論文の概要: Structured AI Demonstrations and Student LLM Use in Engineering Mechanics: Study Design and Preliminary Results
- arxiv url: http://arxiv.org/abs/2607.28710v1
- Date: Thu, 30 Jul 2026 16:38:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.413861
- Title: Structured AI Demonstrations and Student LLM Use in Engineering Mechanics: Study Design and Preliminary Results
- Title（参考訳）: 機械工学における構造化AIの実証と学生LLM : 設計と予備的結果
- Abstract要約: 大学院教育への大型言語モデル(LLM)の迅速な統合は、工学のインストラクターにとって緊急の課題である。
学生が広く採用されているにもかかわらず、教育政策を導くためのドメイン固有の実証的証拠が欠如している。
本写本は2026年春に行われた学部工学科における記述的研究設計と予備的知見を提示する。
- 参考スコア（独自算出の注目度）: 0.29316801942271303
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid integration of large language models (LLMs) into undergraduate education presents an urgent challenge for engineering instructors. Despite widespread student adoption, there remains a critical lack of domain-specific empirical evidence to guide pedagogical policies and classroom interventions. This manuscript presents a descriptive study design and preliminary findings from an undergraduate engineering mechanics course conducted in Spring 2026. We detail a reproducible survey instrument used to capture student AI usage patterns, attitudes, and verification practices, which are subsequently linked to academic performance metrics. Additionally, we document a deployable sequence of nine structured, instructor-led AI demonstrations designed to model strategic LLM delegation and evaluation. While our preliminary data highlight shifting student behaviors and complex relationships between AI reliance and course outcomes, the primary contribution of this work is the provision of an open-access methodological framework. By making our complete study design, survey tools, and demonstration materials publicly available, we urge other engineering educators to collect and share similar empirical data. Navigating this unprecedented technological shift will require a collaborative, evidence-based approach to fully understand its long-term impacts on student learning.
- Abstract（参考訳）: 大学院教育への大型言語モデル(LLM)の迅速な統合は、工学のインストラクターにとって緊急の課題である。
学生が広く採用されているにもかかわらず、教育政策や教室の介入を導くために、ドメイン固有の実証的証拠が欠如している。
本写本は2026年春に行われた学部工学科における記述的研究設計と予備的知見を提示する。
本稿では,学生のAI活用パターン,態度,検証の実践を捉えるための再現可能な調査機器について詳述する。
さらに、戦略的LLMデリゲーションと評価をモデル化するために設計された、9つの構造化されたインストラクター主導のAIデモンストレーションのデプロイ可能なシーケンスを文書化する。
予備的なデータは、学生の行動の変化と、AI依存とコース結果の複雑な関係を強調していますが、この研究の主な貢献は、オープンアクセスの方法論フレームワークの提供です。
研究の完全な設計、調査ツール、実証資料を公開することにより、他の工学教育者が同様の経験的データを収集し共有するよう促す。
この前例のない技術的シフトをナビゲートするには、学生の学習に対する長期的な影響を完全に理解するために、協力的で証拠に基づくアプローチが必要である。
関連論文リスト
- How Software Engineering Students Use LLMs to Write Research Papers: An Experience Report [3.415373522515852]
大規模言語モデルは、ソフトウェア工学教育の一部になりつつある。
本稿では,反射型LDMを経験的手法に組み込んだ教育経験を報告する。
論文 参考訳（メタデータ） (2026-06-03T17:19:43Z) - Towards Agentic Intelligence for Materials Science [73.4576385477731]
この調査は、コーパスキュレーションからプレトレーニングから、シミュレーションと実験プラットフォームに面した目標条件付きエージェントまで、ユニークなパイプライン中心の視点を推し進める。
コミュニティをブリッジし、参照の共有フレームを確立するために、まず、AIと材料科学をまたいだ用語、評価、ワークフローの段階を整列する統合レンズを提示する。
論文 参考訳（メタデータ） (2026-01-29T23:48:43Z) - 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) - Vision Generalist Model: A Survey [87.49797517847132]
本稿では、ビジョンジェネラリストモデルの概要を概観し、その分野におけるその特性と能力について考察する。
関連ドメインへの簡単な探索を行い、相互接続と潜在的なシナジーに光を当てます。
論文 参考訳（メタデータ） (2025-06-11T17:23:41Z) - Evaluating Large Language Models for Real-World Engineering Tasks [75.97299249823972]
本稿では,実運用指向のエンジニアリングシナリオから得られた100以上の質問をキュレートしたデータベースを提案する。
このデータセットを用いて、4つの最先端の大規模言語モデル(LLM)を評価する。
以上の結果から,LLMは時間的および構造的推論において強みを示すが,抽象的推論や形式的モデリング,文脈に敏感な工学的論理にはかなり苦労することがわかった。
論文 参考訳（メタデータ） (2025-05-12T14:05:23Z) - The Prompt Canvas: A Literature-Based Practitioner Guide for Creating Effective Prompts in Large Language Models [0.0]
本稿では,既存の方法論を包括的に構築し,実践者のための包括的概要を構築するためのフレームワークの構築について論じる。
本稿では,プロンプト・キャンバス(Prompt Canvas)について述べる。
論文 参考訳（メタデータ） (2024-12-06T15:35:18Z) - O1 Replication Journey: A Strategic Progress Report -- Part 1 [52.062216849476776]
本稿では,O1 Replication Journeyに具体化された人工知能研究の先駆的アプローチを紹介する。
我々の方法論は、長期化したチームベースのプロジェクトの不規則性を含む、現代のAI研究における重要な課題に対処する。
本稿では,モデルにショートカットだけでなく,完全な探索プロセスの学習を促す旅行学習パラダイムを提案する。
論文 参考訳（メタデータ） (2024-10-08T15:13:01Z) - Effects of a Prompt Engineering Intervention on Undergraduate Students' AI Self-Efficacy, AI Knowledge and Prompt Engineering Ability: A Mixed Methods Study [36.48421439947282]
本研究は,香港の大学において,迅速な工学的介入を設計・実施した。
学生のAI自己効力、AI知識、そして効果的なプロンプト作成能力について検討した。
論文 参考訳（メタデータ） (2024-07-30T15:05:24Z) - Instruction Tuning for Large Language Models: A Survey [52.86322823501338]
我々は、教師付き微調整(SFT)の一般的な方法論を含む、文献の体系的なレビューを行う。
また、既存の戦略の欠陥を指摘しながら、SFTの潜在的な落とし穴についても、それに対する批判とともに検討する。
論文 参考訳（メタデータ） (2023-08-21T15:35:16Z) - CLGT: A Graph Transformer for Student Performance Prediction in
Collaborative Learning [6.140954034246379]
協調学習のための拡張グラフトランスフォーマーフレームワーク(CLGT)を提案する。
実験結果から,提案したCLGTは,実世界のデータセットに基づいて予測を行うという点で,ベースラインモデルよりも優れていたことが確認された。
論文 参考訳（メタデータ） (2023-07-30T09:54:30Z) - Demonstrating REACT: a Real-time Educational AI-powered Classroom Tool [0.9899017174990579]
本稿では,教育者の意思決定プロセスを支援するために,EDM技術を用いたリアルタイムAIを活用した新しい教室ツールを提案する。
ReACTは、ユーザフレンドリなグラフィカルインターフェースを備えたデータ駆動ツールである。
学生のパフォーマンスデータを分析し、コンテキストベースのアラートとコースプランニングのための教育者へのレコメンデーションを提供する。
論文 参考訳（メタデータ） (2021-07-30T03:09:59Z) - A Dependency Syntactic Knowledge Augmented Interactive Architecture for
End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。
このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。
3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2020-04-04T14:59:32Z)
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。