Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
소프트웨어 공학 학생들이 연구 논문 작성 과정에서 LLM을 활용한 교육적 경험을 분석한 보고서입니다. 학생들은 브레인스토밍, 방법론 명확화, 글쓰기 개선 등에 LLM을 사용했으며, 동시에 생성된 콘텐츠의 정확성 검증에 대한 우려도 함께 보고되었습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv Codex (cs.SE)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기대규모 언어 모델 (Large language models, LLMs)은 실증 소프트웨어 공학 (empirical software engineering) 및 증거 합성 (evidence synthesis)을 포함하는 활동을 비롯하여 소프트웨어 공학 교육의 일부로 점점 더 자리 잡고 있습니다. 본 논문은 3학년 소프트웨어 아키텍처 (software architecture) 과목의 실증 방법론 과제에 성찰적 LLM 사용 (reflective LLM use)을 통합한 교육적 경험을 보고합니다. 학생들은 신속 검토 (rapid review) 또는 회색 문헌 검토 (gray literature review) 방법론 중 하나를 사용하여 짧은 연구 논문을 작성하고, 과제 전반에 걸쳐 LLM이 어떻게 사용되었는지 공개하도록 요청받았습니다. 우리는 LLM 지원 분류 (LLM-assisted categorization)와 연구자들의 수동 검증 및 개선을 결합한 교차 분석 프로세스를 사용하여 146개의 학생 공개 성명서 (disclosure statements)를 분석했습니다. 성찰 내용에는 학생들이 브레인스토밍 (brainstorming), 방법론적 명확화 (methodological clarification), 결과 정리 (organization of findings), 그리고 글쓰기 개선 (writing refinement)과 같은 활동 중에 LLM을 어떻게 통합했는지가 기술되어 있으며, 동시에 부정확성 및 생성된 콘텐츠의 검증에 관한 우려 사항도 보고되었습니다. 이 경험 보고서는 실증 소프트웨어 공학 교육에 AI 지원 기술을 통합하기 위한 학습된 교훈과 교육적 시사점을 논의합니다.