論文の概要: Test-Driven, AI-Assisted Learning: Replacing Lectures with Weekly Closed-Book Tests
- arxiv url: http://arxiv.org/abs/2606.23315v1
- Date: Mon, 22 Jun 2026 13:31:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 22:39:20.383813
- Title: Test-Driven, AI-Assisted Learning: Replacing Lectures with Weekly Closed-Book Tests
- Title（参考訳）: テスト駆動型AI支援学習 - 週次クローズドブックテストによる講義のリプレース
- Authors: Jin-Guo Liu, Shang-Qi Lu, Xin-Ran Shi, Long-Li Zheng, Wei Wang,
- Abstract要約: 本稿では、DSAA 3071, Theory of Computationの13週間のTDAA(Test-Driven, AI-Assisted)に関する経験報告である。
このコースは講義を自己指導型AI支援学習に置き換え、頻繁で独立したテストによって高周波品質ゲートを作る。
- 参考スコア（独自算出の注目度）: 4.5476361898006195
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper is an experience report on a 13-week Test-Driven, AI-Assisted (TDAA) redesign of DSAA 3071, Theory of Computation, an upper-level course at the Hong Kong University of Science and Technology (Guangzhou). The design is simple: the course replaces lectures with self-directed, AI-assisted learning, and frequent, independently completed tests create a high-frequency quality gate. AI agents help the instructor prepare the learning path, course website, tests, grading workflow, and repairs. Two conditions made this strict gate workable. Students needed a visible preparation path of learning sheets and aligned validation practice, so the closed-book tests felt fair rather than arbitrary. The instructor needed an AI-assisted materials harness, a version-controlled agent workspace, so that weekly drafting, review, test production, and grading could scale with human oversight. Evidence from a student survey ($N=18$), weekly scores, and the project's git history suggests that students treated the tests as useful accountability and that the harness made frequent closed-book testing operational. The evidence is limited to one small, proof-heavy course without a control group. The contribution is therefore a reusable design pattern: high-frequency tests preserve individual accountability, while AI agents make material production and marking scalable. We release the harness as a public starter template so that other instructors can reproduce it.
- Abstract（参考訳）: 本報告は,香港科学技術大学(広州大学)の上級コースであるDSAA 3071, Theory of Computationを再設計した13週間の試験駆動型AI支援(TDAA)に関する経験報告である。
このコースは講義を自己指導型AI支援学習に置き換え、頻繁で独立したテストによって高周波品質ゲートを作る。
AIエージェントは、インストラクターが学習パス、コースウェブサイト、テスト、グルーピングワークフロー、修理を作成するのを助ける。
2つの条件により、この厳格なゲートは動作可能となった。
学生は学習用紙の目に見える準備パスとアライメントされた検証練習が必要であったため、クローズドブックテストは任意ではなく公平に感じられた。
インストラクターはAI支援の材料ハーネス、バージョン管理されたエージェントワークスペースを必要としたため、毎週のドラフト、レビュー、テスト生産、グレーディングは人間の監視でスケールすることができた。
学生調査(N=18ドル)、週毎のスコア、プロジェクトのgit履歴からは、学生が試験を有用な説明責任として扱い、ハーネスが頻繁にクローズドブックテストを実行したことが示唆されている。
証拠は、制御グループを持たない小さな、証明が重いコースに限られている。
高周波テストは個々の説明責任を保ち、AIエージェントは材料生産とマーキングをスケーラブルにする。
私たちはハーネスをパブリックスターターテンプレートとしてリリースし、他のインストラクターがそれを再現できるようにします。
関連論文リスト
- Framing, Judging, Steering: An Assessable Competency Model for Teach-ing Students to Reason With Generative AI [47.027290803102666]
生産的AI利用を3つの評価可能なスキルに分解する能力モデルであるCoRe-3(Co-Reasoning)を提案する。
理論上のスキルを基盤として、5つのテスト可能な提案を述べ、それらをCoReasoningLabでインスタンス化します。
人為的な合意と成果が次々に行われます。私たちは、計測器、データ、プロトコルをリリースします。
論文 参考訳（メタデータ） (2026-06-04T10:25:31Z) - Teaching AI Through Benchmark Construction: QuestBench as a Course-Based Practice for Accountable Knowledge Work [9.434503228899455]
ベンチマーク構築を通じてAIを教えるコースベースのプラクティスを導入する。
学生は学際的な知識を検証可能な専門家レベルの質問に変換する。
学生は結果のタスクでAIシステムを評価する。
論文 参考訳（メタデータ） (2026-05-20T17:09:56Z) - AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。
我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。
障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
論文 参考訳（メタデータ） (2026-05-18T17:08:26Z) - Ensuring Computer Science Learning in the AI Era: Open Generative AI Policies and Assignment-Driven Written Quizzes [0.0]
本稿では、家庭内プログラミングの課題に生成AIを使用できるアセスメントモデルを提案する。
真正学習を促進するために、クラス内のクローズドブックアセスメントは課題そのものよりも重み付けされている。
統計分析の結果,GenAI使用率と評価結果との間に有意な線形相関は認められなかった。
論文 参考訳（メタデータ） (2026-01-16T17:02:44Z) - EvoTest: Evolutionary Test-Time Learning for Self-Improving Agentic Systems [59.66823584073748]
現在のAIエージェントの基本的な制限は、テスト時に複雑なスキルをその場で学べないことだ。
EvoTestは,エージェントの微調整や勾配を伴わずにエージェントを改良する,進化的テストタイム学習フレームワークである。
論文 参考訳（メタデータ） (2025-10-15T07:16:28Z) - How Students Use Generative AI for Software Testing: An Observational Study [3.2402950370430497]
本研究では、初心者ソフトウェア開発者がエンジニアリングユニットテストのために生成AIとどのように相互作用するかを検討する。
我々は,テストアイデアとテスト実装が生成AIに由来するか,参加者によって定義された4つのインタラクション戦略を特定した。
学生は、時間節約、認知負荷の低減、テスト思考のサポートなどの利点を報告したが、信頼の低下、テスト品質の懸念、所有権の欠如といった欠点も指摘した。
論文 参考訳（メタデータ） (2025-10-12T11:31:41Z) - PyEvalAI: AI-assisted evaluation of Jupyter Notebooks for immediate personalized feedback [43.56788158589046]
PyEvalAIは、プライバシを保護するために、ユニットテストとローカルにホストされた言語モデルを組み合わせてJupyterノートをスコアする。
あるケーススタディは、大学レベルの数値科目における演習のフィードバック速度の向上と学習効率の向上に効果を示す。
論文 参考訳（メタデータ） (2025-02-25T18:20:20Z) - Leveraging Large Language Models for Enhancing the Understandability of Generated Unit Tests [4.574205608859157]
我々は,検索ベースのソフトウェアテストと大規模言語モデルを組み合わせたUTGenを導入し,自動生成テストケースの理解性を向上する。
UTGenテストケースで課題に取り組む参加者は、最大33%のバグを修正し、ベースラインテストケースと比較して最大20%の時間を使用できます。
論文 参考訳（メタデータ） (2024-08-21T15:35:34Z) - Towards Informed Design and Validation Assistance in Computer Games
Using Imitation Learning [65.12226891589592]
本稿では,自動ゲーム検証とテストのための新しいアプローチを提案する。
本手法は,データ駆動型模倣学習技術を活用し,時間と労力をほとんど必要とせず,機械学習やプログラミングの知識も必要としない。
論文 参考訳（メタデータ） (2022-08-15T11:08:44Z) - Continuous Examination by Automatic Quiz Assessment Using Spiral Codes
and Image Processing [69.35569554213679]
紙のキズは安価で、教室のキャンパス教育の範囲内にある。
クイズの修正は かなりの障害だ
本稿では,新しい画像処理技術によって問題を緩和することを提案する。
論文 参考訳（メタデータ） (2022-01-26T22:58:15Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳（メタデータ） (2021-07-23T22:41:28Z)
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。