論文の概要: Computational Thinking Development in AI Agent Creation_A Mixed-Methods Study
- arxiv url: http://arxiv.org/abs/2605.14330v1
- Date: Thu, 14 May 2026 03:48:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-15 21:45:34.609165
- Title: Computational Thinking Development in AI Agent Creation_A Mixed-Methods Study
- Title（参考訳）: AIエージェント作成_A混合手法研究における計算思考開発
- Authors: Yimeng Sun, Haiyang Xin, Qiannan Niu, Shuang Li, Lingyun Huang, Gaowei Chen,
- Abstract要約: 本研究では,CocoFlowを用いた5日間のAIエージェント作成ワークショップにおいて,93人の高校生を対象に,計算的思考の発達について検討した。
その結果,抽象的思考とアルゴリズム的思考の大幅な改善が示された。
初等CT値が中等度であった学生は,高CT,低CTともに有意な上昇を示した。
- 参考スコア（独自算出の注目度）: 7.73047406525975
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This mixed-methods study examined computational thinking (CT) development among 93 pre-high school students in a five-day AI agent creation workshop using CocoFlow, a no-code platform. Integrating pre-post assessments, behavioral logs, and interviews, we investigated CT development and how initial CT levels shape learning trajectories. Results revealed significant improvements in abstract thinking (effect size d = 0.71) and algorithmic thinking (effect size d = 0.70). Hierarchical regression identified iterative testing engagement as a predictor of self-efficacy gains (beta = 0.20, p = 0.05). Notably, students with moderate initial CT levels demonstrated substantially greater gains than both high-CT and low-CT peers, revealing an Optimal Development Zone effect (eta squared = 0.55). Qualitative analysis showed moderate-CT students exhibited adaptive expertise, while high-CT students risked over-engineering and low-CT students struggled with task decomposition. These findings challenge linear learning assumptions and provide evidence for differentiated scaffolding in CT education.
- Abstract（参考訳）: 本研究は,CocoFlowを用いた5日間のAIエージェント作成ワークショップにおいて,高校生93名を対象に,CT(Computer Thinking)の開発について検討した。
プレポストアセスメント,行動ログ,インタビューを統合し,CTの発達と初期CTレベルの学習軌跡の形状について検討した。
その結果、抽象的思考(効果サイズd = 0.71)とアルゴリズム的思考(効果サイズd = 0.70)の大幅な改善が示された。
階層的回帰は、反復テストのエンゲージメントを自己効力向上の予測因子(ベータ = 0.20, p = 0.05)と同定した。
特に、適度な初期CTレベルを持つ学生は、高CTと低CTのピアよりも有意に増加し、最適開発ゾーン効果(eta squared = 0.55)が示された。
質的分析の結果,中等度CT学生は適応的専門知識を示し,高CT学生はオーバーエンジニアリングのリスクがあり,低CT学生はタスク分解に苦慮していた。
これらの知見は線形学習の仮定に挑戦し,CT教育における足場分化の証拠となる。
関連論文リスト
- Distilling Photon-Counting CT into Routine Chest CT through Clinically Validated Degradation Modeling [51.330452704464925]
145の病院から1,046のPCCTと405,379のEICTで潜伏拡散モデルを訓練した。
我々は,PCCTライクな品質に拡張された17,316以上の公開EICTの大規模データセットを構築した。
以上の結果から,現像技術の進歩は,限られた高画質スキャンを基準として,定期的なEICTに体系的に蒸留できることが示唆された。
論文 参考訳（メタデータ） (2026-04-08T17:47:35Z) - KD-OCT: Efficient Knowledge Distillation for Clinical-Grade Retinal OCT Classification [0.0]
加齢に伴う黄斑変性 (AMD) と脈絡膜新生血管形成 (CNV) の関連が世界中の視力喪失の原因となっている。
ConvNeXtV2-Largeのような最先端のディープラーニングモデルを臨床環境で展開することは、彼らの計算要求を妨げている。
リアルタイムデプロイメントを実現しつつ、高い診断性能を維持する効率的なモデルを開発することが望ましい。
論文 参考訳（メタデータ） (2025-12-09T19:34:30Z) - AI-Assisted Pleural Effusion Volume Estimation from Contrast-Enhanced CT Images [0.0]
Pleuralfusions (PE) は多くの異なる臨床疾患でよく見られる疾患である。
CTスキャンで音量を正確に測定することは難しい。
コントラスト強調CTボリュームに基づく半教師付きディープラーニングフレームワークを開発した。
論文 参考訳（メタデータ） (2025-10-04T16:06:10Z) - Synthetic CT image generation from CBCT: A Systematic Review [44.01505745127782]
深層学習法を用いたコーンビームCT(CBCT)データから合成CT(sCT)画像を生成することは,放射線腫瘍学における重要な進歩である。
sCT 生成における深層学習アプローチの頻度を明らかにするため,35 件の関連研究を同定,解析した。
論文 参考訳（メタデータ） (2025-01-22T13:54:07Z) - Multitask Deep Learning for Accurate Risk Stratification and Prediction
of Next Steps for Coronary CT Angiography Patients [26.50934421749854]
リスク階層化と下流テスト選択を支援するマルチタスク深層学習モデルを提案する。
提案手法は,CADのリスク層化において0.76AUC,下流試験では0.72AUCの受信機動作特性を持つCurve(AUC)のエリアを達成した。
論文 参考訳（メタデータ） (2023-09-01T08:34:13Z) - Penalized Deep Partially Linear Cox Models with Application to CT Scans
of Lung Cancer Patients [42.09584755334577]
肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。
NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。
本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
論文 参考訳（メタデータ） (2023-03-09T15:38:16Z) - Distantly-Supervised Named Entity Recognition with Adaptive Teacher
Learning and Fine-grained Student Ensemble [56.705249154629264]
NERモデルの堅牢性を改善するために,自己学習型教員学生フレームワークを提案する。
本稿では,2つの教員ネットワークからなる適応型教員学習を提案する。
微粒な学生アンサンブルは、教師モデルの各フラグメントを、生徒の対応するフラグメントの時間移動平均で更新し、各モデルフラグメントのノイズに対する一貫した予測を強化する。
論文 参考訳（メタデータ） (2022-12-13T12:14:09Z) - The competent Computational Thinking test (cCTt): Development and
validation of an unplugged Computational Thinking test for upper primary
school [0.8367620276482053]
対象は7～9歳の学生を対象にしたCT検査である。
専門家による評価の結果,cCTtは顔,構成,内容の妥当性が良好であることが示唆された。
学生データの心理測定分析は、十分な信頼性、難易度、識別可能性を示す。
論文 参考訳（メタデータ） (2022-03-11T15:05:35Z) - Incremental Cross-view Mutual Distillation for Self-supervised Medical
CT Synthesis [88.39466012709205]
本稿では,スライス間の分解能を高めるために,新しい医療スライスを構築した。
臨床実践において, 根本・中間医療スライスは常に欠落していることを考慮し, 相互蒸留の段階的相互蒸留戦略を導入する。
提案手法は,最先端のアルゴリズムよりも明確なマージンで優れる。
論文 参考訳（メタデータ） (2021-12-20T03:38:37Z) - Deep learning-based COVID-19 pneumonia classification using chest CT
images: model generalizability [54.86482395312936]
深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。
我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。
複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
論文 参考訳（メタデータ） (2021-02-18T21:14:52Z) - COVI-AgentSim: an Agent-based Model for Evaluating Methods of Digital
Contact Tracing [68.68882022019272]
COVI-AgentSimは、ウイルス学、病気の進行、社会的接触ネットワーク、移動パターンに基づくエージェントベースのコンパートメンタルシミュレータである。
1)バイナリテスト結果に基づいてバイナリレコメンデーションを割り当てる標準バイナリコンタクトトレース (BCT) と,2) 多様な特徴に基づいてグレードレベルのレコメンデーションを割り当てる特徴ベースコンタクトトレース (FCT) のルールベースの手法である。
論文 参考訳（メタデータ） (2020-10-30T00:47:01Z)
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。