけるフレームワークを提案する。
学習者がAIを認識と協調するものとして記述した,9つの相互関連次元を同定した。
学生は、理解を拡大する生産的支援と、認知的努力に取って代わる非生産的依存とを区別し、AIがいつ使われるべきか、使用すべきでないかを状況的認識を示す。
論文 参考訳（メタデータ） (2026-02-17T15:07:06Z) - Vibe Coding in Practice: Motivations, Challenges, and a Future Outlook -- a Grey Literature Review [2.5195922470930614]
バイブコーディング(Vibe coding)とは、AIコード生成ツールを直感や試行錯誤を通じて、基礎となるコードを必ずしも理解せずに使用するプラクティスである。
ユーザーがなぜバイブコーディングに関わったのか、何を経験しているか、品質保証(QA)にどのようにアプローチし、AI生成コードの品質を知覚するかを体系的に調査した研究はない。
私たちの分析では、スピードとアクセシビリティによってビブコーダがモチベーションを得て、迅速な即時的な成功とフローを経験する"という、スピード品質のトレードオフパラドックスを明らかにしています。
論文 参考訳（メタデータ） (2025-09-30T22:35:00Z) - Bridging Minds and Machines: Toward an Integration of AI and Cognitive Science [48.38628297686686]
認知科学は人工知能(AI)、哲学、心理学、神経科学、言語学、文化などの分野を深く形成している。
AIの多くのブレークスルーは、そのルーツを認知理論にさかのぼる一方で、AI自体が認知研究を進めるのに欠かせないツールになっている。
我々は、認知科学におけるAIの未来は、性能の向上だけでなく、人間の心の理解を深めるシステムの構築にも関係していると主張している。
論文 参考訳（メタデータ） (2025-08-28T11:26:17Z) - Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。
AIシステムは特にメタ認知に苦しむ。
スマートAIのベンチマーク、トレーニング、実装について論じる。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Beyond Factuality: A Comprehensive Evaluation of Large Language Models
as Knowledge Generators [78.63553017938911]
大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。
しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。
本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
論文 参考訳（メタデータ） (2023-10-11T08:22:37Z) - Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。
本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。
43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文 参考訳（メタデータ） (2022-11-12T21:54:05Z) - Towards Human Cognition Level-based Experiment Design for Counterfactual
Explanations (XAI) [68.8204255655161]
XAI研究の重点は、より理解を深めるために、より実践的な説明アプローチに変わったようだ。
認知科学研究がXAIの進歩に大きく影響を与える可能性のある領域は、ユーザの知識とフィードバックを評価することである。
本研究では,異なる認知レベルの理解に基づく説明の生成と評価を実験する枠組みを提案する。
論文 参考訳（メタデータ） (2022-10-31T19:20:22Z)
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。