본 논문은 대규모 실증 연구를 통해 개발자의 리팩토링 활동을 분석하고, 대규모 언어 모델(LLM)을 활용하여 버전 관리 데이터에서 리팩토링의 근본적인 동기를 파악하고자 하였다. 기존 문헌의 동기와 LLM을 통해 도출된 동기를 비교 분석하여, LLM이 개발자의 리팩토링 동기를 효과적으로 파악하는 데 기여할 수 있음을 보여주었다. 특히, LLM은 가독성, 명확성, 구조적 개선 등의 세부적인 근거를 제시하며 기존 연구보다 풍부한 정보를 제공하였다. 대부분의 동기는 단순화 및 유지보수에 초점을 맞춘 실용적인 것이었으며, 개발자 경험 및 코드 가독성과 관련된 지표가 높은 순위를 차지했지만, 동기 범주와의 상관관계는 약했다. 결론적으로 LLM은 표면적인 동기를 효과적으로 파악하지만, 아키텍처적 추론에는 어려움을 겪는다는 점을 밝혔다. LLM과 소프트웨어 지표를 결합한 하이브리드 접근 방식이 리팩토링 우선순위를 체계적으로 설정하고 단기적 개선과 장기적 아키텍처 목표 간의 균형을 맞추는 데 유용할 것으로 제시하였다.
