本論文は、学部のソフトウェアエンジニアリングプロジェクトという文脈において、生成 AI ツールが 理解の負債 にどのように寄与するかを調査している。著者の出発点は、こうしたツールが急速にソフトウェア開発に不可欠なものとなり、認知的負荷を軽減できることから学生にとって特に魅力的である一方で、その代償として社会認知的なリスクをもたらすという点である。
研究は質的なもので、207 名の学生が 8 週間にわたって書いた 621 件の振り返り日誌に基づいている。その資料から、学生の生成 AI ツールの利用において理解の負債が蓄積する 4 つのパターン ── AI をブラックボックスとみなしたコードの受け入れ（AI-as-black-box code acceptance）、コンテキスト不一致の負債（context-mismatch debt）、依存による能力の衰退（dependency-induced atrophy）、検証の省略（verification-bypass）── と、1 つの緩和パターンを特定している。緩和パターンでは、学生はツールを理解の足場（comprehension scaffold）として用い、それを通じてコードへのより深い理解を築く。
本論文の中心的な概念上の主張は、理解の負債は従来の技術的負債とは異なるというものである。なぜなら、それはコードベースそのものではなく、開発チームの集合的な認知の中に存在するからである。そこから著者は教育上の結論を導いている。ソフトウェアエンジニアリング教育には、検証の実践、構造化された振り返り、能動的学習に基づく評価に重点を置いた、理解の負債を緩和するための明示的な戦略が必要である。
主なポイント
- 理解の負債を、開発チームが自分たちのコードベースについて知っていることと、それを効果的に保守・変更するために実際に理解する必要があることとの間で広がっていくギャップとして定義している
- 4 つの蓄積パターンを特定している：AI をブラックボックスとみなしたコードの受け入れ、コンテキスト不一致の負債、依存による能力の衰退、検証の省略
- 生成 AI を理解の足場として用いる、1 つの緩和パターンを特定している
- 理解の負債は、コードベースではなくチームの集合的な認知の中に存在するため、技術的負債とは異なると論じている
- 教育上の緩和策として、検証の実践、構造化された振り返り、能動的学習に基づく評価を推奨している
注記
根拠となっているのは単一の学部ソフトウェアエンジニアリング科目であり、207 名の学生による 8 週間分の 621 件の日誌である。したがってパターンは授業のプロジェクトに取り組む学生集団から導かれたものであり、本論文はその推奨事項を、専門家のチームではなくソフトウェアエンジニアリング教育に向けたものとして位置づけている。
本論文は 5 ページで、Proceedings of the 2026 International Conference on Evaluation and Assessment in Software Engineering Companion への掲載情報（journal reference）が付されている。