論文の概要: LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University
- arxiv url: http://arxiv.org/abs/2608.19164v1
- Date: Wed, 19 Aug 2026 17:44:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.482291
- Title: LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University
- Title（参考訳）: LearnAI: 大学における学際横断的なジャスト・イン・タイムAI共同開発
- Abstract要約: 本稿では、総合的な教育大学において、ジャスト・イン・タイムのAI共同創造のための2層モデルであるLearnAI Frameworkについて述べる。
Wide-Exposure Layerは、既存のコースに短いプレゼンテーションを埋め込んで、大規模なAI認識を構築する。
Customized Co-Creation Layerはオプトインの1対1のセッションを提供する。
5人のクライアントと2人の家庭教師とのインタビューは、AIの使用方法の繰り返しの変化を示唆し、AIを受動的回答マシンとして扱うことから、エンゲージメントへと移行した。
- 参考スコア（独自算出の注目度）: 2.980329026942995
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As generative AI reshapes professional and educational practice, institutions face a challenge: how to support diverse learners, from non-coders to advanced students, in building confidence and practice with AI-supported problem solving. Most institutional responses bifurcate into conceptual workshops for general audiences or technical courses for computer science majors, leaving few spaces where mixed-ability learners can engage common AI tasks at levels matched to their prior experience. This experience report presents the LearnAI Framework, a two-layer model for just-in-time AI co-creation piloted at a comprehensive teaching university. The Wide-Exposure Layer embeds short presentations in existing courses to build AI awareness at scale, reaching students and faculty across 18 courses in five disciplines. The Customized Co-Creation Layer provides opt-in, one-on-one sessions where clients work with trained undergraduate tutors through a 5-Stage Pedagogical Script: Problem Framing, Tool-Task Mapping, Iterative Co-Prompting, Deployment and Verification, and Ethical Reflection. Over two semesters, 35 clients co-created 36 portfolio websites and over 20 deployed web applications. Interviews with five clients and two tutors suggest a recurring change in how clients described AI use, shifting from treating AI as a passive answer machine to engaging it as a collaborative tool under human direction. A small paired pre/post AI readiness dataset (N = 7) provides preliminary descriptive context, and tutor accounts document how the pedagogical script was enacted and adapted across client types. We report on boundary cases including clients who felt overwhelmed and respondents who deliberately rejected AI use. This paper contributes a practical, adoptable framework with initial evidence from a single institution.
- Abstract（参考訳）: 生成AIはプロフェッショナルと教育の実践を再認識するので、AIが支援する問題解決による信頼と実践の構築において、非プログラマーから上級生まで、さまざまな学習者をサポートする方法という課題に直面します。
ほとんどの制度的回答は、一般の聴衆やコンピュータサイエンス専攻のテクニカルコースのための概念的なワークショップに分岐し、混合能力の学習者が以前の経験と一致するレベルで共通のAIタスクを遂行できるスペースはほとんど残っていない。
この経験レポートでは、総合的な教育大学において、ジャスト・イン・タイムのAI共同創造のための2層モデルであるLearnAI Frameworkが紹介されている。
Wide-Exposure Layerは、既存のコースに短いプレゼンテーションを埋め込んで、大規模なAI認識を構築する。
Customized Co-Creation Layerはオプトインの1対1のセッションを提供する。クライアントは5段階の教育的スクリプトを通じて、訓練された学部教師と作業する。
セメータが2つ以上あり、35のクライアントが36のポートフォリオWebサイトと20以上のデプロイされたWebアプリケーションを共同で作成した。
5人のクライアントと2人の家庭教師とのインタビューは、AIの使用方法がクライアントによって説明され、AIを受動的回答マシンとして扱うものから、人間の指示の下で協調ツールとして扱うものへと、何度も変化していることを示唆している。
小さなペア化されたAI準備データセット(N = 7)は、予備的な記述的コンテキストを提供し、チューターアカウントは、どのように教育用スクリプトがクライアントタイプにまたがって実行され、適応されたかを文書化する。
圧倒されたと感じた顧客や、AIの使用を意図的に拒否した回答者を含む境界事例について報告する。
本稿では,1つの機関からの最初の証拠を取り入れた実践的,実践的な枠組みを提案する。
関連論文リスト
- Mitigating AI Risks in Computing Education via LLM-Driven Lecture Video Curation [42.89674478896965]
本研究は,大規模言語モデル(LLM)を用いて配信されたビデオ記録から対象セグメントを抽出し,プログラミング環境における学生の質問に答えることの有効性を評価する。
2つのプロプライエタリなモデル(Gemini 3.1 ProとGPT 5.4 Pro)と1つのオープンウェイト(Qwen3.5 397B)を、人間の手動ビデオ選択に対してベンチマークした。
AIが取得したタイムスタンプは、人間のベースラインと完全に重なり合うことはめったにないが、プロプライエタリなモデルは、十分な、非常に関連性の高い回答を提供するために、専門家とほぼ一致している。
論文 参考訳（メタデータ） (2026-08-17T05:36:52Z) - AgentForge: An Immersive Role-Playing Platform for Learning Agentic Software Engineering [4.609790123179083]
textitAgentForgeは、初心者が4つのソフトウェアエンジニアリングの役割のうちの1つを担う没入型学習システムである。
各練習セッションでは、初心者が選択した役割を演じ、AIエージェントが残りの3つを実行する。
37人の初心者開発者を対象にした調査では、AIエージェントのサポートで高いタスク補完率を達成した。
論文 参考訳（メタデータ） (2026-08-04T18:58:18Z) - Framing, Judging, Steering: An Assessable Competency Model for Teach-ing Students to Reason With Generative AI [47.027290803102666]
生産的AI利用を3つの評価可能なスキルに分解する能力モデルであるCoRe-3(Co-Reasoning)を提案する。
理論上のスキルを基盤として、5つのテスト可能な提案を述べ、それらをCoReasoningLabでインスタンス化します。
人為的な合意と成果が次々に行われます。私たちは、計測器、データ、プロトコルをリリースします。
論文 参考訳（メタデータ） (2026-06-04T10:25:31Z) - 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) - Harnessing Hype to Teach Empirical Thinking: An Experience With AI Coding Assistants [8.77067520596883]
学生はしばしば経験的方法や仮説に基づく調査を高く評価するのに苦労する。
この経験報告は、ハイプ駆動技術における経験的学習の基盤が、これらの概念をよりアクセシビリティとエンゲージメントを高めることができるかどうかを探求する。
論文 参考訳（メタデータ） (2026-04-01T16:36:13Z) - 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) - AI as a Teaching Partner: Early Lessons from Classroom Codesign with Secondary Teachers [7.088206598032786]
Colleague AI Classroomは、生成AI技術を実際の教室に直接導入する共同設計(共同設計)である。
ワシントン州立大学の4つの公立教育学区と1つの独立学校から21人の教員が、AIを利用した4つの特徴を教育に取り入れた。
6-12年生の600人以上の生徒が教師の指示でこのプラットフォームを授業で利用した。
論文 参考訳（メタデータ） (2025-12-12T21:35:32Z) - "Can you feel the vibes?": An exploration of novice programmer engagement with vibe coding [42.82674998306379]
ビブコーディング(vibe coding)とは、直接のコードオーサシップではなく、自然言語のプロンプトを通じてソフトウェアを作成することを指す。
本稿では、初心者プログラマと混合経験チームがどのようにバイブコーディングに関わるかを調査する1日間のハッカソンについて報告する。
論文 参考訳（メタデータ） (2025-12-02T13:32:23Z) - From chalkboards to chatbots: SELAR assists teachers in embracing AI in the curriculum [41.94295877935867]
SELARは、教師が人工知能をカリキュラムに統合するためのフレームワークである。
本稿では,Hague University of Applied Sciencesの講師が主催するワークショップを通じて,フレームワークの有効性を評価する。
論文 参考訳（メタデータ） (2024-10-17T05:40:59Z) - AGI: Artificial General Intelligence for Education [41.45039606933712]
本稿では,人工知能(AGI)の重要な概念,能力,範囲,将来的な教育の可能性について概説する。
AGIは知的学習システム、教育評価、評価手順を大幅に改善することができる。
この論文は、AGIの能力が人間の感情や社会的相互作用を理解することに拡張されていることを強調している。
論文 参考訳（メタデータ） (2023-04-24T22:31:59Z) - 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。