論文の概要: From Understanding to Creation: A Prerequisite-Free AI Literacy Course with Technical Depth Across Majors
- arxiv url: http://arxiv.org/abs/2604.09634v1
- Date: Thu, 19 Mar 2026 23:18:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-19 19:09:11.584197
- Title: From Understanding to Creation: A Prerequisite-Free AI Literacy Course with Technical Depth Across Majors
- Title（参考訳）: 理解から創造へ - 専門職を対象とする必須のAIリテラシーコース
- Abstract要約: UNIV 182は、学部生にAIシステムを理解し、使用し、評価し、構築するよう教える前提条件のないコースである。
論文は、このデザインを、多人数のAIリテラシーコースと教育学の伝統の比較分類学に位置づけている。
- 参考スコア（独自算出の注目度）: 2.1212179660694104
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most AI literacy courses for non-technical undergraduates emphasize conceptual breadth over technical depth. This paper describes UNIV 182, a prerequisite-free course at George Mason University that teaches undergraduates across majors to understand, use, evaluate, and build AI systems. The course is organized around five mechanisms: (1) a unifying conceptual pipeline (problem definition, data, model selection, evaluation, reflection) traversed repeatedly at increasing sophistication; (2) concurrent integration of ethical reasoning with the technical progression; (3) AI Studios, structured in-class work sessions with documentation protocols and real-time critique; (4) a cumulative assessment portfolio in which each assignment builds competencies required by the next, culminating in a co-authored field experiment on chatbot reasoning and a final project in which teams build AI-enabled artifacts and defend them before external evaluators; and (5) a custom AI agent providing structured reinforcement outside class. The paper situates this design within a comparative taxonomy of cross-major AI literacy courses and pedagogical traditions. Instructor-coded analysis of student artifacts at four assessment stages documents a progression from descriptive, intuition-based reasoning to technically grounded design with integrated safeguards, reaching the Create level of Bloom's revised taxonomy. To support adoption, the paper identifies which mechanisms are separable, which require institutional infrastructure, and how the design adapts to settings ranging from general AI literacy to discipline-embedded offerings. The course is offered as a documented resource, demonstrating that technical depth and broad accessibility can coexist when scaffolding supports both.
- Abstract（参考訳）: 非技術学部のAIリテラシーコースの多くは、技術的な深みよりも概念的な広さを強調している。
本稿では、ジョージ・メイソン大学の前提条件のないコースであるUNIV 182について述べる。
コースは,(1)統合概念パイプライン(プロブレム定義,データ,モデル選択,評価,リフレクション)が,高度化時に繰り返し進行する,(2)倫理的推論と技術進歩の同時統合,(3)ドキュメントプロトコルとリアルタイム批評を備えたインクラスの作業セッションを構造化したAIスタジオ,(4)各課題が次に要求される能力を構築する累積評価ポートフォリオ,チャットボット推論に関する共著者によるフィールド実験,(5)AIを活用可能なアーティファクトを構築して外部評価者より防御する最終プロジェクト,の5つのメカニズムで構成されている。
論文は、このデザインを、多人数のAIリテラシーコースと教育学の伝統の比較分類学に位置づけている。
4つの評価段階における学生のアーティファクトのインストラクタコード分析は、記述的で直観に基づく推論から、技術的に根拠づけられた設計への進歩を文書化し、ブルームの改訂された分類学の創造レベルに達した。
採用を支援するために,制度的なインフラを必要とするメカニズムと,一般のAIリテラシーから規律を組み込んだ製品に至るまで,設計がどのように適応するかを明らかにする。
このコースはドキュメント化されたリソースとして提供され、足場が両方をサポートする場合、技術的深度と幅広いアクセシビリティが共存可能であることを示す。
関連論文リスト
- LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University [2.980329026942995]
本稿では、総合的な教育大学において、ジャスト・イン・タイムのAI共同創造のための2層モデルであるLearnAI Frameworkについて述べる。
Wide-Exposure Layerは、既存のコースに短いプレゼンテーションを埋め込んで、大規模なAI認識を構築する。
Customized Co-Creation Layerはオプトインの1対1のセッションを提供する。
5人のクライアントと2人の家庭教師とのインタビューは、AIの使用方法の繰り返しの変化を示唆し、AIを受動的回答マシンとして扱うことから、エンゲージメントへと移行した。
論文 参考訳（メタデータ） (2026-08-19T17:44:54Z) - Structuring Transparency: Developing Domain-Specific Generative AI Declaration Frameworks in Higher Education [1.217503190366097]
本稿では,既存のGenAI利用分類に基づくコンピュータサイエンス部門向けに開発されたデザインアーティファクトとそれに付随する位置について紹介する。
このフレームワークは、特定の認知的および発達段階にまたがってAIの使用を分類することで、学生が自身の学習プロセスに反映するよう促す。
論文 参考訳（メタデータ） (2026-06-11T14:18:34Z) - Beyond AI Delegation: A Prompt Pattern Framework for Productive Struggle and Evaluative Judgement in Secure Coding Education [0.45706494756895794]
大規模な言語モデルは、学生が自動システムに書き込み、分析、問題解決を委譲しやすくする。
我々は,GenAIが価値ある認知的要求をなくすことなく,教育者がGenAIをコースに維持するのに役立つ実践的な枠組みを導入する。
論文 参考訳（メタデータ） (2026-05-23T07:35:49Z) - AICoFe: Implementation and Deployment of an AI-Based Collaborative Feedback System for Higher Education [41.99844472131922]
AICoFe(AIベースのコラボレーションフィードバック)は、人間中心のAIアプローチを通じて、このギャップを埋めるように設計されたシステムである。
本稿では,GPT-4.1-mini,Gemini 2.5 Flash,Llama 3.1 を用いてマルチLLMパイプラインをオーケストレーションし,定量的データと定性的な観測結果をコヒーレントで動作可能なフィードバックに合成するモジュールアーキテクチャについて述べる。
このシステムのキーとなるのは、“Teacher-in-the-loop”メディエーションワークフローである。
論文 参考訳（メタデータ） (2026-05-06T10:37:32Z) - A Discipline-Agnostic AI Literacy Course for Academic Research: Architecture, Pedagogy, and Implementation [0.0]
ジェネレーティブAIを学術リテラシーに迅速に統合するためには、学生にツールの習熟度だけでなく、専門的な聴衆に奉仕する技術AI開発コースと、持続的で実践ベースの能力の厳格な研究が要求される短い一般リテラシー介入という2つの極に、これらのツールを責任を持って使用するという批判的な判断を、カリキュラムが要求される。
本稿では、厳格なAI支援文学レビューに必要な不足する能力に対処する、リーハイ大学におけるコースの設計、理性、実装について報告する。
論文 参考訳（メタデータ） (2026-04-29T21:47:00Z) - Beyond the Code: A Multi-Modal Assessment Strategy for Fostering Professional Competencies via Introductory Programming Projects [1.8810916321241071]
本稿では,プロジェクトベースラーニングフレームワークを用いて2Dゲーム「Maze Runner」スタイルの開発を行う「Fundamentals of Programming」コースについて報告する。
この多次元的アプローチは,プログラミング基礎の学生の維持を向上させると考えられる。
論文 参考訳（メタデータ） (2026-03-19T10:42:34Z) - Artificial Intelligence Agents in Music Analysis: An Integrative Perspective Based on Two Use Cases [0.0]
本稿では,音楽分析と教育に応用されたAIエージェントの総合的レビューと実験的検証について述べる。
ルールベースモデルから、ディープラーニング、マルチエージェントアーキテクチャ、検索拡張生成フレームワークを含む現代的アプローチへの歴史的進化を合成する。
実験の結果,AIエージェントは音楽パターン認識,構成パラメータ化,教育的フィードバックを効果的に強化することがわかった。
論文 参考訳（メタデータ） (2025-11-17T23:46:47Z) - "I Like That You Have to Poke Around": Instructors on How Experiential Approaches to AI Literacy Spark Inquiry and Critical Thinking [0.5872014229110213]
本稿では,実世界のシナリオに根ざしたインタラクティブな非コードプロジェクトを通じて,コアAI概念を教えるモジュール型WebベースのカリキュラムであるAI Userの研究成果を紹介する。
コミュニティカレッジのインストラクター15人が、構造化されたフォーカスグループに参加し、学習者としてプロジェクトを完了し、個々のリフレクションやグループディスカッションを通じてフィードバックを提供した。
調査課題に対するインストラクターの評価、ロールベースシミュレーション、実世界の妥当性、さらには多様な学習者に対する認知的負荷、指導、適応性に関する設計上のトレードオフを浮き彫りにしている。
論文 参考訳（メタデータ） (2025-11-07T17:05:58Z) - AI & Data Competencies: Scaffolding holistic AI literacy in Higher Education [0.14323566945483493]
この章では、フレームワークの開発プロセス、構造、実装のための実践的戦略について概説している。
このフレームワークは、学生の総合的なAIリテラシーを開発するためのロードマップを提供することで、学習者が学術的および専門的な文脈において生成的なAI能力を活用できるように準備する。
論文 参考訳（メタデータ） (2025-10-26T22:56:08Z) - Towards the Next Generation of Software: Insights from Grey Literature on AI-Native Applications [13.876049229274114]
AIネイティブアプリケーションは、ソフトウェアの設計、開発、進化の方法を根本的に再定義する、ソフトウェアエンジニアリングの新しいパラダイムである。
人気が高まっているにもかかわらず、AIネイティブアプリケーションには、統一されたエンジニアリング定義とアーキテクチャの青写真がない。
本研究は、AIネイティブアプリケーションの定義特性、キー品質特性、および典型的な技術スタックを識別することにより、AIネイティブアプリケーションの包括的な理解を確立することを目的とする。
論文 参考訳（メタデータ） (2025-09-16T15:01:23Z) - Toward Embodied AGI: A Review of Embodied AI and the Road Ahead [49.10409405708527]
エンボディード・ジェネラル・インテリジェンス(英語: Embodied Artificial General Intelligence, AGI)は、しばしば本質的にエンボディードとして考えられている。
本稿では,5つのレベル(L1-L5)にまたがる身体的AGIの系統分類について紹介する。
本稿では,L3+ロボット脳の概念的枠組みを提案する。
論文 参考訳（メタデータ） (2025-05-20T11:42:26Z) - XtraGPT: Context-Aware and Controllable Academic Paper Revision [43.263488839387584]
本稿では,基準誘導型意図アライメントと文脈認識モデリングを中心とした学術論文改訂のための人間-AI協調フレームワークを提案する。
XtraGPTは,コンテクスト対応,命令誘導型書き込み支援のためのオープンソースのLLMスイートである。
論文 参考訳（メタデータ） (2025-05-16T15:02:19Z) - 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) - Evaluation of Architectural Synthesis Using Generative AI [49.1574468325115]
本稿では,GPT-4o と Claude 3.5 の2つのシステムの比較評価を行った。
Palladio's Four Books of Architecture (1965) のヴィラ・ロトンダ (Villa Rotonda) とパラッツォ・ポルト (Palazo Porto) の2つの建物についてケーススタディを行った。
本研究では,(1)図面から建物の2次元および3次元表現を解釈し,(2)CADソフトウェアスクリプトに建物をエンコードし,(3)アウトプットに基づく自己改善を行うシステムの能力を評価する。
論文 参考訳（メタデータ） (2025-03-04T18:39:28Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z)
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。