論文の概要: Factors Impacting Faculty Adoption of Project-Based Learning in Computing Education: a Survey

• arxiv url: http://arxiv.org/abs/2507.18039v1
• Date: Thu, 24 Jul 2025 02:16:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:42.839889
• Title: Factors Impacting Faculty Adoption of Project-Based Learning in Computing Education: a Survey
• Title（参考訳）: コンピュータ教育におけるプロジェクト・ベース・ラーニングの学部採用に影響を与える要因:調査
• Authors: Ahmad D. Suleiman, Yiming Tang, Daqing Hou,
• Abstract要約: プロジェクトベースの学習(PjBL)は、学生のモチベーション、エンゲージメント、批判的思考、コラボレーション、問題解決スキルを高める可能性がある。 これらの利点にもかかわらず、制度的支援の不足、時間の制約、訓練機会の制限、プロジェクトの設計やソーシング、コース目標との整合化といった課題のために、教員採用は相容れないままである。 本研究は,これらの障壁を調査し,導入を成功させる戦略と資源について検討する。
• 参考スコア（独自算出の注目度）: 4.956709222278242
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This research full paper investigates the factors influencing computing educators' adoption of project-based learning (PjBL) in software engineering and computing curricula. Recognized as a student-centered pedagogical approach, PjBL has the potential to enhance student motivation, engagement, critical thinking, collaboration, and problem-solving skills. Despite these benefits, faculty adoption remains inconsistent due to challenges such as insufficient institutional support, time constraints, limited training opportunities, designing or sourcing projects, and aligning them with course objectives. This research explores these barriers and investigates the strategies and resources that facilitate a successful adoption. Using a mixed-methods approach, data from 80 computing faculty were collected through an online survey comprising closed-ended questions to quantify barriers, enablers, and resource needs, along with an open-ended question to gather qualitative insights. Quantitative data were analyzed using statistical methods, while qualitative responses underwent thematic analysis. Results reveal that while PjBL is widely valued, its adoption is often selective and impacted by challenges in planning and managing the learning process, designing suitable projects, and a lack of institutional support, such as time, funding, and teaching assistants. Faculty are more likely to adopt or sustain PjBL when they have access to peer collaboration, professional development, and institutional incentives. In addition, sourcing projects from research, industry partnerships, and borrowing from peers emerged as key facilitators for new projects. These findings underscore the need for systemic support structures to empower faculty to experiment with and scale PjBL practices.
• Abstract（参考訳）: 本研究は,ソフトウェア工学と計算カリキュラムにおけるPjBLの導入に影響を与える要因について検討する。 学生中心の教育的アプローチとして認識され、PjBLは学生のモチベーション、エンゲージメント、批判的思考、コラボレーション、問題解決スキルを高める可能性がある。 これらの利点にもかかわらず、制度的支援の不足、時間の制約、訓練機会の制限、プロジェクトの設計やソーシング、コース目標との整合化といった課題のために、教員採用は相容れないままである。 本研究は,これらの障壁を調査し,導入を成功させる戦略と資源について検討する。 混合手法を用いて、80のコンピュータ学部のデータをオンライン調査を通じて収集し、障壁、イネーブラー、リソースニーズを定量化し、質的な洞察を集める。 定量データは統計的手法を用いて分析し,質的応答は理論的解析を行った。 その結果、PjBLは広く評価されているが、その採用は、学習プロセスの計画と管理、適切なプロジェクトの設計、時間、資金、教育アシスタントといった制度的な支援の欠如によって、選択的かつ影響を受けやすいことが判明した。 学部は、ピアコラボレーション、専門的開発、制度的なインセンティブにアクセスできる場合、PjBLを採用または維持する可能性が高い。 さらに、研究や業界とのパートナーシップ、ピアからの借入などによるプロジェクトをソーシングすることが、新しいプロジェクトの重要なファシリテーターとして浮上した。 これらの知見は、PjBLの実践を実験・拡張するために、教員を力づけるためのシステム的支援構造の必要性を浮き彫りにした。

関連論文リスト

• Towards Robust Evaluation of STEM Education: Leveraging MLLMs in Project-Based Learning [19.4760649326684]
  プロジェクトベースラーニング(PBL)は、様々な高度に相関したマルチモーダルデータを含んでおり、STEM分野において重要な教育的アプローチとなっている。 MLLM(Multimodal large language model)の急速な発展に伴い、研究者は情報検索、知識理解、データ生成といったタスクを強化する可能性を探り始めた。 既存のベンチマークは、自由形式の出力構造と厳格な人間の専門家による検証プロセスの両方を提供することで不足しており、実際の教育タスクを評価する上での有効性を制限している。
  論文  参考訳（メタデータ） (2025-05-16T11:01:01Z)
• Query-based Knowledge Transfer for Heterogeneous Learning Environments [50.45210784447839]
  クエリベースの知識伝達(QKT)という新しいフレームワークを提案する。 QKTは、データ交換なしで特定のクライアントのニーズを満たすための、適切な知識獲得を可能にする。 実験の結果,QKTは既存の協調学習方法よりも優れていた。
  論文  参考訳（メタデータ） (2025-04-12T13:09:39Z)
• An Overview of Large Language Models for Statisticians [109.38601458831545]
  大規模言語モデル(LLM)は人工知能(AI)の変換ツールとして登場した。 本稿では, 統計学者がLLMの開発に重要な貢献できる可能性について考察する。 我々は不確実性定量化、解釈可能性、公正性、プライバシー、透かし、モデル適応といった問題に焦点を当てる。
  論文  参考訳（メタデータ） (2025-02-25T03:40:36Z)
• Continuous Integration Practices in Machine Learning Projects: The Practitioners` Perspective [1.4165457606269516]
  本研究では、47の機械学習(ML)プロジェクトから155人の実践者を調査した。 実践者は、テストの複雑さ、インフラストラクチャ要件、ビルド期間と安定性など、8つの重要な違いを強調した。 実践者が言及する一般的な課題には、プロジェクトの複雑さの向上、モデルのトレーニング要求、広範なデータハンドリング、計算リソースの増大、依存性管理などがある。
  論文  参考訳（メタデータ） (2025-02-24T18:01:50Z)
• The Role of AI, Blockchain, Cloud, and Data (ABCD) in Enhancing Learning Assessments of College Students [0.0]
  本研究では,ABCD技術が高等教育における学習評価を改善する方法を検討する。 目的は、学生が物事をどのように認識し、行動計画し、ABCD技術が個人の学習、学術的完全性、共同学習、評価に対する信頼にどのように影響するかを研究することである。
  論文  参考訳（メタデータ） (2025-02-17T15:11:44Z)
• Ten Challenging Problems in Federated Foundation Models [55.343738234307544]
  フェデレーション・ファンデーション・モデル(Federated Foundation Models、FedFM)は、フェデレーション・モデルの一般的な能力とフェデレーション・ラーニングのプライバシー保護能力を融合させる分散学習パラダイムである。 本稿では,FedFMに固有の10の課題について,基礎理論,プライベートデータの利用,継続学習,非学習,非IIDおよびグラフデータ,双方向知識伝達,インセンティブ機構設計,ゲーム機構設計,モデル透かし,効率を包括的に要約する。
  論文  参考訳（メタデータ） (2025-02-14T04:01:15Z)
• Co-designing Large Language Model Tools for Project-Based Learning with K12 Educators [10.100127895043235]
  生成型大規模言語モデル (LLMs) は、学生ベースのアクティブラーニング手法の扉を開いた。 プロジェクト設計と管理、評価、指導は、学生の実践の課題である。 教室における生成型大規模言語モデルの今後の展開に関するガイドラインを提案する。
  論文  参考訳（メタデータ） (2025-02-13T22:23:08Z)
• Agile Minds, Innovative Solutions, and Industry-Academia Collaboration: Lean R&D Meets Problem-Based Learning in Software Engineering Education [1.4454625330080995]
  この記事では、ビジネスとソフトウェア開発のシナジーを強調しながら、リーンR&Dをスキル原則で拡張することを目的としています。 実際の課題に取り組んでいた40人のパートタイム学生が講義や指導を受けていた。 学生は知識能力の向上を報告し、実際の問題に取り組むことは学習に最も貢献していると認識した。
  論文  参考訳（メタデータ） (2024-07-22T18:47:14Z)
• Exploring Federated Unlearning: Review, Comparison, and Insights [101.64910079905566]
  フェデレーション・アンラーニングは、フェデレーション・システムで訓練されたモデルからデータを選択的に除去することを可能にする。 本稿では,既存のフェデレーション・アンラーニング手法について検討し,アルゴリズムの効率,モデル精度への影響,プライバシ保護の有効性について検討する。 フェデレートされたアンラーニング手法を評価するための統一ベンチマークであるOpenFederatedUnlearningフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-30T01:34:33Z)
• Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
  建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。 本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。 本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
  論文  参考訳（メタデータ） (2021-01-24T05:40:29Z)
• Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
  パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。 近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
  論文  参考訳（メタデータ） (2021-01-19T12:23:32Z)

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。