論文の概要: Agentic Education: Using Claude Code to Teach Claude Code

• arxiv url: http://arxiv.org/abs/2604.17460v1
• Date: Sun, 19 Apr 2026 14:20:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.538595
• Title: Agentic Education: Using Claude Code to Teach Claude Code
• Title（参考訳）: エージェント教育:クロード・コードを使ってクロード・コードを教える
• Authors: Zain Naboulsi,
• Abstract要約: cc-selftrainは、エージェントAIコーディングツールであるClaude Codeをハンズオンプロジェクト構築を通じて学習するためのモジュール形式のインタラクティブカリキュラムである。 本システムは,(1)指導音を4段階にわたって適応させるペルソナ進行モデル,(2)フックベースの足場による係り受け品質を観察する適応学習システム,(3)5つのプロジェクトドメインが同一の機能シークエンシングを共有するクロスドメイン統合カリキュラムの5つを紹介する。 27名の被験者によるパイロット評価では,10のスキル領域で有意な自己効力向上が報告された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI coding assistants have proliferated rapidly, yet structured pedagogical frameworks for learning these tools remain scarce. Developers face a gap between tool documentation and practical mastery, relying on fragmented resources such as blog posts, video tutorials, and trial-and-error. We present cc-self-train, a modular interactive curriculum for learning Claude Code, an agentic AI coding tool, through hands-on project construction. The system introduces five contributions: (1) a persona progression model that adapts instructor tone across four stages (Guide, Collaborator, Peer, Launcher), operationalizing Gradual Release of Responsibility for AI-mediated instruction; (2) an adaptive learning system that observes engagement quality through hook-based heuristics and adjusts scaffolding at two timescales, using streak detection for mid-module intervention and aggregate metrics for module-boundary persona changes; (3) a cross-domain unified curriculum in which five distinct project domains share identical feature sequencing, enabling transfer learning; (4) a step-pacing mechanism with explicit pause primitives to manage information overload in an AI-as-instructor context; and (5) an auto-updating curriculum design in which the onboarding agent detects upstream tool changes and updates teaching materials before instruction begins. A parametrized test suite enforces structural consistency as a proxy for pedagogical invariants across all 50 modules. A pilot evaluation with 27 participants shows statistically significant reported self-efficacy gains across all 10 assessed skill areas (p < 0.001), with the largest effects on advanced features such as hooks and custom skills. We discuss implications for the design of auto-updating educational systems.
• Abstract（参考訳）: AIコーディングアシスタントは急速に普及しているが、これらのツールを学ぶための体系化された教育フレームワークはいまだに不足している。 開発者は、ツールドキュメンテーションと実践的な熟達のギャップに直面し、ブログ投稿やビデオチュートリアル、トライアル・アンド・エラーといった断片化されたリソースに依存している。 我々はエージェントAIコーディングツールであるClaude Codeをハンズオンプロジェクト構築を通じて学習するモジュール型インタラクティブカリキュラムであるcc-self-trainを紹介する。 本システムは,(1)インストラクタートーンを4段階(ガイド,コラボレータ,ピア,ランチャー)に適応するペルソナプロジェクションモデル,(2)AI介在型インストラクションのグラデーションリリースを運用する適応学習システム,(2)フックベースのヒューリスティックスによるエンゲージメント品質の観察と2つの時間スケールでの足場調整を行う適応学習システム,(3)5つの異なるプロジェクトドメインが同一の機能シークエンシングを共有し,転送学習を可能にするクロスドメイン統合カリキュラム,(4)AI-as-instructorコンテキストにおける情報オーバーロードを明示的に停止するステップペース制御機構,(3)エージェントが教材を更新する前に,教材の更新と更新を行うためのツールの設計を行う自動更新システム,の5つを紹介する。 パラメタライズドテストスイートは、50モジュールすべてにわたるペタゴジカル不変量のプロキシとして、構造的な一貫性を強制する。 27名の被験者によるパイロット評価では、評価された10のスキル領域(p < 0.001)にまたがって、統計的に有意な自己効力向上が報告され、フックやカスタムスキルといった高度な機能に最も大きな影響を与えている。 本稿では,自動更新教育システムの設計の意義について論じる。

関連論文リスト

• SKILL0: In-Context Agentic Reinforcement Learning for Skill Internalization [61.37478254738943]
  推論時のスキル向上は基本的に制限されている。 SKILL0は,スキル内部化のためのコンテキスト内強化学習フレームワークである。 SKILL0は標準のRLベースラインよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2026-04-02T17:03:05Z)
• CurLL: A Developmental Framework to Evaluate Continual Learning in Language Models [6.333098807183056]
  5歳から10歳までの発達軌跡を基盤とした総合的な連続学習データセットとベンチマーク(CurlL)を導入する。 CurlLは5歳から10歳までの5つの発達段階(0-4)にまたがっており、幅広いスキルを小さな能力に分解するスキルグラフによって支えられている。 我々は23.4Bの合成データセットを作成し、スキルの進歩、語彙の複雑さ、フォーマットの多様性を制御した。
  論文  参考訳（メタデータ） (2025-10-14T21:56:03Z)
• Cracking CodeWhisperer: Analyzing Developers' Interactions and Patterns During Programming Tasks [4.321456509547389]
  我々は、LLMベースのコード生成ツールであるAmazonのCodeWhispererと開発者がどのように関わるかを調査する。 参加者10名を対象に2つのユーザスタディを行った。 1)インクリメンタルコードの改良,2)自然言語コメントを用いた明示的な指示,3)モデル提案によるベースライン構造化,4)外部ソースによる統合的使用,の4つの行動パターンを識別する。
  論文  参考訳（メタデータ） (2025-10-13T15:22:12Z)
• CKAA: Cross-subspace Knowledge Alignment and Aggregation for Robust Continual Learning [80.18781219542016]
  継続的学習(CL)は、シーケンシャルなタスクストリームから継続的に学習するAIモデルに権限を与える。 近年,パラメータ効率のよい微調整(PEFT)によるCL法が注目されている。 ミスリード型タスクIDに対するロバスト性を高めるために,クロスサブスペース・ナレッジアライメント・アグリゲーション(CKAA)を提案する。
  論文  参考訳（メタデータ） (2025-07-13T03:11:35Z)
• Design of AI-Powered Tool for Self-Regulation Support in Programming Education [4.171227316909729]
  大きな言語モデル(LLM)ツールは、高品質な補助を提供する可能性を示している。 しかし、これらのツールの多くは、機関的な学習管理システムとは独立して運用されている。 この分離は、学習材料を活用する能力と、適切なコンテキスト対応のフィードバックを生成するためのコンテキストを行使する能力を制限する。
  論文  参考訳（メタデータ） (2025-04-03T22:47:33Z)
• Rethinking Bimanual Robotic Manipulation: Learning with Decoupled Interaction Framework [51.39847596489193]
  バイオマチックなロボット操作は、ロボティクスコミュニティにおいて、新しくて重要なトピックである。 本稿では,バイマニュアル操作における異なるタスクの特徴を考察した,疎結合なインタラクションフレームワークを提案する。 我々のフレームワークは,SOTA法よりも23.5%向上し,優れた性能を実現している。
  論文  参考訳（メタデータ） (2025-03-12T09:28:41Z)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)
• Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
  本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。 このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。 各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
  論文  参考訳（メタデータ） (2023-09-15T02:42:03Z)

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。