論文の概要: Generative AI as a Design Variable: An Evidence-Centered Framework for Principled Governance in STEM Assessment
- arxiv url: http://arxiv.org/abs/2605.24837v1
- Date: Sun, 24 May 2026 03:06:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:18.469781
- Title: Generative AI as a Design Variable: An Evidence-Centered Framework for Principled Governance in STEM Assessment
- Title（参考訳）: 設計変数としてのジェネレーティブAI:STEMアセスメントにおける原則的ガバナンスのためのエビデンス中心のフレームワーク
- Authors: Yizhu Gao, Zhongzhou Chen, Min Li, Xiaoming Zhai,
- Abstract要約: Generative Artificial Intelligence (GenAI)は、STEMアセスメントのためのガバナンスの課題を提示している。
制限のないGenAIアクセスは、従来の評価の妥当性を損なうタスクアウトソーシングを可能にする。
本稿では,GenAIを外部の脅威ではなく,評価論における設計変数として扱うフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 4.027696535560039
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative Artificial Intelligence (GenAI) presents a governance challenge for STEM assessment. Unrestricted GenAI access enables task outsourcing that undermines the validity of traditional assessments; blanket prohibitions are difficult to enforce, may push use underground, and do little to prepare students for workplaces where GenAI-supported workflows are increasingly common. This paper addresses this dilemma by proposing a framework grounded in Evidence-Centered Design (ECD) that treats GenAI as a design variable within the assessment argument rather than an external threat to it. The framework analyzes how GenAI reshapes the student model, evidence model, and task model, and uses this analysis to articulate three principled governance stances. Restrict is warranted when GenAI would contaminate the inferential link between student work products and targeted unaided proficiency. Scaffold is warranted when bounded GenAI support can support peripheral demands without revealing the target construct, preserving inferential interpretability. Require is warranted when the target construct is disciplinary AI interaction competency and tasks can be designed to elicit process artifacts, including prompts, critiques, and revisions, that make student reasoning observable, scorable, and distinguishable from AI-generated output. This framework specifies when to restrict, scaffold, or require GenAI use in STEM assessment. We present two task designs deployed in an introductory physics course and demonstrate that disciplinary AI interaction competencies are observable in student response artifacts and can be scored using defensible rubrics grounded in student data and expert knowledge. By situating GenAI governance within validity arguments, the framework offers actionable guidance for preserving learning integrity while supporting authentic preparation for AI-enabled professional environments.
- Abstract（参考訳）: Generative Artificial Intelligence (GenAI)は、STEMアセスメントのためのガバナンスの課題を提示している。
制約のないGenAIアクセスは、従来の評価の妥当性を損なうタスクアウトソーシングを可能にし、ブランケット禁止を強制することは困難であり、地下での使用を推進し、GenAIが支援するワークフローがますます一般的になっている職場向けの学生の準備をほとんど行わない。
本稿では,GenAIを外部の脅威ではなく,評価論における設計変数として扱うEvidence-Centered Design(ECD)に基づくフレームワークを提案することで,このジレンマに対処する。
このフレームワークは、GenAIが学生モデル、エビデンスモデル、タスクモデルをどのように再評価するかを分析し、この分析を使用して、3つの原則化されたガバナンスのスタンスを明確にする。
GenAIが学生労働製品と対象不明の熟練度との間の推論リンクを汚染すると、制限が保証される。
境界付きGenAIサポートがターゲット構造を明らかにすることなく周辺要求をサポートし、推論可能性を維持することで、Scaffoldは保証される。
対象のコンストラクトがディシプリナAIインタラクション能力である場合、要求は保証され、プロンプト、批評、リビジョンを含むプロセスアーティファクトを抽出するタスクが設計され、学生の推論を観察可能で、装飾可能で、AI生成された出力と区別できる。
このフレームワークは、STEMアセスメントでGenAIの使用を制限する、足場を制限する、または要求するタイミングを指定する。
本稿では,初歩的な物理コースに展開された2つのタスク設計について紹介し,学生の応答アーティファクトにおいて,ディシプリナAIインタラクション能力が観察可能であること,および,学生データと専門家の知識を基盤とした防御可能なルーリックを用いて得点できることを実証する。
GenAIガバナンスを妥当な議論の中に配置することで、このフレームワークは、AI対応のプロフェッショナル環境の真の準備をサポートしながら、学習の完全性を維持するための実行可能なガイダンスを提供する。
関連論文リスト
- How Do Software Engineering Students Use Generative AI in Real-World Capstone Projects? An Empirical Baseline Study [1.5102168012018966]
生成AI(GenAI)のプロフェッショナルソフトウェア開発への迅速な統合は、新たな課題をもたらします。
RWCPコースにおける自己決定型GenAI使用の大規模検討を行った。
我々の発見は、ソフトウェアエンジニアリングライフサイクル全体にわたるGenAIプラクティスの特徴を提供する。
論文 参考訳（メタデータ） (2026-04-27T14:23:46Z) - AI to Learn 2.0: A Deliverable-Oriented Governance Framework and Maturity Rubric for Opaque AI in Learning-Intensive Domains [0.0]
ジェネレーティブAIは、現在のガバナンスフレームワークよりも早く研究、教育、プロフェッショナルな仕事に入り、AIによるアウトプットをどのように判断すべきかを特定できる。
本稿では,AI支援作業のためのデリバリ指向ガバナンスフレームワークであるLearning 2.0を提案する。
論文 参考訳（メタデータ） (2026-03-16T11:44:43Z) - A Design Science Blueprint for an Orchestrated AI Assistant in Doctoral Supervision [7.136113739927491]
本研究は,社会技術仲介者として機能するAIアシスタントと共同パイロットのための設計科学の青写真である。
このようなシステムのリスクには、AI過信や学習の錯覚の可能性などが含まれる。
このコントリビューションは、組織が規律を越えて実施し、試行できるワークフローとガバナンスルールを備えた、先進的で文学的なデザインである。
論文 参考訳（メタデータ） (2025-10-22T04:20:35Z) - Encouraging Students' Responsible Use of GenAI in Software Engineering Education: A Causal Model and Two Institutional Applications [0.4306143768014156]
ジェネレーティブAI(GenAI)ツールが教育で普及するにつれ、学生が学習よりも学習に使用することへの懸念が高まっている。
本稿では、ソフトウェア工学(SE)教育におけるGenAI利用に責任を持つ教育者を支援するために、因果モデルを提案し、実証的に適用する。
論文 参考訳（メタデータ） (2025-05-31T19:27:40Z) - Enterprise Architecture as a Dynamic Capability for Scalable and Sustainable Generative AI adoption: Bridging Innovation and Governance in Large Organisations [55.2480439325792]
生成人工知能(Generative Artificial Intelligence)は、イノベーションを促進し、多くの産業におけるガバナンスを再形成する可能性を持つ強力な新技術である。
しかし、テクノロジの複雑さ、ガバナンスのギャップ、リソースのミスアライメントなど、GenAIをスケールする上で大きな課題に直面している。
本稿では、大企業におけるGenAI導入の複雑な要件をエンタープライズアーキテクチャ管理が満たす方法について検討する。
論文 参考訳（メタデータ） (2025-05-09T07:41:33Z) - Computational Safety for Generative AI: A Signal Processing Perspective [65.268245109828]
計算安全性は、GenAIにおける安全性の定量的評価、定式化、研究を可能にする数学的枠組みである。
ジェイルブレイクによる悪意のあるプロンプトを検出するために, 感度解析と損失景観解析がいかに有効かを示す。
我々は、AIの安全性における信号処理の鍵となる研究課題、機会、そして重要な役割について論じる。
論文 参考訳（メタデータ） (2025-02-18T02:26:50Z) - Attack Atlas: A Practitioner's Perspective on Challenges and Pitfalls in Red Teaming GenAI [52.138044013005]
生成AI、特に大規模言語モデル(LLM)は、製品アプリケーションにますます統合される。
新たな攻撃面と脆弱性が出現し、自然言語やマルチモーダルシステムにおける敵の脅威に焦点を当てる。
レッドチーム(英語版)はこれらのシステムの弱点を積極的に識別する上で重要となり、ブルーチーム(英語版)はそのような敵の攻撃から保護する。
この研究は、生成AIシステムの保護のための学術的な洞察と実践的なセキュリティ対策のギャップを埋めることを目的としている。
論文 参考訳（メタデータ） (2024-09-23T10:18:10Z) - Model-based Maintenance and Evolution with GenAI: A Look into the Future [47.93555901495955]
我々は、モデルベースエンジニアリング(MBM&E)の限界に対処する手段として、生成人工知能(GenAI)を用いることができると論じる。
我々は、エンジニアの学習曲線の削減、レコメンデーションによる効率の最大化、ドメイン問題を理解するための推論ツールとしてのGenAIの使用を提案する。
論文 参考訳（メタデータ） (2024-07-09T23:13:26Z) - Innovating Computer Programming Pedagogy: The AI-Lab Framework for
Generative AI Adoption [0.0]
我々は、中核的なプログラミングコースでGenAIを効果的に活用するために、学生を指導するフレームワーク「AI-Lab」を紹介した。
GenAIの誤りを特定し、修正することで、学生は学習プロセスを充実させる。
教育者にとって、AI-Labは、学習経験におけるGenAIの役割に対する学生の認識を探索するメカニズムを提供する。
論文 参考訳（メタデータ） (2023-08-23T17:20:37Z) - Seamful XAI: Operationalizing Seamful Design in Explainable AI [59.89011292395202]
AIシステムのミスは必然的であり、技術的制限と社会技術的ギャップの両方から生じる。
本稿では, 社会工学的・インフラ的ミスマッチを明らかにすることにより, シームレスな設計がAIの説明可能性を高めることを提案する。
43人のAI実践者と実際のエンドユーザでこのプロセスを探求します。
論文 参考訳（メタデータ） (2022-11-12T21:54:05Z) - 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。