Fugu-MT 論文翻訳(概要): A Guiding Framework for K-12 Teachers in Creating AI-powered Learning Technologies through Vibe Coding

論文の概要: A Guiding Framework for K-12 Teachers in Creating AI-powered Learning Technologies through Vibe Coding

arxiv url: http://arxiv.org/abs/2607.05406v1
Date: Tue, 09 Jun 2026 00:08:23 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-13 07:26:11.082016
Title: A Guiding Framework for K-12 Teachers in Creating AI-powered Learning Technologies through Vibe Coding
Title（参考訳）: バイブ符号化によるAIを活用した学習技術構築のためのK-12教師のための指導フレームワーク
Abstract要約: 大規模言語モデルは、自然言語プロンプトからコードを生成する。ビブコーディング」は、非プログラマが計算ソリューションを開発することを可能にする。本稿では,教師がバイブコーディングを通じてAIを活用した学習技術を開発するためのフレームワークであるGAIDEを提案する。
参考スコア（独自算出の注目度）: 4.176758013264753
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Large language models generate code from natural language prompts, enabling "vibe coding," which allows non-programmers to develop computational solutions. Vibe coding for teachers amplifies the value of teachers-as-designers, improving technology integration while fostering AI literacy. However, structured guidance on supporting this process is lacking. We propose GAIDE (A Guiding Framework for AI-Integrated Design for Educators), a framework that supports K-12 teachers in creating AI-powered learning technologies through vibe coding. The initial framework, built on Design Thinking and INTERACT, was validated through a CORDTRA interaction analysis of three teachers and four faculty mentors in an eight-week workshop to derive the final framework. Additionally, the qualitative analysis of pre- and post-interviews found an enhancement of teachers' AI literacy. Findings highlight the potential of learning-by-creating for professional development.
Abstract（参考訳）: 大規模言語モデルは、自然言語プロンプトからコードを生成し、非プログラマが計算ソリューションを開発することを可能にする「バイブコーディング」を可能にする。教師のためのバイブコーディングは、教師としてのデザイナーの価値を高め、AIリテラシーを育みながら技術統合を改善します。しかし、このプロセスを支援する構造的なガイダンスは欠落している。我々は,K-12教師によるバイブコーディングによるAIを活用した学習技術開発を支援するフレームワークであるGAIDE(A Guiding Framework for AI-Integrated Design for Educators)を提案する。最初のフレームワークはDesign ThinkingとInterACTに基づいて構築され、最終フレームワークを導出する8週間のワークショップで、3人の教師と4人の教職のメンターによるCORDTRAインタラクション分析によって検証された。さらに、前科と後科の質的分析により、教師のAIリテラシーが向上した。発見は、プロフェッショナルな開発のための学習・バイ・クリエイティングの可能性を強調している。

関連論文リスト

Beyond AI Delegation: A Prompt Pattern Framework for Productive Struggle and Evaluative Judgement in Secure Coding Education [0.45706494756895794]
大規模な言語モデルは、学生が自動システムに書き込み、分析、問題解決を委譲しやすくする。我々は,GenAIが価値ある認知的要求をなくすことなく,教育者がGenAIをコースに維持するのに役立つ実践的な枠組みを導入する。
論文参考訳（メタデータ） (2026-05-23T07:35:49Z)
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)
Generative Teaching via Code [43.45801837806965]
TeachMasterは、解釈可能、編集可能、カリキュラム対応の教育ビデオの制作を自動化するための、計画、設計、レンダリングの協力的なチームである。 TeachMasterは構造的コヒーレンスや視覚的忠実さを損なうことなく生産効率を大幅に向上させる。
論文参考訳（メタデータ） (2025-12-07T12:52:24Z)
EduDial: Constructing a Large-scale Multi-turn Teacher-Student Dialogue Corpus [59.693733170193944]
EduDialは総合的な多ターン教師/学生対話データセットである。 EduDialは345のコアナレッジポイントをカバーし、教師と学生エージェントの対話によって生成された34,250の対話セッションで構成されている。
論文参考訳（メタデータ） (2025-10-14T18:18:43Z)
Generative AI in Training and Coaching: Redefining the Design Process of Learning Materials [44.99833362998488]
我々は、AIが学習材料の設計プロセスにどのように統合され、その効率、教育的品質、そして人間のトレーナーとコーチの進化的な役割に与える影響を評価する。教育と企業研修の専門職との質的なインタビューを通じて、以下の主要なトピックを特定した。 GenAIをベースにしたツールが、個人、組織、システム、戦略的レベルでトレーナーやコーチにうまく実装できるかを導出します。
論文参考訳（メタデータ） (2025-08-06T03:42:43Z)
Decoding Instructional Dialogue: Human-AI Collaborative Analysis of Teacher Use of AI Tool at Scale [9.092920230987684]
大規模言語モデルの教育ツールへの統合は、教師の指導計画に大きな影響を与える可能性がある。本稿では,140,000以上の教育者-AIメッセージの大規模定性分析のための人間-AI協調手法を提案する。
論文参考訳（メタデータ） (2025-07-23T23:23:38Z)
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)
Enhancing AI-Driven Education: Integrating Cognitive Frameworks, Linguistic Feedback Analysis, and Ethical Considerations for Improved Content Generation [0.0]
本稿では,4つの関連研究から洞察を合成し,AI駆動型教育ツールの強化のための包括的枠組みを提案する。我々は、認知アセスメントフレームワーク、AI生成フィードバックの言語分析、倫理設計原則を統合し、効果的で責任のあるAIツールの開発を指導する。
論文参考訳（メタデータ） (2025-05-01T06:36:21Z)
"From Unseen Needs to Classroom Solutions": Exploring AI Literacy Challenges & Opportunities with Project-based Learning Toolkit in K-12 Education [0.3994567502796064]
K-12の生徒には、コンピュータ科学を超えて、AIリテラシーのスキルを身につける必要性がますます高まっている。本稿では,PBL(Project-Based Learning)AIツールキットをさまざまな分野に統合し,教育者がAI概念をより効果的に教えることを目的とした。
論文参考訳（メタデータ） (2024-12-23T03:31:02Z)
From chalkboards to chatbots: SELAR assists teachers in embracing AI in the curriculum [41.94295877935867]
SELARは、教師が人工知能をカリキュラムに統合するためのフレームワークである。本稿では,Hague University of Applied Sciencesの講師が主催するワークショップを通じて,フレームワークの有効性を評価する。
論文参考訳（メタデータ） (2024-10-17T05:40:59Z)
Enhancing Instructional Quality: Leveraging Computer-Assisted Textual Analysis to Generate In-Depth Insights from Educational Artifacts [13.617709093240231]
本研究では、人工知能(AI)と機械学習(ML)が教育内容、教師の談話、学生の反応を分析して教育改善を促進する方法について検討する。私たちは、教師のコーチング、学生のサポート、コンテンツ開発など、AI/ML統合が大きな利点をもたらす重要な領域を特定します。本稿では,AI/ML技術と教育的目標との整合性の重要性を強調し,その教育的可能性を実現する。
論文参考訳（メタデータ） (2024-03-06T18:29:18Z)
Creation and Evaluation of a Pre-tertiary Artificial Intelligence (AI) Curriculum [58.86139968005518]
香港大学(CUHK)-Jockey Club AI for the Future Project(AI4Future)は、第3次教育のためのAIカリキュラムを共同開発した。工学と教育を専門とする14人の教授が、6つの中学校の17の校長と教師と協力してカリキュラムを共同作成した。共同創造プロセスは、AIにおける教師の知識を高める様々なリソースを生み出し、その課題を教室に持ち込むための教師の自主性を育んだ。
論文参考訳（メタデータ） (2021-01-19T11:26:19Z)

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。