論文の概要: From Domain Understanding to Design Readiness: a playbook for GenAI-supported learning in Software Engineering

• arxiv url: http://arxiv.org/abs/2604.00120v1
• Date: Tue, 31 Mar 2026 18:27:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.677865
• Title: From Domain Understanding to Design Readiness: a playbook for GenAI-supported learning in Software Engineering
• Title（参考訳）: ドメイン理解から設計準備へ - ソフトウェア工学におけるGenAI支援学習のプレイブック
• Authors: Rafal Wlodarski,
• Abstract要約: そこでは29人の生徒が暗号化の基礎を学ぶためにカスタマイズされたChatGPTチューターを使用していた。 その結果,genAIが支援する学習はドメイン理解とモデリングタスクの指導を補完し,音質やフォローアップ構造を改善する余地を残していることが示唆された。
• 参考スコア（独自算出の注目度）: 0.4737991126491217
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Software engineering courses often require rapid upskilling in supporting knowledge areas such as domain understanding and modeling methods. We report an experience from a two-week milestone in a master's course where 29 students used a customized ChatGPT (GPT-3.5) tutor grounded in a curated course knowledge base to learn cryptocurrency-finance basics and Domain-Driven Design (DDD). We logged all interactions and evaluated a 34.5% random sample of prompt-answer pairs (60/~174) with a five-dimension rubric (accuracy, relevance, pedagogical value, cognitive load, supportiveness), and we collected pre/post self-efficacy. Responses were consistently accurate and relevant in this setting: accuracy averaged 98.9% with no factual errors and only 2/60 minor inaccuracies, and relevance averaged 92.2%. Pedagogical value was high (89.4%) with generally appropriate cognitive load (82.78%), but supportiveness was low (37.78%). Students reported large pre-post self-efficacy gains for genAI-assisted domain learning and DDD application. From these observations we distill seventeen concrete teaching practices spanning prompt/configuration and course/workflow design (e.g., setting expected granularity, constraining verbosity, curating guardrail examples, adding small credit with a simple quality rubric). Within this single-course context, results suggest that genAI-supported learning can complement instruction in domain understanding and modeling tasks, while leaving room to improve tone and follow-up structure.
• Abstract（参考訳）: ソフトウェア工学のコースは、ドメイン理解やモデリング手法のような知識領域をサポートするために、しばしば急激なスキルアップを必要とします。 そこで,29人の学生が,暗号通貨基礎とドメイン駆動設計(DDD)を学ぶために,学習コースの知識ベースに構築されたカスタマイズChatGPT (GPT-3.5) チューターを使用した。 我々は,すべてのインタラクションをログし,5次元ルーブリック(正確性,妥当性,教育的価値,認知的負荷,支援性)を用いて34.5%のランダムなプロンプト・アンサー・ペア(60/~174)のランダムなサンプルを評価し,自己効力を収集した。 この設定では、正確さは98.9%、正確さは98.9%、誤りは2/60に過ぎず、関連性は92.2%だった。 教育的価値は高く(89.4%)、認知的負荷が概ね適切な(82.78%)が、支持力は低い(37.78%)。 学生はgenAIの支援されたドメイン学習とDDDアプリケーションに対して、ポスト前の自己効力向上を報告した。 これらの観察から、プロンプト/コンフィグレーションとコース/ワークフロー設計(例えば、期待される粒度の設定、冗長性の制限、ガードレールの例のキュレート、単純な品質のルーリックによる小さなクレジットの追加)にまたがる17の具体的な教育実践を抽出する。 この単一コースのコンテキスト内では、genAIが支援する学習がドメイン理解とモデリングタスクの指導を補完し、トーンやフォローアップ構造を改善する余地を残していることを示唆している。

関連論文リスト

• Predicting ChatGPT Use in Assignments: Implications for AI-Aware Assessment Design [0.0]
  この研究は、ChatGPTを新しい概念の学習に頻繁に使うことは、潜在的過度に相関していることを示している。 我々は、イノベーションと学術的厳密さのバランスをとるために、規律に特有なガイドラインと再考された評価戦略を提案する。
  論文  参考訳（メタデータ） (2025-08-16T11:09:38Z)
• Findings of the BEA 2025 Shared Task on Pedagogical Ability Assessment of AI-powered Tutors [6.891852148875869]
  このタスクは、AIチューターのパフォーマンスを、誤識別の重要な次元にわたって自動的に評価するように設計された5つのトラックで構成されている。 4つの教育能力評価トラックの最良の結果は、マクロF1スコア58.34(ガイダンス提供)と3クラスの問題に対する71.81(誤識別)の範囲である。
  論文  参考訳（メタデータ） (2025-07-11T10:57:36Z)
• Do Tutors Learn from Equity Training and Can Generative AI Assess It? [2.116573423199236]
  本研究では,教師のスキル向上のためのオンライン授業において,教師のパフォーマンスを評価する。 教師の自己報告による知識への信頼度の増加に伴い,学習の習得率が著しく向上することがわかった。 この作業では、レッスンログデータ、チューター応答、人間のアノテーション用のルーブリック、生成AIプロンプトのデータセットが利用可能になる。
  論文  参考訳（メタデータ） (2024-12-15T17:36:40Z)
• KBAlign: Efficient Self Adaptation on Specific Knowledge Bases [73.34893326181046]
  本稿では,効率的なモデル適応によりRAGシステムを強化する自己教師型フレームワークKBAlignを提案する。 私たちのキーとなる洞察は、2つの革新的なメカニズムを通じて、モデルの本質的な能力を知識の整合性に活用することです。 KBAlign は GPT-4 による適応によって得られる性能向上の90%を達成できることを示した。
  論文  参考訳（メタデータ） (2024-11-22T08:21:03Z)
• Revolutionizing Undergraduate Learning: CourseGPT and Its Generative AI Advancements [1.949927790632678]
  本稿では,教員支援と学部生の教育経験向上を目的とした生成型AIツールであるCourseGPTを紹介する。 Mistral AIのオープンソースのLarge Language Models(LLM)をベースに構築されたCourseGPTは、継続的なインストラクターサポートとコース教材の定期的な更新を提供する。 本稿では,CPR E 431- Basics of Information System Security をパイロットとして利用したCourseGPTの応用例を示す。
  論文  参考訳（メタデータ） (2024-07-25T18:02:16Z)
• ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
  本稿では,フィードバックを数発の分類として提供するという課題について考察する。 メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。 本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
  論文  参考訳（メタデータ） (2021-07-23T22:41:28Z)
• Learning to Augment for Data-Scarce Domain BERT Knowledge Distillation [55.34995029082051]
  本稿では,データスカース領域BERT知識蒸留のための拡張学習法を提案する。 提案手法が4つの異なるタスクにおける最先端のベースラインを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2021-01-20T13:07:39Z)
• Domain Adaption for Knowledge Tracing [65.86619804954283]
  本稿では,DAKT問題に対処するための新しい適応型フレームワーク,すなわち知識追跡(AKT)を提案する。 まず,Deep Knowledge Trace(DKT)に基づく教育的特徴(スリップ,推測,質問文など)を取り入れ,優れた知識追跡モデルを得る。 第2の側面として、3つのドメイン適応プロセスを提案し、採用する。まず、ターゲットモデルトレーニングに有用なソースインスタンスを選択するために、自動エンコーダを事前訓練する。
  論文  参考訳（メタデータ） (2020-01-14T15:04:48Z)

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。