論文の概要: Computer Science Education in the Age of Generative AI
- arxiv url: http://arxiv.org/abs/2507.02183v1
- Date: Wed, 02 Jul 2025 22:28:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-04 15:37:15.283111
- Title: Computer Science Education in the Age of Generative AI
- Title（参考訳）: 生成AI時代のコンピュータサイエンス教育
- Authors: Russell Beale,
- Abstract要約: ChatGPTやCodexのような生成AIツールは、コンピュータサイエンス教育に急速に革命をもたらしている。
本稿では,AIがコンピュータサイエンス教育の強化にもたらす重要な機会について考察する。
学術的整合性に関する懸念、AIへの過度な信頼のリスク、独創性検証の難しさなど、課題を強調している。
- 参考スコア（独自算出の注目度）: 1.2691047660244332
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Generative AI tools - most notably large language models (LLMs) like ChatGPT and Codex - are rapidly revolutionizing computer science education. These tools can generate, debug, and explain code, thereby transforming the landscape of programming instruction. This paper examines the profound opportunities that AI offers for enhancing computer science education in general, from coding assistance to fostering innovative pedagogical practices and streamlining assessments. At the same time, it highlights challenges including academic integrity concerns, the risk of over-reliance on AI, and difficulties in verifying originality. We discuss what computer science educators should teach in the AI era, how to best integrate these technologies into curricula, and the best practices for assessing student learning in an environment where AI can generate code, prototypes and user feedback. Finally, we propose a set of policy recommendations designed to harness the potential of generative AI while preserving the integrity and rigour of computer science education. Empirical data and emerging studies are used throughout to support our arguments.
- Abstract（参考訳）: 生成型AIツール(特にChatGPTやCodexのような大きな言語モデル(LLM))は、コンピュータサイエンス教育に急速に革命をもたらしている。
これらのツールは、コードを生成し、デバッグし、説明し、プログラミング命令のランドスケープを変えることができる。
本稿では,AIがプログラミング支援から革新的な教育実践の育成,アセスメントの合理化に至るまで,一般のコンピュータサイエンス教育にもたらす大きな機会について考察する。
同時に、学術的整合性の懸念、AIへの過度な信頼のリスク、独創性を検証することの難しさといった課題も強調されている。
我々は,AI時代にコンピュータサイエンス教育者が教えるべきこと,これらの技術をカリキュラムに統合する方法,AIがコードやプロトタイプ,ユーザフィードバックを生成する環境において,学生の学習を評価するためのベストプラクティスについて議論する。
最後に,コンピュータサイエンス教育の完全性と厳密さを保ちつつ,生成AIの可能性を活用するための一連の政策勧告を提案する。
実証データと新しい研究は、私たちの議論を支援するために、至るところで使われています。
関連論文リスト
- A Community-driven vision for a new Knowledge Resource for AI [59.29703403953085]
WordNetのような知識リソースの成功にもかかわらず、検証可能な汎用的な知識ソースは、AIインフラストラクチャにおいて重要な欠陥である。
本稿では,この知見を要約し,新しい知識基盤に向けたコミュニティ主導のビジョンを概説する。
論文 参考訳（メタデータ） (2025-06-19T20:51:28Z) - Generative AI Literacy: Twelve Defining Competencies [48.90506360377104]
本稿では、生成AIと対話するために必要なスキルと知識領域を網羅した、生成人工知能(AI)リテラシーの能力に基づくモデルを提案する。
能力は、基礎的なAIリテラシーから、倫理的および法的考慮を含むエンジニアリングとプログラミングのスキルの促進まで様々である。
これらの12の能力は、個人、政策立案者、政府高官、教育者が責任を持って生成AIの可能性をナビゲートし活用しようとするための枠組みを提供する。
論文 参考訳（メタデータ） (2024-11-29T14:55:15Z) - Human-Centric eXplainable AI in Education [0.0]
本稿では,教育現場における人間中心型eXplainable AI(HCXAI)について検討する。
学習成果の向上、ユーザ間の信頼の向上、AI駆動ツールの透明性確保における役割を強調している。
ユーザ理解とエンゲージメントを優先するHCXAIシステムの開発のための包括的なフレームワークを概説する。
論文 参考訳（メタデータ） (2024-10-18T14:02:47Z) - Computing in the Life Sciences: From Early Algorithms to Modern AI [45.74830585715129]
本稿では,生命科学におけるコンピューティングの歴史的発展を通じて,重要なマイルストーンと技術進歩を強調した。
この議論には、生物学的プロセスの計算モデルの導入、バイオインフォマティクスツールの出現、現代の生命科学研究におけるAI/MLの統合が含まれる。
科学的な大規模言語モデルやバイオAIツールなど、生命科学で使用されるAI対応ツールに注意が向けられ、その能力、限界、生物学的リスクへの影響を調べる。
論文 参考訳（メタデータ） (2024-06-17T21:36:52Z) - Generative AI has lowered the barriers to computational social sciences [3.313485776871956]
汎用人工知能(AI)は計算社会科学(CSS)の分野に革命をもたらした
生成AIは、コードの生成、アノテーション、デバッグを自動化することで、社会科学者の生産性を大幅に向上させることができる。
CSSの教育分野は、学習者のための複雑なコードに注釈を付け、解明する能力を考えると、これらのツールから大きな恩恵を受けることになる。
論文 参考訳（メタデータ） (2023-11-17T19:24:39Z) - Students' Perspective on AI Code Completion: Benefits and Challenges [2.936007114555107]
学生の視点から,AIコード補完のメリット,課題,期待について検討した。
その結果,AIコード補完は,正しい構文提案を提供することで,学生の生産性と効率を向上させることがわかった。
将来的には、AIコード補完は説明可能であり、教育プロセスを強化するための最高のコーディングプラクティスを提供するべきである。
論文 参考訳（メタデータ） (2023-10-31T22:41:16Z) - A Survey on Brain-Inspired Deep Learning via Predictive Coding [85.93245078403875]
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) - Are machine learning technologies ready to be used for humanitarian work
and development? [2.156882891331917]
機械学習(ML)や人工知能(AI)といったデジタルデータソースやツールは、開発に関するデータに革命をもたらす可能性がある。
われわれは、新しいテクノロジーが望まれる目標に届かず、最悪の場合不平等を高め、差別を増幅し、人権を侵害するリスクがあると主張している。
論文 参考訳（メタデータ） (2023-07-04T19:32:35Z) - What Students Can Learn About Artificial Intelligence -- Recommendations
for K-12 Computing Education [0.0]
デジタルトランスフォーメーションの文脈における技術進歩は、人工知能(AI)分野における急速な発展の基礎である
AIのトピックを含むように、コンピュータサイエンスカリキュラムの数が増えている。
本稿では,デジタルリテラシーと社会的視点に対処する学習目的のカリキュラムを提案する。
論文 参考訳（メタデータ） (2023-05-10T20:39:43Z) - 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) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳（メタデータ） (2020-11-17T13:14:28Z)
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。