論文の概要: $μ$Ed API: Towards A Shared API for EdTech Microservices

• arxiv url: http://arxiv.org/abs/2603.10014v1
• Date: Fri, 20 Feb 2026 16:42:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-15 16:38:22.566746
• Title: $μ$Ed API: Towards A Shared API for EdTech Microservices
• Title（参考訳）: $μ$Ed API: EdTechマイクロサービスの共有APIを目指す
• Authors: Maximillan Sölch, Alexandra Neagu, Marcus Messer, Peter Johnson, Gerd Kortemeyer, Samuel S. H. Ng, Fun Siong Lim, Stephan Krusche,
• Abstract要約: 教育機能のための標準のプラットフォームに依存しないAPIの初期仕様である$upmu$Edを提案する。 このAPIは、新しいAPIを採用している4つの機関で使用されている既存のシステムと統合されている。
• 参考スコア（独自算出の注目度）: 33.61571930209676
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Learning at scale often requires domain-specific automation such as assessment and feedback. An organization locked in to a general learning platform without these specialist automations limits its pedagogical offering. An ecosystem of interoperable, platform-agnostic microservices for domain-specific automation would solve this problem. To develop an effective eco-system, a standard interface (API) for education microservices is required. We propose an initial specification for a standard, platform-independent API for educational microservices, $\upmu$Ed. The API integrates functionality from existing systems in use at four institutions, which are adopting the new API. The API is initially specified for automation of feedback, assessment, and educational chatbots, with further service types envisaged in the future. The API specification provided here enables the development of an eco-system of education microservices that will facilitate automation in more domains, to more users, providing a richer learning experience in a wide range of disciplines.
• Abstract（参考訳）: 大規模に学ぶには、しばしば評価やフィードバックといったドメイン固有の自動化が必要です。 これらの専門的な自動化なしに、一般的な学習プラットフォームにロックインされた組織は、教育的提供を制限する。 ドメイン固有の自動化のための相互運用性とプラットフォームに依存しないマイクロサービスのエコシステムが、この問題を解決します。 効果的なエコシステムを開発するには、マイクロサービスを教育するための標準インターフェース(API)が必要である。 教育用マイクロサービスのための標準のプラットフォームに依存しないAPIの初期仕様である$\upmu$Edを提案する。 このAPIは、新しいAPIを採用している4つの機関で使用されている既存のシステムからの機能を統合している。 APIは最初、フィードバック、アセスメント、教育チャットボットの自動化のために定義され、将来的にはさらなるサービスタイプが計画されている。 ここで提供されるAPI仕様は、より多くのドメインでの自動化を促進し、より多くのユーザに提供し、幅広い分野においてより豊かな学習体験を提供する、教育マイクロサービスのエコシステムの開発を可能にする。

関連論文リスト

• Framework-Aware Code Generation with API Knowledge Graph-Constructed Data: A Study on HarmonyOS [52.483888557864326]
  APIKG4SYNはAPI指向の質問コードペアの構築にAPIナレッジグラフを活用するように設計されたフレームワークである。 APIKG4SYNを使ったHarmonyOSコード生成のための最初のベンチマークを構築した。
  論文  参考訳（メタデータ） (2025-11-29T08:13:54Z)
• From Specification to Service: Accelerating API-First Development Using Multi-Agent Systems [2.2805184653738175]
  本稿では,Large Language Models (LLM) ベースのエージェントを用いて,サーバコードのAPIファースト開発を自動化するシステムを提案する。 このシステムはOpenAPI仕様の作成を支援し、そこからコードを生成し、実行ログとエラーメッセージを分析するフィードバックループを通じてコードを洗練する。
  論文  参考訳（メタデータ） (2025-10-22T06:22:36Z)
• LLM-Generated Microservice Implementations from RESTful API Definitions [3.740584607001637]
  本稿では,Large Language Models (LLMs) を用いて,APIファーストのソフトウェア開発を自動化するシステムを提案する。 システムはOpenAPI仕様を生成し、そこからサーバコードを生成し、実行ログとエラーメッセージを分析するフィードバックループを通じてコードを精査する。 このシステムは、ソフトウェア開発サイクルをスピードアップする上で、ソフトウェア開発者、アーキテクト、組織に利益をもたらす可能性がある。
  論文  参考訳（メタデータ） (2025-02-13T20:50:33Z)
• A Systematic Evaluation of Large Code Models in API Suggestion: When, Which, and How [53.65636914757381]
  API提案は、現代のソフトウェア開発において重要なタスクである。 大規模コードモデル(LCM)の最近の進歩は、API提案タスクにおいて有望であることを示している。
  論文  参考訳（メタデータ） (2024-09-20T03:12:35Z)
• WorldAPIs: The World Is Worth How Many APIs? A Thought Experiment [49.00213183302225]
  本稿では, wikiHow 命令をエージェントの配置ポリシーに基礎付けることで, 新たな API を創出するフレームワークを提案する。 大規模言語モデル (LLM) の具体化計画における近年の成功に触発されて, GPT-4 のステアリングを目的とした数発のプロンプトを提案する。
  論文  参考訳（メタデータ） (2024-07-10T15:52:44Z)
• Semantic API Alignment: Linking High-level User Goals to APIs [6.494714497852088]
  既存のライブラリを使った要件エンジニアリングから実装まで,複数のステップにまたがるビジョンを提示する。 このアプローチは、セマンティックAPIアライメント(SEAL)と呼ばれ、ユーザの高レベルな目標と1つ以上のAPIの特定の機能とのギャップを埋めることを目的としています。
  論文  参考訳（メタデータ） (2024-05-07T11:54:32Z)
• Pricing4APIs: A Rigorous Model for RESTful API Pricings [0.18472148461613158]
  OpenAPI Specification(OAS)はAPIの機能部分をモデル化するために登場し、事実上の業界標準となった。 APIの価格をモデル化する提案はなく、この欠如により、この情報を活用するツールの開発が妨げられている。 a)API価格の包括的かつ厳密なモデルであるPricecing4APIsモデルと,OASを拡張したシリアライゼーションSLA4OAI,(b)API価格の記述を検証するためのツールセット(sla4oai-analyzer)を備えた,価格モデリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-21T09:57:26Z)
• Evaluating Embedding APIs for Information Retrieval [51.24236853841468]
  ドメインの一般化と多言語検索における既存のセマンティック埋め込みAPIの機能を評価する。 BM25の結果をAPIを使って再ランク付けすることは、予算に優しいアプローチであり、英語でもっとも効果的である。 非英語検索では、再ランク付けは結果を改善するが、BM25のハイブリッドモデルは高いコストで機能する。
  論文  参考訳（メタデータ） (2023-05-10T16:40:52Z)
• Improving the Learnability of Machine Learning APIs by Semi-Automated API Wrapping [0.0]
  学習や使用が容易なAPIを作成するという課題に,特に初心者が対処しています。 広く使われているML API skl のこの問題について検討する。 クライアントプログラムに影響を与えることなく、排除できるAPIの未使用部分と明らかに役に立たない部分を特定します。
  論文  参考訳（メタデータ） (2022-03-29T12:42:05Z)

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。