論文の概要: Programming Language Policy as an AI Literacy Equity Problem: A 15-Nation Comparative Analysis
- arxiv url: http://arxiv.org/abs/2607.11314v1
- Date: Mon, 13 Jul 2026 09:27:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 17:47:21.418037
- Title: Programming Language Policy as an AI Literacy Equity Problem: A 15-Nation Comparative Analysis
- Title（参考訳）: AIリテラシー問題としての言語政策:15国比較分析
- Abstract要約: ガバナンス構造と高い評価が両課題の主要な要因であることを示す。
専門的な言語選択や一般トラック言語選択は,教師パイプラインの共有を通じて独立して行われることは稀である。
- 参考スコア（独自算出の注目度）: 0.17188280334580197
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The promise of AI literacy ``for all'' confronts a structural challenge embedded in how nations organise secondary computer science education. In most systems, a general-track subject -- Digital Literacy, ICT, TIC, or SNT -- bears the weight of universal AI literacy, while a specialist Informatics course serves STEM pathways separately. Yet the content and depth of the general track are shaped by governance decisions made largely with reference to the specialist one. This paper presents a comparative analysis of curricula and examination frameworks across fifteen countries, identifying two structural challenges. First, in several systems a significant portion of students completes secondary education without any formal programming exposure. Second, among those who do receive CS education, a \emph{Syntax Ceiling} emerges: Python-based instruction reaches most students, while the algorithmic depth associated with C++ remains concentrated in elite STEM tracks. Drawing on reform cases spanning centralised mandates (France, China, Japan), assessment-driven systems (Poland, Romania, South Korea), and recent universal reforms (Switzerland, Kazakhstan), we show that governance structures and high-stakes examinations are the primary drivers of both challenges -- and that specialist and general-track language choices are rarely independent, linked through shared teacher pipelines that curriculum policy seldom acknowledges. Achieving genuine AI literacy for all requires confronting not just curriculum content, but the access architectures and resource constraints that determine who receives it -- and at what depth.
- Abstract（参考訳）: AIリテラシーの「すべて」の約束は、国家が二次的なコンピュータサイエンス教育をどう組織するかという構造的な課題に直面している。
ほとんどのシステムでは、デジタルリテラシー(Digital Literacy)、ICT(ICT)、TIC(TIC)、SNT(SNT)といった一般的な対象が普遍的なAIリテラシーの重みを持ち、専門家のInformaticsコースはSTEMパスを別々に提供している。
しかし、一般的なトラックの内容と深さは、主にスペシャリストに関するガバナンスの決定によって形作られています。
本稿では、15か国におけるカリキュラムと試験フレームワークの比較分析を行い、2つの構造的課題を特定した。
第一に、いくつかのシステムにおいて、学生のかなりの部分は、正式なプログラミングの露出なしに中等教育を修了する。
第二に、CS教育を受けている人のうち、emph{Syntax Ceiling}が出現する: Pythonベースの命令は、ほとんどの生徒に届き、C++に関連するアルゴリズムの深さは、エリートSTEMトラックに集中している。
中央集権委任統治(フランス、中国、日本)、アセスメント駆動システム(ポーランド、ルーマニア、韓国)、そして近年の普遍的改革(スウィッツァーランド、カザフスタン)にまたがる改革事例について、ガバナンス構造とハイテイク試験が両課題の主要因であり、専門家と一般トラック言語の選択は、カリキュラム政策がほとんど認識しない共有教師パイプラインを通じて、ほとんど独立していないことを示す。
真のAIリテラシーを達成するためには、カリキュラムの内容だけでなく、誰がそれを受け取り、どの深さでどのようなアクセスアーキテクチャやリソース制約に直面する必要がある。
関連論文リスト
- 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) - Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey [59.3507264893654]
課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。
SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。
本稿では,この新興領域を体系的に調査する。
論文 参考訳（メタデータ） (2026-01-15T18:55:03Z) - A Systematic Analysis of Higher Education on Software Engineering in the Netherlands [5.647386383202981]
オランダの大学10校と大学207校を対象とするクラウドソース分析プロセスを活用する。
構築とプログラミングは、Bachelorレベルで最もカバーされた知識領域です。
ソフトウェア工学の経済学のような、表現の浅い分野を特定します。
論文 参考訳（メタデータ） (2025-12-14T11:37:16Z) - PustakAI: Curriculum-Aligned and Interactive Textbooks Using Large Language Models [4.419156740280761]
LLM(Large Language Models)は、人間のようなコンテンツを理解し、生成する際、顕著な能力を示す。
我々は多くのインドの言語で「本」を意味する"PustakAI"footnotePustak"の枠組みを提示する。
メタプロンプト,少数ショット,CoTスタイルプロンプトなど,さまざまなプロンプト技術を用いてデータセットを評価する。
論文 参考訳（メタデータ） (2025-11-13T06:12:12Z) - CDTP: A Large-Scale Chinese Data-Text Pair Dataset for Comprehensive Evaluation of Chinese LLMs [71.01843542502438]
我々は,中国語大言語モデル(CB-ECLLM)を評価するための総合的ベンチマークを提案する。
CB-ECLLMは、新たに構築された中国データテキストペア(CDTP)データセットに基づいている。
CDTPは700万以上のテキストペアで構成されており、それぞれが1つ以上の対応する3重テキストと、4つの重要なドメインにまたがる合計1500万の3重テキストで構成されている。
論文 参考訳（メタデータ） (2025-10-07T15:33:52Z) - Sakshm AI: Advancing AI-Assisted Coding Education for Engineering Students in India Through Socratic Tutoring and Comprehensive Feedback [1.9841192743072902]
プログラミング教育のための既存のAIツールは、ソクラティックガイダンスの欠如など、重要な課題に直面している。
本研究では,1170名の登録参加者を対象に,プラットフォームログ,エンゲージメント傾向,問題解決行動を分析し,Sakhm AIの効果を評価する。
論文 参考訳（メタデータ） (2025-03-16T12:13:29Z) - Could ChatGPT get an Engineering Degree? Evaluating Higher Education Vulnerability to AI Assistants [176.39275404745098]
我々は,2つのAIアシスタントであるGPT-3.5とGPT-4が適切な回答を得られるかどうかを評価する。
GPT-4は65.8%の質問を正解し、85.1%の質問に対して少なくとも1つの手順で正しい答えを出すことができる。
この結果から,AIの進歩を踏まえて,高等教育におけるプログラムレベルの評価設計の見直しが求められた。
論文 参考訳（メタデータ） (2024-08-07T12:11:49Z) - OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。
これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。
我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
論文 参考訳（メタデータ） (2024-06-18T16:20:53Z) - Comparative Analysis Vision of Worldwide AI Courses [11.231658712906878]
この研究は、先進大学の多様なコース構造を掘り下げ、現代のトレンドと優先順位を探求し、AI教育における曖昧なアプローチを明らかにする。
また、コアAIトピックと、頻繁に教えられる学習内容について、CS2023のカリキュラムガイダンスと比較し、収束と分散を識別する。
論文 参考訳（メタデータ） (2024-06-04T03:53:57Z) - The interdisciplinary quantum information classroom: Themes from a
survey of quantum information science instructors [0.0]
量子情報科学(QIS)コースの学際的な導入は、全米の大学で増加している。
全国の機関でQIS講座の紹介を指導するインストラクターの調査結果について報告する。
論文 参考訳（メタデータ） (2022-02-12T00:37:58Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z)
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。