論文の概要: Systems for Scaling Accessibility Efforts in Large Computing Courses
- arxiv url: http://arxiv.org/abs/2510.25964v1
- Date: Wed, 29 Oct 2025 21:05:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-31 16:05:09.572941
- Title: Systems for Scaling Accessibility Efforts in Large Computing Courses
- Title（参考訳）: 大規模コンピューティングコースにおけるアクセシビリティ向上のためのシステム
- Authors: Ritesh Kanchi, Miya Natsuhara, Matt X. Wang,
- Abstract要約: 障害のある学生がコンピュータコースを利用できるようにすることが重要である。
これは大規模なコンピューティングコースでは特に困難であり、コースの内容やスタッフの規模がかなり大きいため、独特な課題に直面している。
本稿では,大学レベルの大規模プログラミングコースにおけるアクセシビリティ向上の試みについて紹介する。
- 参考スコア（独自算出の注目度）: 0.3823356975862005
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: It is critically important to make computing courses accessible for disabled students. This is particularly challenging in large computing courses, which face unique challenges due to the sheer scale of course content and staff. In this experience report, we share our attempts to scale accessibility efforts for a large university-level introductory programming course sequence, with over 3500 enrolled students and 100 teaching assistants (TAs) per year. First, we introduce our approach to auditing and remediating course materials by systematically identifying and resolving accessibility issues. However, remediating content post-hoc is purely reactive and scales poorly. We then discuss two approaches to systems that enable proactive accessibility work. We developed technical systems to manage remediation complexity at scale: redesigning other course content to be web-first and accessible by default, providing alternate accessible views for existing course content, and writing automated tests to receive instant feedback on a subset of accessibility issues. Separately, we established human systems to empower both course staff and students in accessibility best practices: developing and running various TA-targeted accessibility trainings, establishing course-wide accessibility norms, and integrating accessibility topics into core course curriculum. Preliminary qualitative feedback from both staff and students shows increased engagement in accessibility work and accessible technologies. We close by discussing limitations and lessons learned from our work, with advice for others developing similar auditing, remediation, technical, or human systems.
- Abstract（参考訳）: 障害のある学生がコンピュータコースを利用できるようにすることが重要である。
これは大規模なコンピューティングコースでは特に困難であり、コースの内容やスタッフの規模がかなり大きいため、独特な課題に直面している。
本経験報告では,大学レベルの大規模プログラミングコースにおけるアクセシビリティ向上の試みについて,年間3500人以上の入学学生と100人以上の教官支援者(TA)による検討を行った。
まず,アクセシビリティの問題を体系的に同定し,解決することで,授業資料の監査・改訂へのアプローチを紹介する。
しかし、ポストホックのコンテンツのリメディア化は純粋にリアクティブであり、スケールが不十分である。
次に、アクティブなアクセシビリティ作業を可能にするシステムに対する2つのアプローチについて議論する。
既存のコースコンテンツに対して、Webファーストでアクセス可能な他のコースコンテンツをデフォルトで再設計し、代替アクセス可能なビューを提供し、アクセシビリティ問題の一部に対する即時フィードバックを受け取る自動テストを書くという、大規模な修正複雑性を管理するための技術システムを開発した。
そこで我々は,TA対象のアクセシビリティ・トレーニングの開発と実施,コース全体のアクセシビリティ・規範の確立,コアコースカリキュラムへのアクセシビリティ・トピックの統合といった,アクセシビリティ・ベストプラクティスのコーススタッフと学生の両方に権限を与える人的システムを構築した。
スタッフと学生の両方からの予備的な質的なフィードバックは、アクセシビリティワークとアクセシビリティ技術への関与が増していることを示している。
私たちは、作業から学んだ制限や教訓について議論し、同様の監査、修復、技術、人的システムを開発する人たちにアドバイスします。
関連論文リスト
- Accessibility Scout: Personalized Accessibility Scans of Built Environments [10.083187958861812]
不慣れな建築環境のアクセシビリティの評価は障害者にとって重要である。
近年のLarge Language Models (LLM) の進歩により,この問題に対する新たなアプローチが実現されている。
本稿では,LLMに基づくアクセシビリティ・スキャニングシステムであるアクセシビリティ・スカウトについて紹介する。
論文 参考訳（メタデータ） (2025-07-31T02:07:31Z) - Beyond the Classroom: Bridging the Gap Between Academia and Industry with a Hands-on Learning Approach [2.8123958518740544]
自己適応型ソフトウェアシステムは、ソフトウェア設計と運用に重要な焦点をあてている。
実践者の調査では、知識のある個人が不足しているため、業界における採用が妨げられている。
我々は、理論知識とハンズオン学習を産業関連技術と統合した自己適応型ソフトウェアシステムでコースを教える経験を提示する。
論文 参考訳（メタデータ） (2025-04-14T21:32:25Z) - ACCESS: Prompt Engineering for Automated Web Accessibility Violation
Corrections [0.0]
本稿では,基盤モデルを用いて文書オブジェクトモデル(DOM)をリアルタイムで修正することにより,Web上のアクセシビリティ違反を修正する新しいアプローチを提案する。
新たなベンチマークであるACCESSの修正後のアクセシビリティ違反エラーを51%以上削減した。
論文 参考訳（メタデータ） (2024-01-28T22:49:33Z) - Can Foundation Models Watch, Talk and Guide You Step by Step to Make a
Cake? [62.59699229202307]
AIの進歩にもかかわらず、インタラクティブなタスクガイダンスシステムの開発は依然として大きな課題である。
我々は、人間のユーザと人間のインストラクターとの自然なインタラクションに基づいて、新しいマルチモーダルベンチマークデータセット、ウォッチ、トーク、ガイド(WTaG)を作成しました。
いくつかの基礎モデルを活用して、これらのモデルが認識可能なタスクガイダンスに迅速に適応できるかを調査した。
論文 参考訳（メタデータ） (2023-11-01T15:13:49Z) - Automated Distractor and Feedback Generation for Math Multiple-choice
Questions via In-context Learning [43.83422798569986]
マルチチョイス質問(MCQ)は、管理しやすく、格付けし、信頼性の高い評価形式であるため、ほぼ全てのレベルの教育においてユビキタスである。
これまで、高品質なイントラクタを作るというタスクは、教師やコンテンツデザイナーを学ぶための労働集約的なプロセスのままだった。
本稿では,テキスト内学習をベースとした簡易な学習手法を提案する。
論文 参考訳（メタデータ） (2023-08-07T01:03:04Z) - UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。
本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。
学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
論文 参考訳（メタデータ） (2023-05-31T11:29:04Z) - Integrating Accessibility in a Mobile App Development Course [0.0]
このコースでは、アクセシビリティ・アウェアネス(法律専門家によるゲスト講演)、技術知識(Androidアクセシビリティガイドラインとテストプラクティスに関する講義)、共感(学生がスクリーンリーダーを使って携帯電話を目隠しして操作する必要がある活動)という3つのアクセシビリティ関連トピックを紹介した。
すべての学生は、スクリーンショットから、現実世界のアプリのユーザーインターフェイスの少なくとも1つのアクセシビリティーの問題を正しく特定することができ、90%が修正のための正しい解決策を提供することができる。
論文 参考訳（メタデータ） (2022-10-12T12:44:33Z) - Self-Supervised Representation Learning: Introduction, Advances and
Challenges [125.38214493654534]
自己教師付き表現学習手法は、大きな注釈付きデータセットを必要とせずに強力な機能学習を提供することを目的としている。
本稿では、この活気ある領域について、鍵となる概念、アプローチの4つの主要なファミリーと関連する技術の状態、そして、データの多様性に自己監督手法を適用する方法について紹介する。
論文 参考訳（メタデータ） (2021-10-18T13:51:22Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳（メタデータ） (2021-07-23T22:41:28Z) - Securing Bring-Your-Own-Device (BYOD) Programming Exams [1.9164932573056916]
従来のペンと紙の試験は、現代の大学プログラミングコースでは不十分である。
多くの機関は、専用のコンピュータラボでアセスメントを実行するためのリソースやスペースを欠いている。
これにより、BYOD( bring-your-own-device)試験フォーマットの開発が動機となっている。
論文 参考訳（メタデータ） (2020-01-12T15:01:13Z)
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。