Fugu-MT 論文翻訳(概要): A Framework for institutional change in the age of AI

論文の概要: A Framework for institutional change in the age of AI

arxiv url: http://arxiv.org/abs/2605.12757v1
Date: Tue, 12 May 2026 21:11:13 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-14 23:30:27.692685
Title: A Framework for institutional change in the age of AI
Title（参考訳）: AI時代の制度変革のための枠組み
Abstract要約: ジェネレーティブAIは、STEM高等教育を急速に変えつつある。我々の教育実践が変化しているだけでなく、教育変革に関する考え方も適応しなければならない。インタラクティブなエンゲージメントを目的とした既存のSTEMの制度的変化のモデルは、採用論理に大きく従っている。これらの仮定は、到着技術である生成AIには当てはまらない - 十分な教育的証拠ベースを形成する前に、教室に入る。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Generative AI is rapidly reshaping STEM higher education. Not only are our educational practices changing, but how we think about educational transformation must adapt. Existing models of institutional change in STEM, aimed at interactive engagement, have largely followed an adoption logic: relatively stable, well-researched educational practices are evaluated and then scaled. These assumptions do not hold for generative AI, which is an arrival technology -- entering classrooms before a sufficient pedagogical evidence base could form. Building on recent decades of work on STEM institutional change, we propose a framework identifying six dimensions along which prior change models must be reconsidered in light of AI: three concerning the tools at the center of reform (the tool's evidence base, rate of change, and scope), and three concerning the people involved in change (faculty, change agents, and students). For each dimension, we examine how AI-era assumptions differ from those underlying prior interactive engagement reforms and derive design implications, including: privileging humble and local inquiries; organizing reform around pedagogical approaches rather than specific tools; repositioning change agents as facilitators of collective inquiry; and engaging students as partners in reform. Collectively, the six dimensions and design implications constitute a new framework for adapting change models to support institutions under conditions of genuine uncertainty. Finally, we illustrate how the framework may be applied through a brief case-study of a faculty workshop series carried out in a university physics department to support instructors adapting to this modern AI era.
Abstract（参考訳）: ジェネレーティブAIは、STEM高等教育を急速に変えつつある。教育実践が変化しているだけでなく、教育変革に対する考え方も変わらなければならない。対話的エンゲージメントを目的とした既存のSTEMの制度的変化のモデルでは,比較的安定的で,十分に研究された教育実践が評価され,拡張されるという,採用論理に大きく従っている。これらの仮定は、到着技術である生成AIには当てはまらない - 十分な教育的証拠ベースを形成する前に、教室に入る。 STEMの制度的変化に関する最近の数十年の取り組みに基づいて、我々は、事前の変更モデルがAIに基づいて再考されるべき6つの次元を識別する枠組みを提案する。それぞれの次元において、AI時代の仮定が、先駆的な対話型エンゲージメント改革とどのように異なるのかを考察し、謙虚でローカルな問いかけの特権化、特定のツールよりも教育的アプローチによる改革の組織化、集団調査のファシリテーターとしての変革エージェントの再配置、改革のパートナーとしての学生の関与など、設計上の意味を導出する。 6つの次元と設計上の意味は、真に不確実な条件下で制度を支援するために変化モデルを適用するための新しい枠組みを構成する。最後に、このフレームワークが、この現代AI時代に対応するインストラクターを支援するために、大学物理学部で行われた教員ワークショップシリーズの簡単なケーススタディを通してどのように適用されるかを説明する。

関連論文リスト

Continual Learning in Transition [77.0733079568852]
古典的な連続学習は主に、モデルがパラメータ中心のメカニズムを通じて知識を更新および保持することに焦点を当てている。新たなパラダイムは、従来のモデル適応の観点を超えて、CLのスコープを再構築しています。連続学習の3次元的進化を考察する。
論文参考訳（メタデータ） (2026-08-06T16:07:26Z)
Improving Communication of Changes in Model-Based Engineering with Model-Independent Change Descriptions [1.241287366207879]
モデルベースのエンジニアリングでは、学際的なチームは、システム開発のために時間とともに変化するモデルを通じて協力する。ある分野のエンジニアによってなされる変化は、他の分野のエンジニアによって理解されるのは難しいでしょう。モデルに依存しない変更記述を導出することで、変更の意味を保存し、モデル固有の知識を必要としない。
論文参考訳（メタデータ） (2026-07-23T09:13:10Z)
AgentSchool: An LLM-Powered Multi-Agent Simulation for Education [64.62476927093753]
AgentSchoolはマルチエージェントシミュレータで、振舞いではなく状態遷移として学習をモデル化する。周囲の関与、傾きの形成、アグレッショナリによる結束、意見リーダーの出現のもっともらしい痕跡を生成する。 AgentSchoolは、長期記憶、マルチエージェント調整、将来の制度的推論のための社会的に意味のあるテストベッドとして教育の枠組みを定めている。
論文参考訳（メタデータ） (2026-05-28T16:05:58Z)
Reshaping Undergraduate Computer Science Education in the Generative AI Era [85.78707817763434]
生成AIはコンピュータサイエンス(CS)教育の転換点である。 AI技術の進歩に追随するため、CSカリキュラムは、AI生成したアーティファクトの理解と検証へのシフトを検討するべきである。我々は、未来のコンピュータサイエンスの卒業生を効果的に準備し、問題を作成し、解決し、管理し、AIで人工物を作ることができると信じています。
論文参考訳（メタデータ） (2026-05-02T05:26:24Z)
A Systematic AI Adoption Framework for Higher Education: From Student GenAI Usage to Institutional Integration [4.908297240926983]
本研究は,コンピュータサイエンス指向の分野において,学生が生成人工知能ツールをどのように活用するかを考察する。広汎なGenAI利用への制度的適応を支援する、構造化された軽量なフレームワークを開発する。
論文参考訳（メタデータ） (2026-04-23T19:46:15Z)
PISA: A Pragmatic Psych-Inspired Unified Memory System for Enhanced AI Agency [50.712873697511206]
既存の作業は、多種多様なタスクへの適応性に欠けることが多く、AIエージェントメモリの構成的およびタスク指向の役割を見落としている。 PISAは,メモリを構築的かつ適応的なプロセスとして扱う,実践的でサイコにインスパイアされた統合メモリシステムである。既存のLOCOMOベンチマークと新たに提案したデータ解析タスクのAggQAベンチマークに基づいて,PISAが適応性と長期的知識保持を大幅に向上させることで,新たな最先端技術を設定することを確認した。
論文参考訳（メタデータ） (2025-10-12T10:34:35Z)
AI Exchange Platforms [1.143498094481099]
人工知能の組織技術フレームワークへの迅速な統合は、組織がAI駆動モデルに関わる方法を変えました。 AIモデル交換のための構造化プラットフォームの重要性は、組織的有効性と適応性において最重要になっている。本稿では,急速に成長するAIモデル交換領域における技術,ビジネスモデル,ユーザエンゲージメントの動的相互作用を理解するための重要なリソースとして機能する。
論文参考訳（メタデータ） (2025-10-07T19:19:25Z)
Integrating AI Education in Disciplinary Engineering Fields: Towards a System and Change Perspective [0.21262546447395844]
人工知能(AI)のデータやツールを扱う能力を高めることは、学際的なエンジニアリング分野においてより重要になっている。 ChatGPTのような教育と学習のためのツールの採用は大きな注目を集めているが、工学教育におけるAI知識の統合、能力、スキルが欠如している。本稿では,変化モデルのレンズを通して,工学におけるAI教育の統合に関するシステム視点を紹介する。
論文参考訳（メタデータ） (2024-09-28T18:02:17Z)
To accept or not to accept? An IRT-TOE Framework to Understand Educators' Resistance to Generative AI in Higher Education [0.0]
本研究は,教育者が教室で生成人工知能を採用するのを防ぐ障壁を実証的に予測する理論モデルを開発することを目的とする。我々のアプローチは、IRT(Innovation resistance Theory)フレームワークに基づいており、TOE(Technology-Organization-Environment)フレームワークの構成要素を拡張しています。
論文参考訳（メタデータ） (2024-07-29T15:59:19Z)
On the Transformations across Reward Model, Parameter Update, and In-Context Prompt [83.48364984314127]
本稿では,パラメータ更新,報酬モデリング,コンテキスト内プロンプトという,一般的な3つの適応ツールの互換性を示す。我々の研究は、既存の多くの研究を統一し、潜在的研究の方向性を示唆する総合的な見解を提供する。
論文参考訳（メタデータ） (2024-06-24T07:42:32Z)
Identifiable Exchangeable Mechanisms for Causal Structure and Representation Learning [54.69189620971405]
IEM(Identible Exchangeable Mechanisms)と呼ばれる,表現と構造学習のための統合フレームワークを提供する。 IEMは、交換可能な非i.d.データにおける因果構造同定に必要な条件を緩和する新しい洞察を提供する。また、認識可能な表現学習における双対性条件の存在を実証し、新たな識別可能性結果をもたらす。
論文参考訳（メタデータ） (2024-06-20T13:30:25Z)
A Framework for Understanding AI-Induced Field Change: How AI Technologies are Legitimized and Institutionalized [0.0]
本稿では,AIによるフィールド変化を分析し,理解するための概念的枠組みを提案する。新たなAIエージェントを新しい分野や既存の分野に導入することで、アルゴリズムが組織や機関を(再)形成するダイナミクスが生まれる。 AIが引き起こす分野を取り巻く制度的なインフラは概してほとんど精巧ではないため、今後AIシステムのより広範な制度化に支障をきたす可能性がある。
論文参考訳（メタデータ） (2021-08-18T14:06:08Z)
Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。