論文の概要: Leveraging Generative AI to Design Accessible Interactive Visualizations for Undergraduate Mathematics: A Six-Phase Workflow
- arxiv url: http://arxiv.org/abs/2608.28601v1
- Date: Mon, 29 Jun 2026 22:45:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.398175
- Title: Leveraging Generative AI to Design Accessible Interactive Visualizations for Undergraduate Mathematics: A Six-Phase Workflow
- Title（参考訳）: 生成AIを活用してアクセシブルなインタラクティブな可視化を学部数学に活用する - 六相ワークフロー
- Abstract要約: 我々は、生成AIを使用してプログラミングなしでLevelAA準拠の視覚化を構築する6フェーズワークフローを開発し、デプロイし、評価する。
クローズドフォームに対する数学的正当性、自動および手動スクリーンリーダーテストによるアクセシビリティ、そして繰り返し発生するエラーについて評価する。
この構造は構造的に完全なファーストパスツールを生成するが、人間による検証はすべての段階において必須である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Interactive visualizations support conceptual understanding in undergraduate mathematics, but building them has required programming expertise most instructors lack. Using a design-based research approach, we develop, deploy, and evaluate a six-phase workflow (Foundation, Customization, Mathematical Depth, Application, Accessibility, Pedagogical Control) that uses generative AI to build WCAG~2.2 Level~AA compliant visualizations without programming. The six phases structure every prompt, scaffold the AI's code generation, and define where human verification is applied. We ask whether the structure reliably yields correct and accessible tools, whether it runs both backward (reverse-engineering prompts from a finished tool) and forward (generating a tool from a plain-language idea), and what verification each phase requires. Across four deployed tools spanning calculus, multivariable calculus, and differential equations, we evaluate mathematical correctness against closed forms, accessibility through automated and manual screen-reader testing, and the errors that recurred. The structure produces structurally complete first-pass tools, but human verification remains mandatory at every phase: each output must be checked for mathematical correctness, accessibility, and pedagogical fit before the next phase begins. The workflow is platform-independent and serves both instructors and students.
- Abstract（参考訳）: インタラクティブな可視化は、学部数学における概念的理解をサポートするが、それらを構築するには、ほとんどのインストラクターに欠けているプログラミングの専門知識が必要である。
WCAG~2.2 Level~AA準拠のヴィジュアライゼーションをプログラミングなしで構築するために、生成AIを使用する6段階のワークフロー(創始、カスタマイズ、数学的深さ、アプリケーション、アクセシビリティ、教育制御)を開発し、デプロイし、評価する。
6つのフェーズは、すべてのプロンプトを構造化し、AIのコード生成を足場として、人間の検証が適用される場所を定義する。
構造が正しくアクセス可能なツールを確実に得るか、後方(逆エンジニアリングのプロンプトが完了したツールから生成する)と前方(平易なアイデアからツールを生成する)の両方を走らせるか、各フェーズに何が必要かを問う。
計算,多変量計算,微分方程式にまたがる4つの展開されたツールを用いて,クローズドフォームに対する数学的正当性,自動および手動スクリーンリーダーテストによるアクセシビリティ,繰り返し発生するエラーを評価する。
構造は構造的に完全なファーストパスツールを生成するが、人間の検証はすべてのフェーズで必須であり、次のフェーズが始まる前に、それぞれの出力を数学的正確性、アクセシビリティ、教育的適合性をチェックする必要がある。
このワークフローはプラットフォームに依存しないもので、インストラクターと学生の両方に役立っている。
関連論文リスト
- Judgment-Centred Software Engineering Education: A Post-Hype Review and Framework for AI-Augmented Learning [1.2183405753834562]
生成的人工知能は、破壊的なノベルティから、ソフトウェア開発とコンピューティング教育の繰り返しの部分へと移行してきた。
教育問題は、学生がコードを生成することを許されるべきかどうかではなく、ソフトウェア工学プログラムが人間の理解を保存し評価できるかどうかである。
本稿では,2023年9月23日から2026年9月23日までに,研究と実践の構造化された総合的なレビューを示す。
論文 参考訳（メタデータ） (2026-09-24T12:29:54Z) - MTAC-IFBench: Benchmarking Instruction-Following in Multi-Turn Agentic Coding [83.0805548642958]
MTAC-IFBenchは、ソフトウェア開発におけるインストラクションフォローのための包括的なベンチマークである。
6つのプライマリと18のセカンダリカテゴリにまたがるさまざまな制約を持つ、多ターンプログレッシブなソフトウェア開発指示が特徴である。
MTAC-IFBenchは、マルチターン命令フォローにおける既存のコードエージェントの重大な欠陥を認識し、インタラクションセッションが長くなるにつれてパフォーマンスが急速に低下する。
論文 参考訳（メタデータ） (2026-09-14T03:57:37Z) - Curriculum as Code: An AI-Assisted Architecture for Instructional Design in STEM Education [0.0]
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。
論文 参考訳（メタデータ） (2026-08-07T16:09:10Z) - 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) - AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。
我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。
障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
論文 参考訳（メタデータ） (2026-05-18T17:08:26Z) - EGL-SCA: Structural Credit Assignment for Co-Evolving Instructions and Tools in Graph Reasoning Agents [35.25814217014108]
グラフ推論エージェントのための検証器中心のデュアルスペースフレームワークであるEGL-SCAを提案する。
EGL-SCAは、最先端の92.0%の平均成功率を達成することを示す。
論文 参考訳（メタデータ） (2026-05-11T11:09:32Z) - AcademiClaw: When Students Set Challenges for AI Agents [69.70303995121154]
AcademiClaw(アカデミクロー)は、大学生の実際の学術的切断から直接引き出された80の複雑な長い水平タスクのベンチマークである。
最高のモデルでさえ、55%のパスレートしか達成できないことを示す。
AcademiClawとそのオープンソースデータとコードが、OpenClawコミュニティにとって有用なリソースになることを願っています。
論文 参考訳（メタデータ） (2026-05-04T14:40:42Z) - 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) - AgentMath: Empowering Mathematical Reasoning for Large Language Models via Tool-Augmented Agent [80.83250816918861]
o3やDeepSeek-R1のようなLarge Reasoning Models (LRM)は、長いチェーン・オブ・シークレットを持つ自然言語推論において顕著な進歩を遂げている。
しかし、計算的に非効率であり、複雑な数学的操作を必要とする問題を解く際には精度に苦しむ。
本稿では,言語モデルの推論能力とコードインタプリタの計算精度をシームレスに統合するエージェントフレームワークであるAgentMathを紹介する。
論文 参考訳（メタデータ） (2025-12-23T19:57:49Z) - Engineering.ai: A Platform for Teams of AI Engineers in Computational Design [8.217119500224284]
計算設計におけるAIエンジニアのチームのためのプラットフォームであるEngineering.aiを紹介します。
このフレームワークは階層的なマルチエージェントアーキテクチャを採用しており、チーフエンジニアが特殊エージェントをコーディネートする。
このシステムはFreeCAD、Gmsh、OpenFOAM、CalculiX、BPM音響解析を統合し、並列多分野シミュレーションを可能にする。
論文 参考訳（メタデータ） (2025-10-31T08:00:48Z)
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。