論文の概要: Technology-Enhanced Tabletop Exercises for Cybersecurity Education: Lessons Learned
- arxiv url: http://arxiv.org/abs/2607.28179v1
- Date: Thu, 30 Jul 2026 13:17:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.574879
- Title: Technology-Enhanced Tabletop Exercises for Cybersecurity Education: Lessons Learned
- Title（参考訳）: サイバーセキュリティ教育のための技術強化テーブルトップエクササイズ
- Abstract要約: 本稿では,サイバーセキュリティカリキュラムを中心に,TTX(Technology Enhanced Tabletop exercises)のコンピューティング教育への統合について検討する。
TTXは専門的な実践では確立されているが、大学では使われていない。
シナリオフローを自動化し,データ駆動型評価を可能にするWebベースの環境であるINJECT Exercise Platform (IXP) を通じて,TTX配信と評価を強化することで,このギャップに対処する。
- 参考スコア（独自算出の注目度）: 0.13999481573773068
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This innovative practice full paper examines the integration of technology-enhanced tabletop exercises (TTXs) into computing education, focusing on cybersecurity curricula. The motivation is to better prepare students for complex, collaborative problem solving typical of incident response and IT governance, where coordination, communication, and timely decision-making are essential. Although TTXs are well-established in professional practice, they remain underused in universities. We address this gap by augmenting TTX delivery and evaluation through the INJECT Exercise Platform (IXP), a web-based environment that automates scenario flow and enables data-driven assessment. Our practice implements IXP to automatically deliver scenario updates, facilitate team discussions, and collect interaction data to support automated assessment. This combination enhances realism, reduces instructor workload, and provides actionable insight into student learning. From 2024 to 2026, we ran 25 exercises with 743 participants in multiple university courses and extracurricular events. We observed increased engagement and collaboration among students, and clearer visibility for instructors into how teams navigate complex scenarios. This paper shares 24 lessons learned from these exercises. Instructors and curriculum designers may benefit from concrete guidance for integrating technology-enhanced TTXs. We demonstrate that digital TTXs provide a scalable and replicable model for cybersecurity courses and others requiring team-based problem-solving.
- Abstract（参考訳）: このイノベーティブなプラクティスフルペーパーは、サイバーセキュリティのカリキュラムに焦点を当てた、技術強化されたテーブルトップエクササイズ(TTX)をコンピューティング教育に統合することを検討する。
モチベーションは、調整、コミュニケーション、タイムリーな意思決定が不可欠であるインシデント応答とITガバナンスの典型的な問題を解決する、複雑で協調的な問題のために、学生をより良く準備することである。
TTXは専門的な実践では確立されているが、大学では使われていない。
シナリオフローを自動化し,データ駆動型評価を可能にするWebベースの環境であるINJECT Exercise Platform (IXP) を通じて,TTX配信と評価を強化することで,このギャップに対処する。
我々の実践はIXPを実装し、シナリオの更新を自動で提供し、チームの議論を円滑にし、対話データを収集し、自動アセスメントをサポートする。
この組み合わせはリアリズムを強化し、インストラクターの作業量を削減し、学生の学習に対する実用的な洞察を提供する。
2024年から2026年にかけて、複数の大学コースや外輪イベントに743人の参加者で25回の運動を行った。
学生間のエンゲージメントとコラボレーションの増加を観察し、複雑なシナリオのナビゲート方法に関するインストラクターの視認性を高めました。
本稿は、これらのエクササイズから学んだ24の教訓を共有する。
インストラクタやカリキュラムデザイナは、技術強化TTXを統合するための具体的なガイダンスの恩恵を受けることができる。
我々は、デジタルTTXが、サイバーセキュリティコースやその他のチームベースの問題解決を必要とするコースに対して、スケーラブルでレプリケートなモデルを提供することを示した。
関連論文リスト
- Assessment in Team Problem-Solving Exercises in Computing Education [0.3283937504286783]
本稿では,テーブルトップエクササイズ(TTX)における学生チーム評価手法を提案する。
TTXを使うことで、学習チームは、サイバーセキュリティインシデントの解決など、職場でのタスクの準備と危機対応の実践が可能になる。
クラスタリングと大規模言語モデル(LLM)の2つのポストTTXチームアセスメント手法を比較した。
我々は,これらの手法を,標準化されたルーリックに基づくインストラクター指定スコアに対して評価する。
論文 参考訳（メタデータ） (2026-07-21T15:40:16Z) - 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) - Managing Project Teams in an Online Class of 1000+ Students [19.36506075950085]
コンピュータサイエンス(CS)のチームプロジェクトは、学生がコラボレーションスキルを構築し、理論を適用し、現実世界のソフトウェア開発の準備をするのを助ける。
オンライン授業は、大規模にCS教育のアクセシビリティを変革するユニークな機会を提供する。
200以上のプロジェクトチームに対して,コンストラクティブなフィードバックを管理し,評価し,提供するという,私たちのアプローチについて議論します。
論文 参考訳（メタデータ） (2024-12-15T04:16:32Z) - From Paper to Platform: Evolution of a Novel Learning Environment for Tabletop Exercises [0.2796197251957245]
本稿では,教室における卓上演習を紹介するサイバーセキュリティ講座のデータと授業経験について述べる。
InJECT Exercise Platform (IXP)は、エクササイズを配信し評価するためのWebベースの学習環境である。
手動による評価が難しい伝統的な卓上演習とは異なり、IXPは生徒の行動や学習に関する洞察を提供する。
論文 参考訳（メタデータ） (2024-04-17T01:52:48Z) - Student Assessment in Cybersecurity Training Automated by Pattern Mining
and Clustering [0.5249805590164902]
本稿では,データマイニングと機械学習技術を用いた18のサイバーセキュリティトレーニングセッションのデータセットについて検討する。
113名の研修生から収集した8834のコマンドを分析し,パターンマイニングとクラスタリングを行った。
以上の結果から,データマイニング手法はサイバーセキュリティトレーニングデータの解析に適していることが示唆された。
論文 参考訳（メタデータ） (2023-07-13T18:52:58Z) - Pre-Training for Robots: Offline RL Enables Learning New Tasks from a
Handful of Trials [97.95400776235736]
新しいタスクを効果的に学習しようとするオフラインRLに基づくフレームワークを提案する。
既存のロボットデータセットの事前トレーニングと、新しいタスクの迅速な微調整と、最大10のデモを組み合わせたものだ。
我々の知る限り、PTRは本物のWidowXロボットで新しいドメインで新しいタスクを学習する最初のRL手法である。
論文 参考訳（メタデータ） (2022-10-11T06:30:53Z) - Coordinated Science Laboratory 70th Anniversary Symposium: The Future of
Computing [80.72844751804166]
2021年、コーディネート・サイエンス研究所(CSL)は70周年を記念して、Future of Computing Symposiumを開催した。
シンポジウムで提案された主要な技術的ポイント、洞察、方向性を要約する。
参加者は、新しいコンピューティングパラダイム、技術、アルゴリズム、行動、そして将来予想される研究課題に関するトピックについて議論した。
論文 参考訳（メタデータ） (2022-10-04T17:32:27Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z) - TecCoBot: Technology-aided support for self-regulated learning [52.77024349608834]
自己学習活動は、学習成果の達成への活動の程度と自己学習活動の貢献を高めることができる。
特に世界的なパンデミックの時代には、学生が既に技術強化された材料、プロセス、デジタルプラットフォームを使っている家庭で、自己学習活動がますます活発に行われている。
論文 参考訳（メタデータ） (2021-11-23T13:50:21Z) - Scalable Learning Environments for Teaching Cybersecurity Hands-on [0.4893345190925178]
本稿では,対話型学習環境を用いたサイバーセキュリティハンズオン授業のスケーラブル化のための技術革新について述べる。
我々は,サイバーセキュリティの授業を大規模に展開する学習環境の設計と利用における研究の取り組みと実践経験について述べる。
論文 参考訳（メタデータ） (2021-10-19T14:18:54Z) - Distributed Deep Learning in Open Collaborations [49.240611132653456]
協調学習に特化して設計された新しいアルゴリズムフレームワークを提案する。
現実的な条件下でのSwaVとALBERTの事前学習に対するアプローチの有効性を実証し,コストのごく一部で従来の設定に匹敵する性能を実現する。
論文 参考訳（メタデータ） (2021-06-18T16:23:13Z) - Peer-inspired Student Performance Prediction in Interactive Online
Question Pools with Graph Neural Network [56.62345811216183]
本稿では,対話型オンライン質問プールにおいて,より優れた生徒のパフォーマンス予測を実現するために,グラフニューラルネットワーク(GNN)を用いた新しいアプローチを提案する。
具体的には,学生のインタラクションを用いた学生と質問の関係をモデル化し,学生のインタラクション・クエストネットワークを構築する。
1631の質問に対して4000人以上の学生の問題解決過程において生成した104,113個のマウス軌跡からなる実世界のデータセットに対するアプローチの有効性を評価した。
論文 参考訳（メタデータ） (2020-08-04T14:55:32Z)
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。