論文の概要: The Capability Ladder: A Curriculum-Modernization Framework for Workforce Readiness in the AI Era
- arxiv url: http://arxiv.org/abs/2608.07779v1
- Date: Fri, 07 Aug 2026 21:53:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:36.512092
- Title: The Capability Ladder: A Curriculum-Modernization Framework for Workforce Readiness in the AI Era
- Title（参考訳）: 能力遅延:AI時代のワークフォース準備のためのカリキュラム現代化フレームワーク
- Abstract要約: 人工知能は計算作業のタスク構成をカリキュラムよりも高速に変更し、トレーニングは一般的に適応している。
我々は、応答を機能ラダーに固定された機能保証フレームワークとして整理する。
本論では, 総合的なカリキュラムの代替ではなく, 耐久能力の近代化をめざして論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Artificial intelligence is changing the task composition of computing work faster than curricula and training typically adapt. This is a curriculum-framework paper, grounded in a structured narrative review of labor-market and software-engineering evidence and illustrated through an exploratory pilot course: the review supports the framework, and the pilot illustrates it rather than serving as primary evidence. The central claim is that near-term change is task reallocation rather than full replacement: routine implementation is increasingly automated while verification, systems thinking, security, and the ability to supervise and orchestrate AI (keeping a human in the loop) gain value. We organize the response as a capability-assurance framework anchored by a Capability Ladder: a five-level progression (trigger, automation, workflow, AI agent, agent team) that classifies the operational autonomy of AI-augmented work and the human supervision it requires. We map the ladder to course-level updates, workload-aware assessment, and stackable workforce credentials, and illustrate it through a two-semester pilot of a team-based, no-code course enrolling computing and business students. We argue for targeted modernization around durable capabilities rather than wholesale curriculum replacement, and we are explicit about evidence limits: labor signals are confounded by non-AI forces, industry reports are directional, and the pilot is exploratory.
- Abstract（参考訳）: 人工知能は計算作業のタスク構成をカリキュラムよりも高速に変更し、トレーニングは一般的に適応している。
これは、労働市場とソフトウェアエンジニアリングのエビデンスに関する構造化された物語レビューに基礎を置き、探索的なパイロットコースで説明されているカリキュラムのフレームワークをサポートし、パイロットは主要なエビデンスとしてではなく、それを説明します。
定期的な実装は、検証中に自動化され、システム思考、セキュリティ、AIを監督し、オーケストレーションする能力(ループ内の人間を維持する能力)は、価値を得ています。
私たちは、AIが強化した作業の運用上の自律性と、それが必要とする人的監督を分類する5段階の進歩(トリガー、自動化、ワークフロー、AIエージェント、エージェントチーム)として、能力保証フレームワークとして応答を組織しています。
私たちは、このはしごをコースレベルの更新、ワークロード認識評価、スタック可能な従業員資格にマップし、コンピュータとビジネス学生を登録するチームベースの、コードなしコースの2段階のパイロットを通じて説明します。
雇用信号は非AI勢力によって構築され、産業報告は方向性があり、パイロットは探索的である。
関連論文リスト
- Educating the Agentic Engineer: Curricula, Collaboration, and Continuous Learning in the AI Era [0.0]
生成的およびエージェント的人工知能(AI)は、人間の著作者中心の分野から、自律システムの指揮、検証、管理に焦点を当てた分野へと、ソフトウェアとシステム工学を再構成している。
本稿では,工学教育,コンピュータ教育,人間とAIの相互作用,人的要因,学習科学にまたがる統合的概念合成について述べる。
論文 参考訳（メタデータ） (2026-07-31T16:45:36Z) - From Determinism to Delegation: AI-Native Software Engineering and the Evolution of the Agentic Engineer [0.0]
ソフトウェアエンジニアリングは、ハイレベルなプログラミング言語の出現以来、最も重要な変革を経験しています。
本稿では、AI-Native Software Engineeringは単なるツールの進歩というよりもパラダイムシフトである、と論じる。
我々は、推論実行ループ、コンテキストエンジニアリング、ツール使用、メモリ、行動ドリフト、構成誤差を含む自律エージェントの中核メカニズムを定義する。
論文 参考訳（メタデータ） (2026-06-27T07:43:43Z) - From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。
まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。
次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
論文 参考訳（メタデータ） (2026-06-14T05:40:16Z) - From Chatbot to Digital Colleague: The Paradigm Shift Toward Persistent Autonomous AI [74.72113315839412]
大規模言語モデル(LLM)は、推論、記憶、自己改善が可能な統合AIシステムへの根本的な変換が行われている。
我々は、この移行を、叙事詩からデジタル・コルリーグへのシフトとして概念化している:会話の答えから永続的な仕事へ。
論文 参考訳（メタデータ） (2026-06-12T14:33:55Z) - 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) - Agentic AI in Engineering and Manufacturing: Industry Perspectives on Utility, Adoption, Challenges, and Opportunities [3.312613459249274]
この研究は、AI、特にエージェントシステムがエンジニアリングと製造にどのように採用されているか、今日の価値、より広範なデプロイメントに必要なものについて調べる。
近い将来のAIは、構造化された、反復的で、データ集約的な作業を中心にクラスタを獲得し、高い価値のエージェントは、ツールをまたいだマルチステップ作業のオーケストレーションから得ます。
採用は、断片化やマシン不フレンドリなデータ、厳格なセキュリティと規制要件、限定的なAPIアクセス可能なレガシツールよりも、モデル能力によって制限される。
論文 参考訳（メタデータ） (2026-03-19T22:36:34Z) - AI to Learn 2.0: A Deliverable-Oriented Governance Framework and Maturity Rubric for Opaque AI in Learning-Intensive Domains [0.0]
ジェネレーティブAIは、現在のガバナンスフレームワークよりも早く研究、教育、プロフェッショナルな仕事に入り、AIによるアウトプットをどのように判断すべきかを特定できる。
本稿では,AI支援作業のためのデリバリ指向ガバナンスフレームワークであるLearning 2.0を提案する。
論文 参考訳（メタデータ） (2026-03-16T11:44:43Z) - Toward Self-Driving Universities: Can Universities Drive Themselves with Agentic AI? [4.0927251014877255]
エージェントAIと大規模言語モデル(LLM)の急速な進化は、高等教育機関に変革の機会をもたらす。
この章では、AIを活用したシステムが、管理、学術、品質保証プロセスを段階的に自動化するビジョンである、自動運転大学の概念を紹介します。
論文 参考訳（メタデータ） (2026-02-06T07:39:52Z) - TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks [55.03911355902567]
我々は、デジタルワーカーと同じような方法で世界と対話するAIエージェントを評価するためのベンチマークであるTheAgentCompanyを紹介する。
最も競争力のあるエージェントは、タスクの30%を自律的に完了させることができる。
これは、実際の職場の設定でLMエージェントをシミュレートすることで、タスク自動化に関する微妙な絵を描く。
論文 参考訳（メタデータ） (2024-12-18T18:55:40Z) - WorkArena++: Towards Compositional Planning and Reasoning-based Common Knowledge Work Tasks [85.95607119635102]
大型言語モデル(LLM)は人間のような知性を模倣することができる。
WorkArena++は、Webエージェントの計画、問題解決、論理的/論理的推論、検索、コンテキスト的理解能力を評価するように設計されている。
論文 参考訳（メタデータ） (2024-07-07T07:15:49Z) - Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳（メタデータ） (2023-12-22T17:57:57Z)
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。