ソフトウェア工学教育における LLM の使用、不正行為、学問的誠実性に関する論文の技術的サマリー

本論文は、ソフトウェア工学（SE）教育において、学生が「不適切」「禁止されている」「コースの期待と整合しない」と認識する大規模言語モデル（LLM）の使用経験、その動機、および学問的誠実性への影響を調査した研究です。以下に、問題定義、手法、主要な貢献、結果、および意義について詳細にまとめます。

1. 問題定義 (Problem)

大学における不正行為は、単一の行為ではなく、評価設計、制度的規範、学生の解釈に依存する文脈依存的な現象として知られています。特にソフトウェア工学教育では、コードの再利用や共同作業の境界線が歴史的に曖昧でした。
生成 AI と LLM の登場により、この状況はさらに複雑化しています。

• 新たな課題: LLM は、コードや関連成果物の生成に必要な労力を劇的に削減し、許容される支援と不正行為の境界をさらに曖昧にしています。
• 既存研究の限界: 従来の研究は、不正行為の「発生率」や「技術的検出」、あるいは教員・機関側の政策対応に焦点を当てており、学生自身がどのように LLM 使用を正当化し、どのような文脈で境界を越えるのかという「学生の生きた経験（lived experiences）」や「意思決定プロセス」に深く踏み込んだ研究は不足していました。
• 研究目的: ソフトウェア工学学生が LLM を用いた不正行為をどのように記述し、どのような文脈的・動機的・教育的要因がその行動に影響を与えるかを解明すること。

2. 研究方法 (Methodology)

本研究は、複数の国にまたがるソフトウェア工学の学部生 116 名を対象とした**横断的調査（クロスセクショナル・サーベイ）**に基づいています。

• データ収集: Qualtrics を使用した匿名アンケートを実施。
  • 対象者: プログラムへの現在在籍、LLM の使用経験がある学部生。
  • サンプリング: Prolific プラットフォームでの事前スクリーニングと、スノーボール・サンプリング（参加者による紹介）を組み合わせ、南アフリカ、英国、米国、カナダ、ドイツなど多様な国からの回答を得ました。
• 調査設計:
  • 5 つのセクション（不適切な LLM 使用の経験、動機と決定要因、プログラムへの影響、知覚される結果と抑止力、人口統計）で構成。
  • 閉じた質問（多肢選択）と開かれた質問（自由記述）を併用し、定量的な傾向と定性的な理由付けの両方を捉えました。
• データ分析:
  • 定量的: 記述統計を用いて、コースワークの種類、リスク認識、抑止力などの分布を分析。
  • 定性的: 自由記述回答に対して、ソフトウェア工学研究のガイドラインに従った**反復的なテーマ分析（Thematic Analysis）**を実施。複数の研究者が独立してコード化し、合意形成を通じてテーマを抽出しました。
• 品質管理: 注意チェック、回答時間の確認、AI 生成テキストの検出（反復的な表現や具体性の欠如など）を行い、信頼性の高いデータセットを構築しました。

3. 主要な結果 (Key Results)

3.1 不正行為の発生パターン

LLM の不適切な使用は、特定の文脈で顕著に報告されました。

• 主な発生領域: プログラミング課題やラボ（71%）、通常の授業課題（46%）、ソフトウェア設計やドキュメント作成（41%）。
• 使用動機: 時間的制約（締め切り迫る、重なり合う課題）、不明確なルール、教員の監視不足、同級生の行動規範（「みんな使っているから」）が主要な要因でした。
• テスト・試験: クイズや試験での使用は比較的少なかった（クイズ 29%、主要な試験 15%）ものの、これらは明確な違反として認識されていました。

3.2 学生感情と認識される結果

学生は LLM 使用に対して多様な感情を抱いていましたが、**「無関心（Indifference）」**が最も多く（36.2%）、次いで「罪悪感（20.7%）」、「不安（18.1%）」、「安心（18.1%）」でした。

• 学習への影響: 学生は、LLM への依存がプログラミングスキル、デバッグ能力、テスト技術の低下（それぞれ 69%、54.3%、47.4%）につながると強く認識していました。「AI がないとプログラミングできない」という不安や、エンジニアとしての基礎能力の欠如を懸念する声が多く聞かれました。
• 制度的結果: 不正が発覚した場合の制裁（単位取得の失効、停学、除籍など）を認識していましたが、実際には「検出されない」という楽観視や「罰則は軽微」という認識が、不正行為を継続させる要因となっていました。

3.3 指導とポリシーの現状

• ガイドラインの欠如: 54.3% の学生が LLM 使用に関する正式なトレーニングを受けておらず、コースレベルでも「一般的で曖昧な」指導が大半を占めていました。
• ポリシーの不明確さ: 機関に公式ポリシーがあるにもかかわらず、学生に明確に伝達されていないケースが多く、これが「グレーゾーン」での使用を助長していました。

4. 主要な貢献と知見 (Key Contributions & Findings)

1. 文脈依存的な不正行為の解明:
   ソフトウェア工学における LLM 不正は、単なる「怠惰」ではなく、過酷なワークロード、不明確な評価基準、そして「学習プロセス」を代用する「成果物（コード）」への焦点という構造的な問題によって駆動されていることを示しました。
2. 分野固有の課題の特定:
   論文やエッセイ分野とは異なり、SE 教育では「コード生成」「デバッグ」「アーキテクチャ設計」といった核心的なエンジニアリング活動のスキップが主要な懸念点であることが明らかになりました。これは、専門職としての能力形成を阻害する直接的なリスクです。
3. 学生の認識と行動のギャップ:
   学生は LLM 使用が学習に悪影響を及ぼし、将来のキャリアにリスクをもたらすことを理解していましたが、それでも「時間的圧力」や「同調圧力」によって不正行為を選択していました。これは、検出や禁止だけでなく、学習目標と評価設計の整合性が欠如していることを示唆しています。

5. 意義と提言 (Significance & Implications)

研究への示唆

• 不正行為の「発生率」だけでなく、学生がルールをどのように解釈し、曖昧さをどのように交渉しているかを調査する必要がある。
• プログラミング、デバッグ、ドキュメント作成など、活動ごとに異なる不正のパターンが存在するため、活動に敏感な研究デザインが必要である。

教育実践への示唆

• 検出・禁止からの転換: 単なる検出ツールや禁止令に頼るのではなく、学習目標、評価設計、LLM 使用の期待値の明確な整合を図るべきである。
• 評価設計の改善: 口頭での説明、コードのウォークスルー、プロセス重視の評価（反復的な開発や形成評価）を導入し、LLM による成果物の代用を困難にする。
• 明確なガイダンス: 「どの段階で」「どのように」LLM を使用してよいか（例：アイデア出しは OK、最終コード提出は NG など）を具体的な活動レベルで明確に示す必要がある。
• ワークロードの調整: 過度な課題量や重なり合う締め切りが不正を誘発するため、カリキュラム設計の見直しも重要である。

結論

本研究は、ソフトウェア工学教育における LLM 不正行為は、学生の倫理観の欠如というよりも、評価構造、指導方針、そして学習プロセスの間のミスマッチによって引き起こされていることを示しました。効果的な対策には、技術的な検出だけでなく、学習体験そのものを再設計し、学生が LLM を「学習の補助」として適切に活用できる環境を整えることが不可欠です。