論文の概要: Mapping the Emerging Curriculum for AI-Assisted Software Engineering via Syllabus Analysis
- arxiv url: http://arxiv.org/abs/2608.05898v1
- Date: Thu, 06 Aug 2026 11:24:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 15:25:20.893429
- Title: Mapping the Emerging Curriculum for AI-Assisted Software Engineering via Syllabus Analysis
- Title（参考訳）: Syllabus分析によるAI支援ソフトウェアエンジニアリングのための新しいカリキュラムのマッピング
- Abstract要約: 大学は、AI支援開発のための学生のためのコースの設計を開始した。
公立のシラビ23点と, 上層部, クレジット・ベアリングコースの教材について検討した。
分析の結果、これらのコースの共通点と相違点が明らかとなり、研究者や教育者が将来のコースを研究・開発することができる。
- 参考スコア（独自算出の注目度）: 3.6136185855401473
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As Generative AI coding tools reshape professional software development, universities have begun designing courses to prepare students for AI-assisted development workflows. By analyzing the syllabi of these courses, we can gather empirical evidence about these courses, reveal how this emerging curricular area is being defined, and gain guidance for future curriculum design. We analyzed 23 publicly available syllabi and course materials of upper-division, credit-bearing courses that meet specific criteria, including explicitly addressing Generative AI in software engineering. Through iterative qualitative coding, we characterized courses' learning objectives, assessments, topics, and documented AI tools. Our analysis reveals commonalities and differences among these courses that allow researchers and educators to study and develop future courses.
- Abstract（参考訳）: ジェネレーティブAIコーディングツールがプロフェッショナルなソフトウェア開発を再構築するにつれ、大学はAI支援開発ワークフローのための学生のためのコースの設計を開始した。
これらのコースのシラビを解析することにより、これらのコースに関する実証的な証拠を収集し、この新たなカリキュラム領域がどのように定義されているかを明らかにし、将来のカリキュラム設計のためのガイダンスを得ることができる。
我々は、ソフトウェア工学におけるジェネレーティブAIの明示的対応を含む特定の基準を満たす、23の公立のシラビと、上位区分の信用獲得コースの教材を分析した。
反復的質的なコーディングを通じて、コースの学習目標、評価、トピック、ドキュメント化されたAIツールを特徴付ける。
分析の結果、これらのコースの共通点と相違点が明らかとなり、研究者や教育者が将来のコースを研究・開発することができる。
関連論文リスト
- Teaching Machine Learning to Software Engineers [1.217503190366097]
機械学習(ML)と人工知能(AI)コンポーネントはますますソフトウェア製品に組み込まれている。
ソフトウェアエンジニアリングカリキュラムは、AI/MLベースのソフトウェアシステムの構築、テスト、デプロイ、保守のための体系的な準備を提供することはめったにない。
本稿では,AI/ML関連コンテンツを中核的なSE教育に統合するためのエビデンスベースのガイダンスを提供することを目的とする。
論文 参考訳（メタデータ） (2026-06-12T16:42:34Z) - 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 Viable Paradigm of Software Automation: Iterative End-to-End Automated Software Development [41.295627885484855]
本稿では、反復的なエンドツーエンド自動ソフトウェア開発パラダイムであるAutoSWのビジョンを示す。
分析計画-実装-デリバリループで動作し、人間のパートナーとしてのAIシステムが第一級アクターになる。
結果はAutoSWが実行可能なソフトウェアをうまく提供できることを示唆している。
論文 参考訳（メタデータ） (2025-11-19T09:57:49Z) - Bridging the Skills Gap: A Course Model for Modern Generative AI Education [0.0]
生成的AI能力は、産業ではますます重視されるが、高等教育では重視されない。
著者らは、さまざまな分野の学生は、AIツールの可能性に責任を持ち、専門的に活用するよう教えなければならないと主張している。
論文 参考訳（メタデータ） (2025-11-13T21:24:54Z) - Teaching Introduction to Programming in the times of AI: A case study of a course re-design [0.9374652839580183]
近年、AIツールのプログラミング教育への統合がますます広まりつつある。
本稿では、プログラミング、特に入門コースの文脈において、プログラミングの教育と学習に利用できる最先端のAIツールについてレビューする。
コース設計、学習目標、コース提供、形式的・要約的評価の課題と、学生によるそのようなツールの誤用を強調します。
論文 参考訳（メタデータ） (2025-08-07T08:56:19Z) - Rookie Mistakes: Measuring Software Quality in Student Projects to Guide Educational Enhancement [1.7482569079741024]
SonarQubeとArchUnitを組み合わせて静的解析パイプラインを適用し、コードの臭いやアーキテクチャ上のアンチパターンを検出する。
本研究は, 学生が直面している課題の具体的証拠として, 繰り返し発生する品質問題に注目した。
論文 参考訳（メタデータ） (2025-07-15T19:37:23Z) - Challenges and Paths Towards AI for Software Engineering [55.95365538122656]
ソフトウェア工学におけるAIの進歩を3倍に議論する。
まず、ソフトウェア工学のためのAIにおいて、具体的なタスクを構造化した分類法を提供する。
次に、現在のアプローチを制限するいくつかの重要なボトルネックを概説する。
論文 参考訳（メタデータ） (2025-03-28T17:17:57Z) - Data Analysis in the Era of Generative AI [56.44807642944589]
本稿では,AIを活用したデータ分析ツールの可能性について考察する。
我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。
次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
論文 参考訳（メタデータ） (2024-09-27T06:31:03Z) - Towards Integrating Emerging AI Applications in SE Education [4.956066467858058]
本稿では,AI分野における現在のトレンドの体系的分析の予備的結果を示す。
我々は、AIアプリケーションとさらなる研究分野の一連の機会について論じる。
論文 参考訳（メタデータ） (2024-05-28T11:21:45Z) - Making Software Development More Diverse and Inclusive: Key Themes, Challenges, and Future Directions [50.545824691484796]
ソフトウェア開発者の多様性と包摂性(SDDI)を改善するための課題と機会に関する6つのテーマを特定します。
4つのテーマの利点、害、今後の研究の方向性を特定します。
残りの2つのテーマ、人工知能とSDDIとAIとコンピュータサイエンスの教育について論じる。
論文 参考訳（メタデータ） (2024-04-10T16:18:11Z) - Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。
NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z) - Machine Learning for Software Engineering: A Systematic Mapping [73.30245214374027]
ソフトウェア開発業界は、現代のソフトウェアシステムを高度にインテリジェントで自己学習システムに移行するために、機械学習を急速に採用している。
ソフトウェアエンジニアリングライフサイクルの段階にわたって機械学習の採用について、現状を探求する包括的な研究は存在しない。
本研究は,機械学習によるソフトウェア工学(MLSE)分類を,ソフトウェア工学ライフサイクルのさまざまな段階に適用性に応じて,最先端の機械学習技術に分類するものである。
論文 参考訳（メタデータ） (2020-05-27T11:56:56Z)
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。