論文の概要: Preparing Students for AI-Powered Materials Discovery: A Workflow-Aligned Framework for AI Literacy, Equity, and Scientific Judgment
- arxiv url: http://arxiv.org/abs/2605.09624v1
- Date: Sun, 10 May 2026 16:11:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 23:28:50.339876
- Title: Preparing Students for AI-Powered Materials Discovery: A Workflow-Aligned Framework for AI Literacy, Equity, and Scientific Judgment
- Title（参考訳）: AIを活用した素材発見のための学生準備:AIリテラシー、エクイティ、科学的判断のためのワークフロー指向フレームワーク
- Authors: Dongming Mei, Katherine Moore, Ben Sayler,
- Abstract要約: AIを活用した材料発見のためのAI教育は、ツールアクセスを超えて、生成AIシステムとの表面レベルのインタラクションを行なわなければならない、と我々は主張する。
中心的な目標は、AIツールのより効率的なユーザではなく、より良い科学者になるために学生を準備することだ。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence (AI) is reshaping education, scientific training, and materials discovery. In materials science, AI models increasingly support property prediction, experiment prioritization, and hypothesis generation; however, the limiting factor is no longer only algorithmic capability but also whether students and educators can use AI with domain-specific scientific judgment. This workshop-informed white paper and curriculum-oriented position article argues that AI education for AI-powered materials discovery must move beyond tool access and surface-level interaction with generative AI systems toward a workflow-aligned model of AI literacy. We connect AI literacy to materials-informatics competencies: data provenance, domain-specific featurization, model validation, uncertainty quantification, physics informed reasoning, reproducibility, and experimental feedback. We also emphasize outcome-oriented equity: institutions should evaluate not only access, participation, and engagement, but also whether AI-enabled instruction produces comparable learning gains, transfer of learning, confidence calibration, defined as the alignment with students confidence and the quality or correctness of their work, persistence, and research readiness across student subgroups. The paper synthesizes relevant evidence, identifies risks for learners such as cognitive off-loading and cognitive surrender, and provides a dual-track curriculum model and implementation recommendations such as curriculum guides and an assessment plan for courses, bootcamps, workshops, and program-level reform. The central goal is to prepare students to become better scientists, not merely more efficient users of AI tools.
- Abstract（参考訳）: 人工知能(AI)は、教育、科学訓練、材料発見を変革している。
物質科学では、AIモデルは資産予測、実験優先化、仮説生成をますますサポートしているが、制限要因はもはやアルゴリズム能力だけでなく、学生や教育者がAIをドメイン固有の科学的判断で活用できるかどうかも考慮されている。
このワークショップのインフォームドホワイトペーパーとカリキュラム指向のポジション記事は、AIを活用した素材発見のためのAI教育は、ツールアクセスを超えて、生成AIシステムと表面レベルでのインタラクションを、AIリテラシーのワークフロー整合モデルに移行する必要がある、と論じている。
私たちはAIリテラシーを、データ証明、ドメイン固有の成果化、モデル検証、不確実性定量化、物理情報推論、再現性、実験的なフィードバックといった、材料情報処理能力に結び付けています。
機関は、アクセス、参加、エンゲージメントだけでなく、AI対応の指導が、生徒の信頼と彼らの仕事の質や正しさ、永続性、そして学生のサブグループ間の研究準備の整合性として定義される、学習の伝達、信頼度校正といった、同等の学習効果を生み出すかどうかも評価すべきである。
本稿では、関連する証拠を合成し、認知的オフロードや認知的放棄などの学習者のリスクを特定し、カリキュラムガイドやコース、ブートキャンプ、ワークショップ、プログラムレベルの改革に関する評価計画などの2トラックカリキュラムモデルと実施勧告を提供する。
中心的な目標は、AIツールのより効率的なユーザではなく、より良い科学者になるために学生を準備することだ。
関連論文リスト
- AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit and its future directions [65.44445343399126]
我々は、生物学、化学、気候科学、数学、材料科学、物理学、自動運転研究所、非伝統的コンピューティングにまたがるAI可能な科学を考察する。
多様な信頼性のあるデータの必要性、伝達可能な電子構造と原子間モデル、AIシステムがエンドツーエンドの科学合成に統合される。
ドメイン全体にわたって、大規模な基礎モデル、アクティブラーニング、自動運転車研究所が、予測と検証の間のループを閉じる方法について強調する。
論文 参考訳（メタデータ） (2025-11-26T02:10:28Z) - Report on the Scoping Workshop on AI in Science Education Research 2025 [2.0613397238713778]
報告では、科学教育研究における人工知能(AI)の役割に関する2日間の国際スコピングワークショップの結果を要約している。
AIは科学の実践、教室の学習、そして研究の方法に素早く反応するので、この分野は新たな機会と重要な課題に直面している。
報告書は、トレーニング、インフラ、標準のための実行可能なレコメンデーションと、資金提供者、政策立案者、専門機関、学術部門のガイダンスで締めくくっている。
論文 参考訳（メタデータ） (2025-11-18T10:23:22Z) - Bridging the Skills Gap: A Course Model for Modern Generative AI Education [0.0]
生成的AI能力は、産業ではますます重視されるが、高等教育では重視されない。
著者らは、さまざまな分野の学生は、AIツールの可能性に責任を持ち、専門的に活用するよう教えなければならないと主張している。
論文 参考訳（メタデータ） (2025-11-13T21:24:54Z) - AI Literacy as a Key Driver of User Experience in AI-Powered Assessment: Insights from Socratic Mind [2.0272430076690027]
本研究では,学生のAIリテラシーと,それ以前のAI技術への露出が,ソクラティックマインドに対する認識をいかに形作るかを検討する。
コンピュータサイエンス・ビジネスコースの309人の学部生のデータを収集した。
論文 参考訳（メタデータ） (2025-07-29T10:11:24Z) - A Review of Generative AI in Computer Science Education: Challenges and Opportunities in Accuracy, Authenticity, and Assessment [2.1891582280781634]
本稿では、コンピュータサイエンス教育におけるChatGPTやClaudeといったジェネレーティブAIツールの利用について調査する。
ジェネレーティブAIは、AI幻覚、エラーの伝播、バイアス、AI支援コンテンツと学生認可コンテンツの間のぼやけた線などの懸念を提起する。
論文 参考訳（メタデータ） (2025-06-17T19:20:58Z) - The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。
我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
論文 参考訳（メタデータ） (2025-06-09T18:37:14Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳（メタデータ） (2023-02-13T16:44:44Z) - 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。