論文の概要: SHAPR: Operationalising Human-AI Collaborative Research Through Structured Knowledge Generation
- arxiv url: http://arxiv.org/abs/2603.25660v1
- Date: Thu, 26 Mar 2026 17:14:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-27 20:52:48.394593
- Title: SHAPR: Operationalising Human-AI Collaborative Research Through Structured Knowledge Generation
- Title（参考訳）: SHAPR:構造化知識生成による人間-AI協調研究の運用
- Authors: Ka Ching Chan,
- Abstract要約: SHAPRは、人間中心の意思決定とAI支援機能を統合する研究ソフトウェア開発のためのフレームワークである。
本稿では,AIを活用した研究実践における構造的,トレース可能,知識生成的アプローチとしての運用に焦点を当てる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: SHAPR (Solo Human-Centred and AI-Assisted Practice) is a framework for research software development that integrates human-centred decision-making with AI-assisted capabilities. While prior work introduced SHAPR as a conceptual framework, this paper focuses on its operationalisation as a structured, traceable, and knowledge-generating approach to AI-assisted research practice. We present a set of interconnected models describing how research activities are organised through iterative cycles (Explore-Build-Use-Evaluate-Learn), how artefacts evolve through development and use, and how empirical evidence is transformed into conceptual knowledge. Central to this process are Structured Knowledge Units (SKUs), which provide modular and reusable representations of insights derived from practice, supporting knowledge accumulation across cycles. The framework introduces evidence and traceability as a cross-cutting mechanism linking human decisions, AI-assisted development, and artefact evolution to enable transparency, reproducibility, and systematic refinement. SHAPR is also positioned as an AI-executable research framework, as its structured processes and documentation can be interpreted by generative AI systems to guide research workflows. Simultaneously, SHAPR supports a continuum of AI involvement, allowing researchers to balance control, learning, and automation across different contexts. Beyond individual workflows, SHAPR is conceptualised as an integrated research system combining LLM workspaces, development environments, cloud storage, and version control to support scalable, knowledge-centred research practices. Overall, SHAPR provides a practical and theoretically grounded foundation for conducting rigorous, transparent, and reproducible research in AI-assisted environments, contributing to the development of scalable and methodologically sound research practices.
- Abstract（参考訳）: SHAPR(Solo Human-Centred and AI-Assisted Practice)は、人間中心の意思決定とAI支援機能を統合する研究ソフトウェア開発のためのフレームワークである。
先行研究はSHAPRを概念的枠組みとして導入していたが,本研究では,AI支援研究実践における構造化された,トレース可能な,知識を生み出すアプローチとして,その運用に焦点を当てた。
本稿では,研究活動が反復的サイクルを通してどのように組織化されるか (Explore-Build-Use-Evaluate-Learn) , 開発と利用を通じて人工物がどのように進化するか, 実証的証拠が概念的知識にどのように変換されるか, といった一連の相互関係モデルを提案する。
このプロセスの中心は構造化知識ユニット(Structured Knowledge Units, SKUs)であり、これはプラクティスから派生した洞察のモジュール的で再利用可能な表現を提供し、サイクル全体で知識の蓄積をサポートする。
このフレームワークは、透明性、再現性、体系的な洗練を可能にするために、人間の決定、AI支援開発、アーティファクトの進化を結びつける横断的なメカニズムとしてエビデンスとトレーサビリティを導入している。
SHAPRはまた、その構造化プロセスとドキュメントは、研究ワークフローをガイドする生成AIシステムによって解釈できるため、AI実行可能な研究フレームワークとして位置づけられている。
同時に、SHAPRはAIの関与の継続をサポートし、研究者は異なるコンテキスト間で制御、学習、自動化のバランスをとることができる。
個々のワークフロー以外にも、SHAPRはLLMワークスペース、開発環境、クラウドストレージ、バージョン管理を組み合わせて、スケーラブルで知識中心のリサーチプラクティスをサポートする統合リサーチシステムとして概念化されている。
全体として、SHAPRは、AI支援環境で厳密で透明で再現可能な研究を行うための実践的で理論的に根底にある基盤を提供し、スケーラブルで方法論的に健全な研究プラクティスの開発に寄与している。
関連論文リスト
- The RIGID Framework: Research-Integrated, Generative AI-Mediated Instructional Design [3.0343794499390335]
本稿では,学習科学の研究を教育設計を通して体系的に統合する方法について考察する。
RIGIDは、ID分析、設計、実装、評価フェーズにまたがってLS研究を統合する統一的なフレームワークであり、生成AIを活用して各段階でこの統合を仲介する。
論文 参考訳（メタデータ） (2026-03-13T08:34:12Z) - AI Combines, Humans Socialise: A SECI-based Experience Report on Business Simulation Games [0.0]
本稿では,生産型AIツールを工学生向けに設計されたビジネスシミュレーションゲーム(Business Simulation Games:BSG)に統合することについて報告する。
AIは、シミュレーション中に学生がイベントを分析し、情報を改定し、意思決定に関連する洞察を生成するための支援メカニズムとして埋め込まれた。
その結果,シミュレーションに基づく学習における人間とAIの連携における機能的境界が示唆された。
論文 参考訳（メタデータ） (2026-02-24T07:26:16Z) - SHAPR: A Solo Human-Centred and AI-Assisted Practice Framework for Research Software Development [0.0]
本稿では,SHAPR(Solo, Human-centred, AI-assisted Practice)を実践レベルの運用フレームワークとして提案する。
本研究は,研究ソフトウェア開発,人間-AIコラボレーション,リフレクティブラーニングを明示的にリンクすることによって,SHAPRが知識生産とHDR研究者のトレーニングの両方をサポートする方法について,より広範な議論に寄与する。
論文 参考訳（メタデータ） (2026-02-12T22:02:39Z) - Towards AI-Supported Research: a Vision of the TIB AIssistant [6.36260975777314]
我々は、領域に依存しない人間と機械の協調プラットフォームであるTIB AIsistantのビジョンを提示する。
提案手法の有効性と潜在的な影響を実証する早期プロトタイプのコンセプトフレームワーク,システムアーキテクチャ,実装について述べる。
論文 参考訳（メタデータ） (2025-12-18T12:08:46Z) - A Survey of Vibe Coding with Large Language Models [93.88284590533242]
視覚符号化(Vibe Coding)は、開発者が成果観察を通じてAI生成の実装を検証する開発手法である。
変革の可能性にもかかわらず、この創発的パラダイムの有効性は未解明のままである。
この調査は、大規模な言語モデルによるVibe Codingの総合的かつ体系的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-10-14T11:26:56Z) - A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-07-28T17:59:05Z) - Agentic AI in Product Management: A Co-Evolutionary Model [0.0]
本研究では,エージェントAIの製品管理における変革的役割について考察する。
プロダクトライフサイクル全体にわたる統合をガイドする概念的共進化的フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-01T02:32:32Z) - A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。
大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。
我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
論文 参考訳（メタデータ） (2025-04-12T01:27:49Z) - Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。
本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。
私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
論文 参考訳（メタデータ） (2025-03-27T12:50:17Z)
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。