論文の概要: Implementing GenAI-Supported Learning in Software Engineering and Computer Science Education using Bloom's Taxonomy
- arxiv url: http://arxiv.org/abs/2606.27398v1
- Date: Wed, 24 Jun 2026 10:44:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.271566
- Title: Implementing GenAI-Supported Learning in Software Engineering and Computer Science Education using Bloom's Taxonomy
- Title（参考訳）: ブルームの分類学を用いたソフトウェア工学・コンピュータサイエンス教育におけるGenAI支援学習の実践
- Abstract要約: ソフトウェアエンジニアリング教育におけるジェネレーティブAIの採用は、表面的な学習と学術的整合性に関する懸念とともに、学習支援の機会を高める。
本研究は,Bloomの分類に整合した明示的な指導指導が,SE/CS教育におけるGenAIの関与をどう支援するかを考察する。
- 参考スコア（独自算出の注目度）: 0.4306143768014156
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Context: Generative AI adoption in software engineering education raises opportunities for learning support alongside concerns about superficial learning and academic integrity. Objective: This study investigates how explicit instructional guidance aligned with Bloom's taxonomy supports responsible GenAI use in SE/CS education, exploring student and instructor perceptions of GenAI-supported learning. Method: We designed a Bloom-aligned GenAI framework that articulated appropriate GenAI roles at different cognitive levels. The framework was embedded in course instructions, labs, and assessment across multiple SE/CS courses at Queen's University Belfast and Azerbaijan Technical University. Data were collected via anonymous questionnaires and learning artifacts, analyzed using thematic analysis with Bloom's taxonomy as an analytic lens. Results: Students perceived GenAI as most valuable for higher-order cognitive activities (analysis, evaluation, reflection) and less suitable for foundational learning. Explicit Bloom-level guidance influenced students to use GenAI reflectively, with delayed or intentional non-use when independent thinking was prioritized. Both students and instructors reported pedagogical benefits alongside challenges in cognitive effort and instructional design workload. Conclusion: GenAI's educational value lies in intentional alignment between cognitive learning goals, instructional guidance, and learner self-regulation. Bloom's taxonomy provides a scalable, pedagogy-driven framework for responsible GenAI use in SE/CS education, offering a practical alternative to enforcement-focused responses.
- Abstract（参考訳）: コンテキスト: ソフトウェアエンジニアリング教育におけるジェネレーティブAIの採用は、表面的な学習と学術的整合性に関する懸念とともに、学習支援の機会を高めます。
目的: 本研究は, ブルームの分類に整合した明示的な指導指導が, SE/CS教育におけるGenAIの関与, 学生の探索, GenAI支援学習に対するインストラクターの認識にどのように寄与するかを検討する。
方法: 認知レベルでの適切なGenAIの役割を明示するブルーム対応のGenAIフレームワークを設計した。
このフレームワークは、クイーンズ大学ベルファスト校とアゼルバイジャン工科大学の複数のSE/CSコースのコースインストラクション、研究室、アセスメントに埋め込まれた。
データは匿名のアンケートや学習成果物を通じて収集され、ブルームの分類学を分析レンズとしてテーマ分析を用いて分析された。
結果:GenAIは高次認知活動(分析,評価,反射)に最も有用であり,基礎学習にはあまり適していない。
明示的なブルームレベルの指導は、独立した思考が優先されたときに、遅延的または意図的な非使用によって、学生がGenAIを反射的に使用することに影響した。
学生とインストラクターは、認知活動の課題と教育設計の作業負荷とともに教育的利益を報告した。
結論:GenAIの教育的価値は,認知学習目標,指導指導,学習者の自己統制の意図的な一致にある。
Bloomの分類学は、SE/CS教育におけるGenAIの責任を負うためのスケーラブルで教育主導のフレームワークを提供する。
関連論文リスト
- Is Solving Better Than Evaluating GenAI Solutions? [45.714140455691485]
本研究では,GenAIが生成する解を,中等レベルのアルゴリズムコースで従来の問題解決法と比較する。
調査では,中期成績,最終試験成績,総合成績,授業介入と構造的に整合した試験問題に統計的に有意な差は認められなかった。
学生は、GenAI生成ソリューションの評価において、かなり高い得点を得たが、この局所的な優位性は下流の利得に変換されなかった。
論文 参考訳（メタデータ） (2026-07-30T02:08:29Z) - Patterns of Learner-AI Interaction and Academic Performance in an Object-Oriented Programming Course [0.0]
本研究では、オブジェクト指向プログラミング(OOP)コースにおける学習結果と学習者とAIの相互作用形態の違いについて検討する。
初年度のOOPコースに入学した210人の大学生を対象に,調査データを収集した。
論文 参考訳（メタデータ） (2026-05-26T07:48:00Z) - Exploring Student Perception on Gen AI Adoption in Higher Education: A Descriptive Study [1.978884131103313]
本研究では,学生が生成人工知能(GenAI)をどのように認識し,活用し,評価するかを検討する。
データは、ハートフォードシャー大学の大学院コンピュータサイエンスの学生436名を対象に実施されたアンケートによって収集された。
論文 参考訳（メタデータ） (2026-03-29T17:19:39Z) - On the Role and Impact of GenAI Tools in Software Engineering Education [2.867517731896504]
ChatGPTやGitHub CopilotといったジェネレーティブAI(GenAI)ツールは、ソフトウェアの学習と書き方を変えました。
ソフトウェア工学(SE)教育において、これらのツールはサポートの新しい機会を提供するだけでなく、過度な信頼、倫理的利用、学習への影響に対する懸念も引き起こす。
本研究は,学部生がGenAIツールをどのように利用するか,そのメリット,課題,倫理的懸念,経験を形作る教育的期待に焦点をあてるものである。
論文 参考訳（メタデータ） (2025-12-03T20:51:16Z) - 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) - From Recall to Reasoning: Automated Question Generation for Deeper Math Learning through Large Language Models [44.99833362998488]
先進数学のためのコンテンツ生成を最適化する第1ステップについて検討した。
我々は、GenAIがコース内容に関連する高品質な実践問題を生み出す能力について検討した。
論文 参考訳（メタデータ） (2025-05-17T08:30:10Z) - Evaluating the AI-Lab Intervention: Impact on Student Perception and Use of Generative AI in Early Undergraduate Computer Science Courses [0.0]
Generative AI(GenAI)はコンピュータサイエンス教育に急速に参入しつつある。
形式コースにおける道具使用の指針となる構造的足場の研究のギャップを伴う過信共存に関する懸念。
本研究は,「AI-Lab」の介入が大学生に与える影響について考察する。
論文 参考訳（メタデータ） (2025-04-30T18:12:42Z) - Early Adoption of Generative Artificial Intelligence in Computing Education: Emergent Student Use Cases and Perspectives in 2023 [38.83649319653387]
コンピュータ学生のGenAI利用と認識に関する先行研究は限られている。
私たちは、小さなエンジニアリングに焦点を当てたR1大学で、すべてのコンピュータサイエンス専攻を調査しました。
我々は,GenAIと教育に関する新たな議論に対する知見の影響について論じる。
論文 参考訳（メタデータ） (2024-11-17T20:17:47Z) - 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) - Charting the Future of AI in Project-Based Learning: A Co-Design
Exploration with Students [35.05435052195561]
学習における人工知能(AI)の利用の増加は、学習成果を評価するための新たな課題を提示している。
本稿では,学生のAI活用データの新たな評価材料としての可能性を検討するための共同設計研究を紹介する。
論文 参考訳（メタデータ） (2024-01-26T14:49:29Z) - Toward enriched Cognitive Learning with XAI [44.99833362998488]
本稿では,人工知能(AI)ツールによる認知学習のためのインテリジェントシステム(CL-XAI)を提案する。
CL-XAIの使用は、学習者が問題解決スキルを高めるために問題に取り組むゲームインスパイアされた仮想ユースケースで説明される。
論文 参考訳（メタデータ） (2023-12-19T16:13:47Z) - 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)
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。