論文の概要: Curriculum as Code: An AI-Assisted Architecture for Instructional Design in STEM Education
- arxiv url: http://arxiv.org/abs/2608.07364v1
- Date: Fri, 07 Aug 2026 16:09:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.559781
- Title: Curriculum as Code: An AI-Assisted Architecture for Instructional Design in STEM Education
- Title（参考訳）: コードとしてのカリキュラム:STEM教育における教育設計のためのAI支援アーキテクチャ
- Abstract要約: 本稿では,Curriculum as Codeパラダイムに基づく6相AI支援型指導設計アーキテクチャを提案する。
Generative AIとtacitとPythonを統合して、STEM教育のための再現性、視覚的整合性、技術的に正確な素材の作成を自動化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Contribution: This paper presents a six-phase AI-assisted instructional design architecture based on the Curriculum as Code paradigm, integrating Generative AI with LaTeX and Python to automate the creation of reproducible, visually consistent, and technically precise materials for STEM education. Background: Creating customized instructional materials for active learning imposes a heavy workload on faculty. Standard presentation tools lack robust support for technical content, while current AI applications often hallucinate and fail to formalize the instructional authoring process, limiting their utility for rigorous academic design. Intended Outcomes: The framework aims to reduce preparation time while ensuring mathematical accuracy, adherence to institutional visual identity, and preservation of the instructor's tacit pedagogical knowledge through explicit rules. Application Design: The solution comprises a six-phase pipeline that replaces ad-hoc prompt engineering with a systematic workflow, utilizing text-based interfaces and code-driven generation (LaTeX/Beamer for slides, Python for figures), governed by pedagogical constraints, contextual calibrations, and automated review cycles. Findings: Validated over one year across 8 modules and 28 project contexts in a Project-Based Learning environment, the architecture significantly reduced instructor workload. Generated assets underwent independent peer review and were deployed by six different faculty members, confirming scalability beyond a single author. Based on over 600 voluntary student evaluations, materials achieved high quality ratings from 8.5 to 9.9/10. Results indicate high reproducibility, minimized hallucinations, and sustained pedagogical and visual fidelity, suggesting viability for broad STEM educational applications.
- Abstract（参考訳）: コントリビューション:本論文では,Curriculum as Codeパラダイムに基づく6段階のAI支援型指導設計アーキテクチャをLaTeXとPythonと統合し,再現性,視覚的整合性,技術的に精密なSTEM教材の作成を自動化する。
背景: アクティブラーニングのためのカスタマイズされた教材の作成は、教員に重荷を課す。
標準的なプレゼンテーションツールは、技術的なコンテンツに対する堅牢なサポートを欠いているが、現在のAIアプリケーションは、しばしば幻覚を与え、教育的なオーサリングプロセスの形式化に失敗し、厳格なアカデミックデザインに対する彼らの有用性を制限している。
Intended Outcomes: このフレームワークは、数学的正確性を確保しつつ準備時間を短縮し、制度的な視覚的アイデンティティに固執し、明示的な規則によって教官の暗黙的な教育的知識を保存することを目的としている。
アプリケーション設計: このソリューションは、アドホックなプロンプトエンジニアリングをシステマティックなワークフローに置き換え、テキストベースのインターフェースとコード駆動生成(スライドはLaTeX/Beamer、図はPython)を使用し、教育的な制約、コンテキストのキャリブレーション、自動レビューサイクルによって管理される6フェーズのパイプラインで構成されている。
発見: プロジェクトベースの学習環境で8つのモジュールと28のプロジェクトコンテキストに1年以上にわたって検証されたアーキテクチャは、インストラクターの作業量を著しく削減しました。
生成した資産は独立した査読を受け、6人の異なる教員によって展開され、1人の著者以上のスケーラビリティが確認された。
600以上の自発的な学生評価に基づいて、素材は8.5から9.9/10の高品質な評価を得た。
その結果, 再現性が高く, 幻覚の最小化, 教育的, 視覚的忠実度が持続し, 幅広いSTEM教育応用の可能性が示唆された。
関連論文リスト
- Code as Representation: A Compilable Parsing Paradigm for Academic Documents [50.40789738182074]
Compilable Academic Document Parsing (CADP)は、コンテキストラプラス実行可能なPythonとして全ページを再構築するパラダイムである。
テキストと複数のSAEタイプを含む全学術ページのエキスパート検証ベンチマークであるCADP-Benchを紹介する。
その結果、フロンティアモデルでさえも、高忠実度で実行可能な再構築を行うのに苦戦していることがわかった。
論文 参考訳（メタデータ） (2026-08-18T09:10:43Z) - CAPRA: Scaling Feedback on Software Architecture Deliverables with a Multi-Agent LLM System [4.37294181347758]
本稿では,テンプレートに準拠したアーキテクチャフィードバックを生成するために,ソフトウェアアーキテクチャの成果物を分析するマルチエージェントシステムCAPRAを提案する。
10の報告に対する予備的経験的評価は、CAPRAが88.8%の基準を満たしていることを示している。
論文 参考訳（メタデータ） (2026-06-17T12:00:21Z) - Beyond AI Delegation: A Prompt Pattern Framework for Productive Struggle and Evaluative Judgement in Secure Coding Education [0.45706494756895794]
大規模な言語モデルは、学生が自動システムに書き込み、分析、問題解決を委譲しやすくする。
我々は,GenAIが価値ある認知的要求をなくすことなく,教育者がGenAIをコースに維持するのに役立つ実践的な枠組みを導入する。
論文 参考訳（メタデータ） (2026-05-23T07:35:49Z) - MAIC-UI: Making Interactive Courseware with Generative UI [55.66338307665182]
本研究では,ゼロコードオーサリングシステムであるMAIC-UIを提案する。
MAIC-UIは、多モーダル理解を用いた構造化知識分析を用いて、教育的厳密性を確保する。
論文 参考訳（メタデータ） (2026-04-28T16:15:04Z) - From Understanding to Creation: A Prerequisite-Free AI Literacy Course with Technical Depth Across Majors [2.1212179660694104]
UNIV 182は、学部生にAIシステムを理解し、使用し、評価し、構築するよう教える前提条件のないコースである。
論文は、このデザインを、多人数のAIリテラシーコースと教育学の伝統の比較分類学に位置づけている。
論文 参考訳（メタデータ） (2026-03-19T23:18:43Z) - ARIA: Adaptive Retrieval Intelligence Assistant -- A Multimodal RAG Framework for Domain-Specific Engineering Education [1.084959821967413]
ARIAは、大学レベルのコースにまたがってインテリジェントな教育アシスタントを作成するためのフレームワークである。
ARIAは、60の非関連クエリのうち58を拒否しながら、関連する20のコースの質問に正しく答えた。
論文 参考訳（メタデータ） (2026-02-04T01:08:24Z) - EZYer: A simulacrum of high school with generative agent [9.01137030259017]
提案する生成剤EZYerは構造化教材と動的ビームマーコースウェアを生成する。
本稿では,コンテンツ精度,知識カバレッジ,ユーザビリティ,フォーマットの正確性,視覚的デザイン,魅力の5次元評価指標を設計する。
その結果,EZYer生成コンテンツの品質は良好であり,応用可能性も高いことがわかった。
論文 参考訳（メタデータ） (2025-12-02T09:28:59Z) - Presenting a Paper is an Art: Self-Improvement Aesthetic Agents for Academic Presentations [45.976132936852316]
textbfEvoPresentは学術論文のための自己改善エージェントフレームワークである。
コヒーレントな物語、美的デザイン、バーチャルキャラクタによるリアルなプレゼンテーション配信を統一する。
EvoPresentの中心は、マルチタスク強化学習(RL)美学モデルである textbfPresAesth である。
論文 参考訳（メタデータ） (2025-10-07T04:24:26Z) - 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) - RAS: Retrieval-And-Structuring for Knowledge-Intensive LLM Generation [46.237206695937246]
本稿では,クエリ固有の知識グラフを動的に構築するフレームワークであるRetrieval-And-Structuring (RAS)を提案する。
7つの知識集約ベンチマークでは、RASは一貫して強力なベースラインを上回っている。
この結果から,動的クエリ固有知識構造化は,言語モデル生成における推論精度と堅牢性を向上させるための堅牢な経路を提供することが示された。
論文 参考訳（メタデータ） (2025-02-16T05:01:49Z) - Empowering Private Tutoring by Chaining Large Language Models [87.76985829144834]
本研究は,最先端の大規模言語モデル(LLM)を活用した,本格的な知的チューリングシステムの開発を探求する。
このシステムは、相互に接続された3つのコアプロセス(相互作用、反射、反応)に分けられる。
各プロセスは LLM ベースのツールと動的に更新されたメモリモジュールによって実装される。
論文 参考訳（メタデータ） (2023-09-15T02:42:03Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳（メタデータ） (2021-07-23T22:41:28Z)
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。