論文の概要: Redefining Computer Science Education: Code-Centric to Natural Language
Programming with AI-Based No-Code Platforms
- arxiv url: http://arxiv.org/abs/2308.13539v1
- Date: Sat, 19 Aug 2023 02:44:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-03 21:44:33.833514
- Title: Redefining Computer Science Education: Code-Centric to Natural Language
Programming with AI-Based No-Code Platforms
- Title（参考訳）: コンピュータサイエンス教育の再定義: ai ベースの no-code プラットフォームによる自然言語プログラミング
- Authors: David Y.J. Kim
- Abstract要約: 本稿では,プログラミングの領域における人間とコンピュータの進化的関係について述べる。
AIベースのノーコードプラットフォームの出現は、このダイナミクスに革命をもたらしている。
教育者として、この新しいダイナミクスをカリキュラムに統合することは必須です。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper delves into the evolving relationship between humans and computers
in the realm of programming. Historically, programming has been a dialogue
where humans meticulously crafted communication to suit machine understanding,
shaping the trajectory of computer science education. However, the advent of
AI-based no-code platforms is revolutionizing this dynamic. Now, humans can
converse in their natural language, expecting machines to interpret and act.
This shift has profound implications for computer science education. As
educators, it's imperative to integrate this new dynamic into curricula. In
this paper, we've explored several pertinent research questions in this
transformation, which demand continued inquiry and adaptation in our
educational strategies.
- Abstract（参考訳）: 本稿では,プログラミング分野における人間とコンピュータの進化的関係について述べる。
歴史的に、プログラミングは人間が機械理解に適したコミュニケーションを巧みに作り、コンピュータサイエンス教育の軌跡を形作る対話である。
しかし、AIベースのノーコードプラットフォームの出現は、このダイナミクスに革命をもたらしている。
人間は自然言語で会話し、機械が解釈し行動することを期待している。
この変化はコンピュータサイエンス教育に大きな影響を与える。
教育者として、この新しいダイナミクスをカリキュラムに統合することは必須です。
本稿では,この転換における関連する研究課題をいくつか検討し,教育戦略における調査と適応の継続を求める。
関連論文リスト
- Building Living Software Systems with Generative & Agentic AI [2.2481284426718533]
現在のソフトウェアシステムは静的で柔軟性がないため、人間の目標を計算アクションに翻訳する際の課題に繋がる。
生成AIを利用した「ソフトウェアシステム開発」は、コンピューティングにおけるこの根本的な問題の解決策を提供する。
生成的AI、特に大きな言語モデルは、人間の意図とコンピュータ操作の間の普遍的なトランスレータとして機能する。
論文 参考訳（メタデータ） (2024-08-03T12:35:30Z) - Prompts First, Finally [4.5022979431802925]
生成AI(GenAI)と特に大規模言語モデルは、コンピュータサイエンス教育を妨害している。
一部の教育者は、彼らがコンピューティング教育に深刻な脅威をもたらし、教室での彼らの使用を禁止すべきだと主張している。
プログラミングの抽象化は常に、自然言語に向けられている、と私たちは主張する。
論文 参考訳（メタデータ） (2024-07-12T12:50:28Z) - Advancing Social Intelligence in AI Agents: Technical Challenges and Open Questions [67.60397632819202]
ソーシャルインテリジェントAIエージェント(Social-AI)の構築は、多分野、マルチモーダルな研究目標である。
我々は、社会AIを前進させるために、基礎となる技術的課題と、コンピューティングコミュニティ全体にわたる研究者のためのオープンな質問を特定します。
論文 参考訳（メタデータ） (2024-04-17T02:57:42Z) - Language Evolution with Deep Learning [49.879239655532324]
計算モデリングは言語の出現の研究において重要な役割を担っている。
構造化言語の出現を誘発する可能性のある条件と学習プロセスをシミュレートすることを目的としている。
この章では、最近機械学習の分野に革命をもたらした別の種類の計算モデル、ディープ・ラーニング・モデルについて論じる。
論文 参考訳（メタデータ） (2024-03-18T16:52:54Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - Towards social generative AI for education: theory, practices and ethics [0.0]
教育のための社会的生成AIを構築するには、人間だけでなく互いに会話できる強力なAIシステムを開発する必要がある。
教育のための社会的生成AIを設計し、制約する方法を検討する必要がある。
論文 参考訳（メタデータ） (2023-06-14T17:30:48Z) - Reflections on the Evolution of Computer Science Education [0.0]
約10年前までは、計算理論、アルゴリズム設計、システムソフトウェアがキュリキュラを支配していた。
このコラムは、トピックのスコアにまたがる選択科目が主流の教育の一部になると、これがCirca 2010を変えた理由を分析します。
この経験的な記事の目標は、コンピュータサイエンス教育の過去と未来について活発な議論を巻き起こすことだ。
論文 参考訳（メタデータ） (2022-07-09T07:07:12Z) - Neural Approaches to Conversational Information Retrieval [94.77863916314979]
会話情報検索(CIR)システムは、会話インタフェースを備えた情報検索(IR)システムである。
近年のディープラーニングの進歩により、自然言語処理(NLP)と会話型AIが大幅に改善されている。
この本は、ここ数年で開発された神経アプローチに焦点を当てた、CIRの最近の進歩を調査します。
論文 参考訳（メタデータ） (2022-01-13T19:04:59Z) - Thinking Like Transformers [64.96770952820691]
本稿では,プログラミング言語の形式で変換器エンコーダの計算モデルを提案する。
RASPは、トランスフォーマーによって確実に学習できるタスクの解決策をプログラムするのにどのように使えるかを示す。
ヒストグラム、ソート、ダイク言語のためのRASPプログラムを提供する。
論文 参考訳（メタデータ） (2021-06-13T13:04:46Z) - Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。
ディープラーニングは、独自の機械学習のサブフィールドになっている。
生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文 参考訳（メタデータ） (2021-05-29T21:02:44Z) - Computer-Aided Personalized Education [15.811740322935476]
過去10年間で、導入コースを受講する米国の学生数は3倍に増えている。
大規模なオープンオンラインコース(MOOC)は、この制約を緩和する方法として推進されている。
計算ツールに依存したパーソナライズド教育はこの課題に対処できる。
論文 参考訳（メタデータ） (2020-07-07T18:00:04Z)
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。