論文の概要: AI Education in a Mirror: Challenges Faced by Academic and Industry Experts
- arxiv url: http://arxiv.org/abs/2505.02856v1
- Date: Fri, 02 May 2025 16:52:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-07 18:50:11.037675
- Title: AI Education in a Mirror: Challenges Faced by Academic and Industry Experts
- Title（参考訳）: 鏡の中のAI教育:学者と業界の専門家が直面する課題
- Authors: Mahir Akgun, Hadi Hosseini,
- Abstract要約: この研究は、AI専門家が学術と産業の両方で直面する課題に関する予備的な洞察を提供する。
データ品質と可用性、モデルのスケーラビリティ、実践的な制約、ユーザの振る舞い、説明可能性に関する重要な課題を特定します。
これらの探索的な発見は、AIカリキュラムが現実世界の複雑さ、ソフトウェア工学の原則、学際的な学習をよりうまく統合できることを示唆している。
- 参考スコア（独自算出の注目度）: 15.332866859177747
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: As Artificial Intelligence (AI) technologies continue to evolve, the gap between academic AI education and real-world industry challenges remains an important area of investigation. This study provides preliminary insights into challenges AI professionals encounter in both academia and industry, based on semi-structured interviews with 14 AI experts - eight from industry and six from academia. We identify key challenges related to data quality and availability, model scalability, practical constraints, user behavior, and explainability. While both groups experience data and model adaptation difficulties, industry professionals more frequently highlight deployment constraints, resource limitations, and external dependencies, whereas academics emphasize theoretical adaptation and standardization issues. These exploratory findings suggest that AI curricula could better integrate real-world complexities, software engineering principles, and interdisciplinary learning, while recognizing the broader educational goals of building foundational and ethical reasoning skills.
- Abstract（参考訳）: 人工知能(AI)技術が発展を続けるにつれて、学術的なAI教育と現実世界の業界課題のギャップは依然として重要な調査領域である。
この研究は、業界から8人、学界から6人という14人のAI専門家との半構造化されたインタビューに基づいて、AI専門家が学術と産業の両方で直面する課題に関する予備的な洞察を提供する。
データ品質と可用性、モデルのスケーラビリティ、実践的な制約、ユーザの振る舞い、説明可能性に関する重要な課題を特定します。
どちらのグループもデータとモデル適応の難しさを経験する一方で、業界の専門家はデプロイメントの制約、リソースの制限、外部依存を頻繁に強調する一方、学者は理論的な適応と標準化の問題を強調している。
これらの探索的な発見は、AIカリキュラムが、基礎的および倫理的推論スキルを構築するというより広範な教育目標を認識しながら、現実世界の複雑さ、ソフトウェア工学の原則、学際的な学習をよりうまく統合できることを示唆している。
関連論文リスト
- Bridging the Gap: Integrating Ethics and Environmental Sustainability in AI Research and Practice [57.94036023167952]
我々は、AIの倫理的影響を研究するための努力は、その環境への影響を評価するものと相まって行われるべきであると論じる。
我々は,AI研究と実践にAI倫理と持続可能性を統合するためのベストプラクティスを提案する。
論文 参考訳（メタデータ） (2025-04-01T13:53:11Z) - An Empirical Study on Decision-Making Aspects in Responsible Software Engineering for AI [5.564793925574796]
本研究では、AIの責任あるソフトウェア工学(RSE)に固有の倫理的課題と複雑さについて検討する。
個人の価値観、新しい役割、そしてAIに対する認識は、AIのためのRSEにおける決定に責任を負う。
論文 参考訳（メタデータ） (2025-01-26T22:38:04Z) - OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。
これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。
我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
論文 参考訳（メタデータ） (2024-06-18T16:20:53Z) - Bridging the Gap: A Study of AI-based Vulnerability Management between Industry and Academia [4.4037442949276455]
人工知能(AI)の最近の研究進歩は、自動化されたソフトウェア脆弱性管理に有望な結果をもたらした。
業界は、AIベースのテクニックをセキュリティ脆弱性管理ワークフローに統合することに関して、非常に慎重で選択的だ。
我々は、産業の期待をよりよく理解し、AIベースのセキュリティ脆弱性研究の実践的ユーザビリティを改善し、産業とアカデミックの相乗効果を推し進めるための将来の方向性を提案する。
論文 参考訳（メタデータ） (2024-05-03T19:00:50Z) - Experts' View on Challenges and Needs for Fairness in Artificial
Intelligence for Education [11.374344511408443]
我々は,AIに基づく教育システムの開発を通じて,公正に対処する上での課題とニーズについて,専門家主導による最初の体系的な調査を行った。
我々は,教育技術の専門家が実際に直面している課題とニーズについて,共通かつ多様化した見解を明らかにした。
論文 参考訳（メタデータ） (2022-06-23T13:29:39Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳（メタデータ） (2021-01-15T10:43:10Z)
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。