論文の概要: The Trilingual Triad Framework: Integrating Design, AI, and Domain Knowledge in No-code AI Smart City Course
- arxiv url: http://arxiv.org/abs/2603.05036v1
- Date: Thu, 05 Mar 2026 10:34:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-06 22:06:11.185872
- Title: The Trilingual Triad Framework: Integrating Design, AI, and Domain Knowledge in No-code AI Smart City Course
- Title（参考訳）: Trilingual Triad Framework: コーディングなしAIスマートシティコースにおける設計、AI、ドメイン知識の統合
- Authors: Qian Huang, King Wang Poon,
- Abstract要約: 本稿では、学生が生成人工知能(AI)を用いてデザインを学ぶ方法を説明するモデルである「Trilingual Triad」フレームワークを紹介する。
質的なマルチケーススタディアプローチを使用して、3つのプロジェクトは、設計、AIアーキテクチャ、ドメインの専門知識の3つの側面にわたって分析された。
この結果から,これら3つの「言語」が協調して編成された場合に,効果的な人間とAIの連携が生じることが示唆された。
- 参考スコア（独自算出の注目度）: 19.922097404101496
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces the "Trilingual Triad" framework, a model that explains how students learn to design with generative artificial intelligence (AI) through the integration of Design, AI, and Domain Knowledge. As generative AI rapidly enters higher education, students often engage with these systems as passive users of generated outputs rather than active creators of AI-enabled knowledge tools. This study investigates how students can transition from using AI as a tool to designing AI as a collaborative teammate. The research examines a graduate course, Creating the Frontier of No-code Smart Cities at the Singapore University of Technology and Design (SUTD), in which students developed domain-specific custom GPT systems without coding. Using a qualitative multi-case study approach, three projects - the Interview Companion GPT, the Urban Observer GPT, and Buddy Buddy - were analyzed across three dimensions: design, AI architecture, and domain expertise. The findings show that effective human-AI collaboration emerges when these three "languages" are orchestrated together: domain knowledge structures the AI's logic, design mediates human-AI interaction, and AI extends learners' cognitive capacity. The Trilingual Triad framework highlights how building AI systems can serve as a constructionist learning process that strengthens AI literacy, metacognition, and learner agency.
- Abstract（参考訳）: 本稿では、デザイン、AI、ドメイン知識の統合を通じて、学生が生成的人工知能(AI)で設計を学ぶ方法を説明するモデルである「Trilingual Triad」フレームワークを紹介する。
生成型AIが急速に高等教育に入るにつれて、学生はAI対応の知識ツールのアクティブな作成者ではなく、生成されたアウトプットの受動的ユーザとしてこれらのシステムに携わることが多い。
本研究では,AIをツールとして利用することから,協力的なチームメイトとしてAIを設計することへの移行について検討する。
シンガポール科学技術デザイン大学(SUTD)の大学院生であるCreating the Frontier of No-code Smart Citiesは、プログラミングなしでドメイン固有のカスタムGPTシステムを開発。
質的なマルチケーススタディアプローチを使用して、Interview Companion GPT、Urban Observer GPT、Buddy Buddyという3つのプロジェクトが、デザイン、AIアーキテクチャ、ドメインの専門性という3つの次元にわたって分析された。
ドメイン知識構造 AIの論理構造、設計は人間とAIの相互作用を仲介し、AIは学習者の認知能力を拡張する。
Trilingual Triadフレームワークは、AIシステムの構築が、AIリテラシー、メタ認知、学習機関を強化する建設的学習プロセスとしてどのように機能するかを強調している。
関連論文リスト
- A vibe coding learning design to enhance EFL students' talking to, through, and about AI [5.671810777243196]
この記事では、外国語教育としての英語のためのビブコーディング(自然言語を使ってAIを使ったソフトウェアアプリケーションを作成する)のパイロット化について報告する。
私たちは、AI(プロンプトエンジニアリング)、AI(著者の交渉)、AI(AI)という3つの次元を持つ、人間とAIのメタランゲージングフレームワークを開発しました。
論文 参考訳（メタデータ） (2025-09-09T00:27:04Z) - AI Toolkit: Libraries and Essays for Exploring the Technology and Ethics of AI [0.0]
AITKプロジェクトにはPythonライブラリと計算エッセイ(Jupyterノートブック)の両方が含まれている。
これらのノートブックは、責任あるAIのテーマを中心としたさまざまな人文科学コースの複数の機関で試験されている。
パイロットスタディとユーザビリティテストの結果から、AIの理解を深める上で、AITKはナビゲートが容易で効果的であることが分かる。
論文 参考訳（メタデータ） (2025-01-17T22:08:52Z) - "From Unseen Needs to Classroom Solutions": Exploring AI Literacy Challenges & Opportunities with Project-based Learning Toolkit in K-12 Education [0.3994567502796064]
K-12の生徒には、コンピュータ科学を超えて、AIリテラシーのスキルを身につける必要性がますます高まっている。
本稿では,PBL(Project-Based Learning)AIツールキットをさまざまな分野に統合し,教育者がAI概念をより効果的に教えることを目的とした。
論文 参考訳（メタデータ） (2024-12-23T03:31:02Z) - The Artificial Intelligence Ontology: LLM-assisted construction of AI concept hierarchies [0.7796141041639462]
人工知能オントロジー(AIO)は、人工知能の概念、方法論、それらの相互関係の体系化である。
AIOは、AI技術の技術的側面と倫理的側面の両方を含む包括的なフレームワークを提供することによって、急速に進化するAIの展望に対処することを目指している。
論文 参考訳（メタデータ） (2024-04-03T20:08:15Z) - Distributed agency in second language learning and teaching through generative AI [0.0]
ChatGPTは、テキストまたは音声形式のチャットを通じて非公式な第二言語プラクティスを提供することができる。
インストラクタはAIを使って、さまざまなメディアで学習と評価材料を構築することができる。
論文 参考訳（メタデータ） (2024-03-29T14:55:40Z) - Integrated Sensing-Communication-Computation for Edge Artificial Intelligence [41.611639821262415]
統合センシング通信計算(I SCC)は,資源利用の向上に最重要課題である。
本稿では、エッジ学習タスクとエッジAI推論タスクをアプリケーション層と物理層の両方で行うための各種のISCCスキームについて述べる。
論文 参考訳（メタデータ） (2023-06-01T21:35:20Z) - Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。
本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。
43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文 参考訳（メタデータ） (2022-11-12T21:54:05Z) - Investigating Explainability of Generative AI for Code through
Scenario-based Design [44.44517254181818]
生成AI(GenAI)技術は成熟し、ソフトウェア工学のようなアプリケーションドメインに適用されています。
私たちは43人のソフトウェアエンジニアと9つのワークショップを開催しました。そこでは、最先端のジェネレーティブAIモデルの実例を使って、ユーザの説明可能性のニーズを導き出しました。
我々の研究は、GenAIのコードに対する説明可能性の必要性を探求し、新しいドメインにおけるXAIの技術開発を人間中心のアプローチがいかに促進するかを実証する。
論文 参考訳（メタデータ） (2022-02-10T08:52:39Z) - Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。
これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文 参考訳（メタデータ） (2022-01-26T18:53:09Z) - A User-Centred Framework for Explainable Artificial Intelligence in
Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。
このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
論文 参考訳（メタデータ） (2021-09-27T09:56:23Z) - The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。
Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。
これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
論文 参考訳（メタデータ） (2021-07-05T12:18:17Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z) - Future Trends for Human-AI Collaboration: A Comprehensive Taxonomy of
AI/AGI Using Multiple Intelligences and Learning Styles [95.58955174499371]
我々は、複数の人間の知性と学習スタイルの様々な側面を説明し、様々なAI問題領域に影響を及ぼす可能性がある。
未来のAIシステムは、人間のユーザと互いにコミュニケーションするだけでなく、知識と知恵を効率的に交換できる。
論文 参考訳（メタデータ） (2020-08-07T21:00:13Z)
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。