論文の概要: Advancing credit mobility through stakeholder-informed AI design and adoption

• arxiv url: http://arxiv.org/abs/2601.05666v1
• Date: Fri, 09 Jan 2026 09:39:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-12 17:41:49.93286
• Title: Advancing credit mobility through stakeholder-informed AI design and adoption
• Title（参考訳）: 利害関係者によるAI設計と採用による信用モビリティの向上
• Authors: Yerin Kwak, Siddharth Adelkar, Zachary A. Pardos,
• Abstract要約: 本研究は, ニューヨーク州立大学システムと連携して, 機関間の調律を提案するために, 人工知能を適用した。 カタログ記述における表面的マッチングと制度的バイアスに対処する教師付きアライメント手法を開発した。 本手法の調音予測と61%の平均的採用率から, 有効な信用移動機会の12倍の増加が予測された。
• 参考スコア（独自算出の注目度）: 2.6998665629152536
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Transferring from a 2-year to a 4-year college is crucial for socioeconomic mobility, yet students often face challenges ensuring their credits are fully recognized, leading to delays in their academic progress and unexpected costs. Determining whether courses at different institutions are equivalent (i.e., articulation) is essential for successful credit transfer, as it minimizes unused credits and increases the likelihood of bachelor's degree completion. However, establishing articulation agreements remains time- and resource-intensive, as all candidate articulations are reviewed manually. Although recent efforts have explored the use of artificial intelligence to support this work, its use in articulation practice remains limited. Given these challenges and the need for scalable support, this study applies artificial intelligence to suggest articulations between institutions in collaboration with the State University of New York system, one of the largest systems of higher education in the US. To develop our methodology, we first surveyed articulation staff and faculty to assess adoption rates of baseline algorithmic recommendations and gather feedback on perceptions and concerns about these recommendations. Building on these insights, we developed a supervised alignment method that addresses superficial matching and institutional biases in catalog descriptions, achieving a 5.5-fold improvement in accuracy over previous methods. Based on articulation predictions of this method and a 61% average surveyed adoption rate among faculty and staff, these findings project a 12-fold increase in valid credit mobility opportunities that would otherwise remain unrealized. This study suggests that stakeholder-informed design of AI in higher education administration can expand student credit mobility and help reshape current institutional decision-making in course articulation.
• Abstract（参考訳）: 2年制大学から4年制大学への転校は、社会経済的モビリティに不可欠であるが、学生は信用が十分に認識されるよう、学術的進歩の遅れや予期せぬコストに直面することが多い。 異なる機関のコースが同等であるかどうか(すなわち、調音)を決定することは、未使用のクレジットを最小化し、学士の学位を修了する可能性を高めるため、クレジット転送の成功に不可欠である。 しかしながら、すべての候補調節が手作業でレビューされるため、調節契約の確立は時間と資源に集約的なままである。 近年,この研究を支援するために人工知能の利用が検討されているが,音節訓練における使用は限られている。 これらの課題とスケーラブルなサポートの必要性を踏まえて、この研究は、米国最大の高等教育システムの一つであるニューヨーク州立大学システムと共同で、機関間のコミュニケーションを提案するために、人工知能を適用した。 提案手法を開発するために,我々はまず,基本となるアルゴリズムレコメンデーションの採用率を評価し,これらのレコメンデーションに対する認識や懸念に対するフィードバックを集めるために,調音スタッフと教員を調査した。 これらの知見に基づいて,従来の手法に比べて5.5倍の精度向上を実現し,表面的マッチングと機関的バイアスに対処する教師付きアライメント手法を開発した。 本手法の具体化予測と, 教員や職員の平均採用率61%に基づいて, 有効な信用移動機会が12倍に増加することが示唆された。 本研究は、高等教育管理におけるAIのステークホルダインフォームドデザインが、学生の信用モビリティを拡大し、現状の制度的意思決定を形作るのに役立つことを示唆している。

関連論文リスト

• Stabilising Learner Trajectories: A Doubly Robust Evaluation of AI-Guided Student Support using Activity Theory [1.2234742322758418]
  本研究では,2つの頑健なスコアマッチングを用いて,大大学におけるAI指導学生支援システムの評価を行った。 以上の結果より,この介入が先天的な軌跡を効果的に安定化させたことが示唆された。 しかし, 資格取得速度への影響は, 統計的に有意であったが, 統計的に制限された。
  論文  参考訳（メタデータ） (2025-12-11T22:28:12Z)
• Designing AI-Resilient Assessments Using Interconnected Problems: A Theoretically Grounded and Empirically Validated Framework [0.0]
  生成AIの急速な採用により、コンピューティング教育における従来のモジュラーアセスメントが損なわれている。 本稿では,AI-レジリエントアセスメントを設計するための理論的基盤となる枠組みを提案する。
  論文  参考訳（メタデータ） (2025-12-11T15:53:19Z)
• Factors Impacting Faculty Adoption of Project-Based Learning in Computing Education: a Survey [4.956709222278242]
  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。
  論文  参考訳（メタデータ） (2025-07-24T02:16:29Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
  我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。 最初の大規模人間実験(N=118)を行い,その測定を行った。 2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
  論文  参考訳（メタデータ） (2025-06-05T20:48:16Z)
• To Deepfake or Not to Deepfake: Higher Education Stakeholders' Perceptions and Intentions towards Synthetic Media [0.0]
  ディープフェイク技術は、生成的人工知能を使用して人の類似性や声を模倣する。 本研究では,高等教育におけるディープフェイクに対する利害関係者の認識と意図について検討した。 学術的ステークホルダーは、これらの技術を採用する意図が比較的低いことを示した。
  論文  参考訳（メタデータ） (2025-02-25T10:32:19Z)
• A Human-Centered Review of Algorithms in Decision-Making in Higher Education [16.578096382702597]
  我々は、高等教育における意思決定のためのアルゴリズムを提案する幅広い論文のコーパスをレビューした。 その結果,モデルが深層学習に傾きつつあり,学生の個人データや保護属性の利用が増加していることがわかった。 解釈可能性と説明可能性の低下にもかかわらず、現在の開発は主に人間中心のレンズを組み込むことができない。
  論文  参考訳（メタデータ） (2023-02-12T02:30:50Z)
• Ask-AC: An Initiative Advisor-in-the-Loop Actor-Critic Framework [41.04606578479283]
  本稿では,Ask-ACと呼ばれる新しいアドバイザリ・イン・ザ・ループアクター・クリティカル・フレームワークを提案する。 Ask-ACの中心には2つの補完的なコンポーネント、すなわちアクションリクエスタとアダプティブステートセレクタがある。 定常環境および非定常環境における実験結果から,提案手法はエージェントの学習効率を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2022-07-05T10:58:11Z)
• 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。