論文の概要: Teaching AI Interactively: A Case Study in Higher Education

• arxiv url: http://arxiv.org/abs/2603.28679v1
• Date: Mon, 30 Mar 2026 16:58:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.527261
• Title: Teaching AI Interactively: A Case Study in Higher Education
• Title（参考訳）: AIを対話的に教える: 高等教育のケーススタディ
• Authors: Jennifer M. Reddig, Scott Moon, Kaitlyn Crutcher, Christopher J. MacLellan,
• Abstract要約: 本稿では,大学レベルのAI授業における授業時間の再設計を検討するための準実験ケーススタディを提案する。 CS Unpluggedアプローチにインスパイアされた私たちは、夏のオファリングを再設計し、組み込まれた、未プラグのシミュレーション、共同プログラミングラボ、構造化されたリフレクションを統合しました。 再設計されたコースの学生は、より高い出席率、評価が理解を測る強い合意、総合的な効果を報告した。
• 参考スコア（独自算出の注目度）: 0.19383897563685792
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Introductory artificial intelligence (AI) courses present significant learning challenges due to abstract concepts, mathematical complexity, and students' diverse technical backgrounds. While active and collaborative pedagogies are often recommended, implementation can be difficult at scale due to large class sizes and the intensive design effort required of instructors. This paper presents a quasi-experimental case study examining the redesign of in-class instructional time in a university-level Introduction to Artificial Intelligence course. Inspired by CS Unplugged approaches, we redesigned the summer offering, integrating embodied, unplugged simulations, collaborative programming labs, and structured reflection to provide students with a first-person perspective on AI decision-making. We maintained identical assignments, exams, and assessments as the traditional lecture-based offering. Using course evaluation data, final grade distributions, and post-course interviews, we examined differences in student engagement, experiences, and traditional learning outcomes. Quantitative results show that students in the redesigned course reported higher attendance, stronger agreement that assessments measured their understanding, and greater overall course effectiveness, despite no significant differences in final grades or self-reported learning. Qualitative findings indicate that unplugged simulations and collaboration fostered a safe, supportive learning environment that increased engagement and confidence with AI concepts. These results highlight the importance of in-class instructional design in improving students' learning experiences without compromising rigor.
• Abstract（参考訳）: イントロダクティブ・人工知能(AI)コースは、抽象概念、数学的複雑さ、および学生の様々な技術的背景による重要な学習課題を提示する。 アクティブで協調的な教育が推奨されることが多いが、大規模なクラスサイズとインストラクターが必要とする設計努力のために、大規模に実施することは困難である。 本稿では,大学レベルのAI授業における授業時間の再設計を検討するための準実験ケーススタディを提案する。 CS Unpluggedアプローチにインスパイアされた私たちは、夏のオファリングを再設計し、具体化された、未プラグのシミュレーション、協調プログラミングラボ、構造化されたリフレクションを統合して、AI意思決定に関する第一対人的な視点を学生に提供する。 従来の講義ベースオファリングと同一の課題,試験,評価を維持した。 授業評価データ,最終学年分布,授業後インタビューを用いて,学生のエンゲージメント,経験,従来の学習結果の相違について検討した。 評価結果から, 学年や自己申告学習に有意な差は認められなかったものの, 学生は, 受講率が高く, 受講率も高く, 受講率も高く, 総合成績が良好であった。 質的な発見は、プラグされていないシミュレーションとコラボレーションが安全で支援的な学習環境を育み、AIの概念へのエンゲージメントと信頼を高めたことを示している。 これらの結果は,厳密さを損なうことなく,生徒の学習体験を改善するための授業設計の重要性を浮き彫りにした。

関連論文リスト

• UCO: A Multi-Turn Interactive Reinforcement Learning Method for Adaptive Teaching with Large Language Models [59.693733170193944]
  大規模言語モデル(LLM)は、教育環境において、回答提供者からインテリジェントな家庭教師へとシフトしている。 最近の強化学習アプローチはこの制限に対処するが、2つの重要な課題に直面している。 これらの課題に対処するために一方向認知最適化法(UCO)を提案する。
  論文  参考訳（メタデータ） (2025-11-12T01:27:02Z)
• The Imperfect Learner: Incorporating Developmental Trajectories in Memory-based Student Simulation [55.722188569369656]
  本稿では,メモリベースの学生シミュレーションのための新しいフレームワークを提案する。 構造的知識表現を備えた階層記憶機構を通じて発達軌道を組み込む。 実際に,次世代科学標準に基づくカリキュラム・アライン・シミュレータを実装した。
  論文  参考訳（メタデータ） (2025-11-08T08:05:43Z)
• Bridging the Gap Between Theoretical and Practical Reinforcement Learning in Undergraduate Education [0.0]
  提案手法は,従来の講義と対話型ラボベースの学習を統合している。 このフレームワークは、OpenAI Gymnasiumのようなシミュレートされた環境を使って、リアルタイムのコーディング演習を通じて学生を巻き込む。
  論文  参考訳（メタデータ） (2025-09-06T11:37:12Z)
• Do Students Learn Better Together? Teaching Design Patterns and the OSI Model with the Aronson Method [0.4369550829556577]
  本研究では,Aronson Jigsaw法を用いて2つの基礎的コンピューティングトピックにおける学習とエンゲージメントを高めることを提案する。 この介入は、2025年の2つのコホートに適用され、学生の進歩は協調学習指標を用いて測定された。
  論文  参考訳（メタデータ） (2025-08-22T20:07:15Z)
• AI-Educational Development Loop (AI-EDL): A Conceptual Framework to Bridge AI Capabilities with Classical Educational Theories [8.500617875591633]
  本研究では、古典的学習理論とAIを融合した理論駆動型フレームワークであるAI-Educational Development Loop(AI-EDL)を紹介する。 このフレームワークは透明性、自己統制型学習、教育的監視を強調している。
  論文  参考訳（メタデータ） (2025-08-01T15:44:19Z)
• Exploring Engagement and Perceived Learning Outcomes in an Immersive Flipped Learning Context [0.195804735329484]
  本研究の目的は,学生のオンラインエンゲージメントと学習成果に対する没入型フリップ学習アプローチのメリットと課題を検討することである。 この研究は、高レベルの学生エンゲージメントと学習結果の認知を明らかにしたが、改善が必要な領域も明らかにした。 この研究の成果は、有意義で効果的な遠隔学習体験をデザインしようとする教育者にとって貴重な情報源となる可能性がある。
  論文  参考訳（メタデータ） (2024-09-19T11:38:48Z)
• Quiz-based Knowledge Tracing [61.9152637457605]
  知識追跡は、学習相互作用に基づいて個人の進化する知識状態を評価することを目的としている。 QKTは、既存の方法と比較して最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-04-05T12:48:42Z)
• 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)
• A Competence-aware Curriculum for Visual Concepts Learning via Question Answering [95.35905804211698]
  本稿では,視覚概念学習のための質問応答型カリキュラムを提案する。 視覚概念を学習するためのニューラルシンボリックな概念学習者と学習プロセスを導くための多次元項目応答理論(mIRT)モデルを設計する。 CLEVRの実験結果から,コンピテンスを意識したカリキュラムにより,提案手法は最先端のパフォーマンスを実現することが示された。
  論文  参考訳（メタデータ） (2020-07-03T05:08:09Z)

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。