論文の概要: From Pilots to Practices: A Scoping Review of GenAI-Enabled Personalization in Computer Science Education
- arxiv url: http://arxiv.org/abs/2512.20714v1
- Date: Tue, 23 Dec 2025 19:20:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-25 19:43:21.577126
- Title: From Pilots to Practices: A Scoping Review of GenAI-Enabled Personalization in Computer Science Education
- Title（参考訳）: パイロットから実践へ:コンピュータサイエンス教育におけるGenAIのパーソナライゼーションのスコーピング・レビュー
- Authors: Iman Reihanian, Yunfei Hou, Qingquan Sun,
- Abstract要約: 生成AIは、大規模にパーソナライズされたコンピュータサイエンス教育を可能にするが、そのようなパーソナライゼーションが学習を阻害するかどうかについては疑問が残る。
このスコーピングレビューは、259レコードから純粋にサンプリングされた32の研究を合成し、マップのパーソナライズ機構と効果信号を生成する。
インテリジェントなチューター、パーソナライズされた素材、フォーマティブなフィードバック、AI強化されたアセスメント、コードレビューの5つのアプリケーションドメインを特定し、デザインの選択が学習結果をどのように形成するかを分析します。
- 参考スコア（独自算出の注目度）: 0.6372261626436676
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative AI enables personalized computer science education at scale, yet questions remain about whether such personalization supports or undermines learning. This scoping review synthesizes 32 studies (2023-2025) purposively sampled from 259 records to map personalization mechanisms and effectiveness signals in higher-education computer science contexts. We identify five application domains: intelligent tutoring, personalized materials, formative feedback, AI-augmented assessment, and code review, and analyze how design choices shape learning outcomes. Designs incorporating explanation-first guidance, solution withholding, graduated hint ladders, and artifact grounding (student code, tests, and rubrics) consistently show more positive learning processes than unconstrained chat interfaces. Successful implementations share four patterns: context-aware tutoring anchored in student artifacts, multi-level hint structures requiring reflection, composition with traditional CS infrastructure (autograders and rubrics), and human-in-the-loop quality assurance. We propose an exploration-first adoption framework emphasizing piloting, instrumentation, learning-preserving defaults, and evidence-based scaling. Recurrent risks include academic integrity, privacy, bias and equity, and over-reliance, and we pair these with operational mitigation. The evidence supports generative AI as a mechanism for precision scaffolding when embedded in audit-ready workflows that preserve productive struggle while scaling personalized support.
- Abstract（参考訳）: 生成AIは、大規模にパーソナライズされたコンピュータサイエンス教育を可能にするが、そのようなパーソナライゼーションが学習を阻害するかどうかについては疑問が残る。
このスコーピングレビューは、259レコードから純粋にサンプリングされた32の研究(2023-2025)を合成し、高等教育コンピュータ科学の文脈におけるパーソナライズ機構と効果信号をマッピングする。
インテリジェントなチューター、パーソナライズされた素材、フォーマティブなフィードバック、AI強化されたアセスメント、コードレビューの5つのアプリケーションドメインを特定し、デザインの選択が学習結果をどのように形成するかを分析します。
説明ファーストガイダンス、ソリューション・アホールディング、ヒント・ラグ、アーティファクト・グラウンディング(学生のコード、テスト、ルーブリック)を取り入れたデザインは、制約のないチャットインターフェースよりも肯定的な学習プロセスを示している。
成功した実装は、4つのパターンを共有している: 学生のアーティファクトに固定されたコンテキスト対応のチューター、リフレクションを必要とするマルチレベルヒント構造、従来のCSインフラストラクチャ(オートグレーダとルーリック)による構成、そして、ループ内の品質保証。
本稿では,パイロット,計装,学習保存の既定値,エビデンスに基づくスケーリングを重視した探索優先の採用フレームワークを提案する。
継続的なリスクには、学術的完全性、プライバシ、バイアスとエクイティ、過剰信頼などが含まれます。
このエビデンスでは、パーソナライズされたサポートをスケールしながら生産的な苦労を維持する監査対応ワークフローに埋め込まれた場合、生成AIを精度の高い足場構築のメカニズムとしてサポートしている。
関連論文リスト
- An Experience Report on a Pedagogically Controlled, Curriculum-Constrained AI Tutor for SE Education [4.976713294177978]
本稿では、RockStartITイニシアチブ内のデジタルプログラミングおよび計算思考コース用に開発されたAIアシスタントであるRockStartIT Tutorの設計とパイロット評価について述べる。
GPT-4をOpenAIのAssistant API経由で提供するこのチューターは、新しいプロンプト戦略と、コンテキスト認識、パーソナライズ、カリキュラムに制約されたサポートを中学生に提供するために、モジュール化されたセマンティックタグ付きナレッジベースを採用している。
論文 参考訳（メタデータ） (2025-12-08T12:54:37Z) - Teaching at Scale: Leveraging AI to Evaluate and Elevate Engineering Education [3.557803321422781]
本稿では,大規模言語モデルを用いた定性的な学生フィードバックのためのスケーラブルなAI支援フレームワークを提案する。
このシステムは階層的な要約、匿名化、例外処理を用いて、オープンなコメントから実行可能なテーマを抽出する。
大規模な工学系大学への展開が成功したことを報告します。
論文 参考訳（メタデータ） (2025-08-01T20:27:40Z) - Sakshm AI: Advancing AI-Assisted Coding Education for Engineering Students in India Through Socratic Tutoring and Comprehensive Feedback [1.9841192743072902]
プログラミング教育のための既存のAIツールは、ソクラティックガイダンスの欠如など、重要な課題に直面している。
本研究では,1170名の登録参加者を対象に,プラットフォームログ,エンゲージメント傾向,問題解決行動を分析し,Sakhm AIの効果を評価する。
論文 参考訳（メタデータ） (2025-03-16T12:13:29Z) - Shortcut Learning Susceptibility in Vision Classifiers [11.599035626374409]
ショートカット学習は、機械学習モデルが意味のある特徴をキャプチャする代わりに、データの急激な相関を利用する場所である。
本研究では,クラスラベルと位置と強度の相関関係にあるデータセットに意図的にショートカットを導入する。
異なる学習率で学習をショートカットする可能性を評価する。
論文 参考訳（メタデータ） (2025-02-13T10:25:52Z) - How Could AI Support Design Education? A Study Across Fields Fuels Situating Analytics [3.362956277221427]
設計教育者による評価とフィードバックの実践の事例研究から得られたプロセスと結果を用いて,理論を推し進める。
人間の活動をサポートするAIを作ることは、どの分析指標と位置するプラクティスを整合させることに依存するため、我々はSateuating Analyticsと呼ぶ方法論を理論化します。
論文 参考訳（メタデータ） (2024-04-26T13:06:52Z) - Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳（メタデータ） (2023-12-22T17:57:57Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳（メタデータ） (2023-09-15T02:42:03Z) - Privacy Risks in Reinforcement Learning for Household Robots [42.675213619562975]
プライバシーは、ロボットが実質的な個人情報にアクセスすることによって、具体化されたAIの領域における重要な関心事として浮上する。
本稿では,値に基づくアルゴリズムと勾配に基づくアルゴリズムのトレーニングプロセスに対する攻撃を提案し,状態,行動,監督信号の再構成に勾配インバージョンを利用する。
論文 参考訳（メタデータ） (2023-06-15T16:53:26Z) - A Survey of Learning on Small Data: Generalization, Optimization, and
Challenge [101.27154181792567]
ビッグデータの一般化能力を近似した小さなデータについて学ぶことは、AIの究極の目的の1つである。
この調査はPACフレームワークの下でのアクティブサンプリング理論に従い、小さなデータにおける学習の一般化誤差とラベルの複雑さを分析した。
効率的な小さなデータ表現の恩恵を受けるかもしれない複数のデータアプリケーションについて調査する。
論文 参考訳（メタデータ） (2022-07-29T02:34:19Z) - 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) - Cognitive architecture aided by working-memory for self-supervised
multi-modal humans recognition [54.749127627191655]
人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。
ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。
1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
論文 参考訳（メタデータ） (2021-03-16T13:50:24Z)
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。