論文の概要: Beyond Perspectives: A Trio-Ethnography of Interpretation Evolution in LLM-Supported Programming Education

• arxiv url: http://arxiv.org/abs/2607.22463v1
• Date: Fri, 24 Jul 2026 16:28:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:57.179701
• Title: Beyond Perspectives: A Trio-Ethnography of Interpretation Evolution in LLM-Supported Programming Education
• Title（参考訳）: 視点を超えて: LLM支援プログラミング教育における解釈進化のトリオエトノグラフィー
• Abstract要約: ジェネレーティブAIはプログラミング教育を変えつつあるが、教育者は教室の観察だけで生徒のAI支援学習を推測することが多い。 本報告では,異なる教育哲学を持つ2人のコンピュータ教育者と1人の学部生のコンピュータサイエンス学生を対象とするトリオエスノグラフィーについて述べる。 我々は、トリオエスノグラフィーが、コンピュータ教育者が観測可能な生徒の行動を超えて、AI支援学習のより豊かな理解へと進むのを助けるために、貴重な反射的アプローチを提供すると論じている。
• 参考スコア（独自算出の注目度）: 1.4741165229156845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative AI is reshaping programming education, yet educators often infer students' AI-supported learning from classroom observations alone. This experience report presents a trio-ethnography involving two computing educators with different teaching philosophies and one undergraduate computer science student to examine how these interpretations evolve through dialogue. Across three conversations, the educators reflected on students' AI use, discussed changes to programming pedagogy, and revisited their assumptions after engaging with the student's lived experiences. Rather than simply confirming or contradicting the educators' perspectives, the student's narratives revealed learning processes that were largely invisible in the classroom, prompting both educators to reconsider assumptions about AI use, assessment, transparency, and programming instruction. We argue that trio-ethnography offers a valuable reflective approach for helping computing educators move beyond observable student behaviors toward a richer understanding of AI-supported learning and for informing instructional adaptation in the era of generative AI.
• Abstract（参考訳）: ジェネレーティブAIはプログラミング教育を変えつつあるが、教育者は教室の観察だけで生徒のAI支援学習を推測することが多い。 本経験報告では、異なる教育哲学を持つ2人のコンピュータ教育者と1人の学部生による3次元エスノグラフィーを用いて、これらの解釈が対話を通してどのように進化するかを考察する。 3つの会話を通じて、教育者は学生のAI利用を反映し、プログラミング教育の変更について議論し、学生の生きた経験に関わった後、仮定を再考した。 生徒の物語は、単に教育者の視点を確かめたり、矛盾させたりするのではなく、教室でほとんど見えない学習過程を明らかにし、両方の教育者がAIの使用、評価、透明性、プログラミング指導に関する仮定を再考するよう促した。 我々は、トリオエスノグラフィーは、コンピュータ教育者が観測可能な生徒の行動を超えて、AI支援学習のより豊かな理解へと移行し、生成的AIの時代における教育適応を示すための貴重な反射的アプローチを提供すると論じている。

関連論文リスト

• Writing With Machines and Peers: Designing for Critical Engagement with Generative AI [5.719812010814006]
  本研究では,大学院レベルの書記活動において,AIとピアフィードバックを統合した教育設計を提案する。 学生は複数の執筆と修正段階を通じて文献レビュープロジェクトを開発し、カスタムビルドのAIレビュアーと人間ピアからのフィードバックを受けた。
  論文  参考訳（メタデータ） (2025-11-19T02:17:42Z)
• UCO: A Multi-Turn Interactive Reinforcement Learning Method for Adaptive Teaching with Large Language Models [59.693733170193944]
  大規模言語モデル(LLM)は、教育環境において、回答提供者からインテリジェントな家庭教師へとシフトしている。 最近の強化学習アプローチはこの制限に対処するが、2つの重要な課題に直面している。 これらの課題に対処するために一方向認知最適化法(UCO)を提案する。
  論文  参考訳（メタデータ） (2025-11-12T01:27:02Z)
• AI Literacy for Community Colleges: Instructors' Perspectives on Scenario-Based and Interactive Approaches to Teaching AI [0.500208619516796]
  本研究は,非STEM学習者を対象とした対話型,非コード型AIリテラシーリソースについて,コミュニティ・カレッジ・インストラクターがどのように評価するかを検討する。 人工知能が日々のテクノロジーに統合されるにつれて、AIリテラシーは分野によって重要なスキルとして現れてきた。 AI Userはインタラクティブなオンラインカリキュラムで、実世界のコンテキストに設定されたシナリオベースのアクティビティを通じて、コアAI概念を紹介する。
  論文  参考訳（メタデータ） (2025-11-07T15:51:53Z)
• Improving Student-AI Interaction Through Pedagogical Prompting: An Example in Computer Science Education [1.1517315048749441]
  大規模言語モデル(LLM)アプリケーションは、興奮と懸念の両方を引き起こした。 最近の研究は、LLMの誤用が学習の妨げとなることを一貫して強調している。 本研究の目的は,LLMの学習改善を効果的に促進する方法を学生に教えることである。
  論文  参考訳（メタデータ） (2025-06-23T20:39:17Z)
• Unveiling the Learning Mind of Language Models: A Cognitive Framework and Empirical Study [45.82081693725339]
  大規模言語モデル(LLM)は、数学、コーディング、推論といったタスクにまたがる印象的な機能を示している。 しかし、彼らの学習能力は、動的環境に適応し、新しい知識を得るのに不可欠であり、まだ過小評価されていない。
  論文  参考訳（メタデータ） (2025-06-16T13:24:50Z)
• Investigating the Impact of Personalized AI Tutors on Language Learning Performance [0.0]
  サンタやデュオリンゴのような言語学習プラットフォームで、34人の学生を対象に、ペア化されたサンプルtテストを行い、AIチューターの使用後、準実験を行います。 パーソナライズされた言語学習体験において、学生のエンゲージメント、学業成績、学生の満足度との関係について検討する。
  論文  参考訳（メタデータ） (2025-05-05T08:11:20Z)
• Form-Substance Discrimination: Concept, Cognition, and Pedagogy [55.2480439325792]
  本稿では,高等教育におけるカリキュラム開発に欠かせない学習成果として,フォーム・サブスタンス・差別について検討する。 本稿では,カリキュラム設計,評価実践,明示的な指導を通じて,この能力を育成するための実践的戦略を提案する。
  論文  参考訳（メタデータ） (2025-04-01T04:15:56Z)
• Generative AI in Education: A Study of Educators' Awareness, Sentiments, and Influencing Factors [2.217351976766501]
  本研究は,AI言語モデルに対する教員の経験と態度について考察する。 学習スタイルと生成AIに対する態度の相関は見つからない。 CS教育者は、生成するAIツールの技術的理解にはるかに自信を持っているが、AI生成された仕事を検出する能力にこれ以上自信がない。
  論文  参考訳（メタデータ） (2024-03-22T19:21:29Z)
• YODA: Teacher-Student Progressive Learning for Language Models [82.0172215948963]
  本稿では,教師が指導するプログレッシブ・ラーニング・フレームワークであるYodaを紹介する。 モデルファインチューニングの有効性を向上させるために,教師の教育過程をエミュレートする。 実験の結果, YODAのデータによるLLaMA2のトレーニングにより, SFTは大幅に向上した。
  論文  参考訳（メタデータ） (2024-01-28T14:32:15Z)
• PapagAI:Automated Feedback for Reflective Essays [48.4434976446053]
  ドクティック理論をベースとして,ハイブリッドAIシステムとして実装された,初のオープンソース自動フィードバックツールを提案する。 本研究の主な目的は,学生の学習成果の向上と,講師の指導活動を補完することである。
  論文  参考訳（メタデータ） (2023-07-10T11:05:51Z)
• Explainable Active Learning (XAL): An Empirical Study of How Local Explanations Impact Annotator Experience [76.9910678786031]
  本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。 本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
  論文  参考訳（メタデータ） (2020-01-24T22:52:18Z)

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。