論文の概要: AI Can Do Your Homework. Now What? Report from an Online Workshop on Computing Assessment in the Age of Generative AI

• arxiv url: http://arxiv.org/abs/2609.27842v1
• Date: Wed, 19 Aug 2026 14:17:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.990649
• Title: AI Can Do Your Homework. Now What? Report from an Online Workshop on Computing Assessment in the Age of Generative AI
• Title（参考訳）: AIはあなたの宿題をできる。今? - 生成AIの時代におけるコンピューティングアセスメントに関するオンラインワークショップからの報告
• Abstract要約: SIGCSE Virtual 2026 Working Group on Computing Assessment and Generative AIは73人のコンピューティング教育者が参加したオープンオンラインワークショップを開催した。 このレポートは、参加者が試したアプローチ、報告した結果、すべての部屋が開いている質問など、議論されたことを記録します。 これはワーキンググループの最初の公開アーティファクトであり、生成的AIの使用に対応するコンピューティングアセスメントの分類が続く。
• 参考スコア（独自算出の注目度）: 19.29952269339795
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: On 28 July 2026, the SIGCSE Virtual 2026 Working Group on computing assessment and generative AI held an open online workshop attended by 73 computing educators. The first hour ran seven strategy rooms, one per approach to adapting (or deliberately preserving) computing assessment in the AI era: open-ended and authentic task design; ambitious, AI-leveraged projects; evaluating and fixing AI-produced work; controlled and AI-free assessment; process evidence and effort signals; rubric and grading redesign; and oral and interactive assessment. The second hour ran question rooms seeded from those strategies, plus two cross-cutting rooms on fairness and trust and student motivation. This report records what was discussed: the approaches participants have tried, the results they reported, and the questions every room left open. It is the first public artifact of the working group, whose taxonomy of computing assessments that accommodate generative AI use will follow.
• Abstract（参考訳）: 2026年7月28日、SIGCSE Virtual 2026 Working Group on Computing Assessment and Generative AIは73人のコンピュータ教育者が参加したオープンオンラインワークショップを開催した。 最初の1時間には、AI時代のコンピューティングアセスメントを適応(あるいは意図的に保存)するためのアプローチとして、オープンで真正なタスクデザイン、野心的でAIレベレッジなプロジェクト、AI生成作業の評価と修正、制御されたAIフリーアセスメント、エビデンスと取り組みのシグナルの処理、ルビリックとグレーディングの再設計、口頭と対話的なアセスメントの7つの戦略室が実施された。 2時間目はこれらの戦略から抽出された質問室と、公正性と信頼と学生のモチベーションに関する2つの横断的な部屋を運営した。 このレポートは、参加者が試したアプローチ、報告した結果、すべての部屋が開いている質問など、議論されたことを記録します。 これはワーキンググループの最初の公開アーティファクトであり、生成的AIの使用に対応するコンピューティングアセスメントの分類が続く。

関連論文リスト

• LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University [2.980329026942995]
  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。
  論文  参考訳（メタデータ） (2026-08-19T17:44:54Z)
• Verification-Conditioned Use: A Qualitative Study on How Generative AI Reshapes Learning, Autonomy, and Market Entry for Junior Software Developers [0.3342165620612816]
  本研究では,生成人工知能(AI)ツールの利用がソフトウェア開発のキャリアの初期段階にどのように影響するかを検討する。 16のテーマが出現し、中心的な概念である検証条件の使用を中心に組織された。 2つのテーマは、新参者の自己認識における緊張を露呈する: 自律的パラドックスと、第一人物による依存の否定である。
  論文  参考訳（メタデータ） (2026-07-27T16:07:21Z)
• 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)
• AI-Assisted Peer Review at Scale: The AAAI-26 AI Review Pilot [45.90272517740283]
  本稿では,AI支援ピアレビューの大規模展開について報告する。 AAAI-26のすべてのメイントラックは、最先端のシステムから明確に特定されたAIレビューを受け取りました。
  論文  参考訳（メタデータ） (2026-04-15T14:51:07Z)
• Artificial Intelligence Index Report 2026 [20.159170339242028]
  レポートは、推論、安全性、実世界のタスク実行において、AIがより野心的にテストされていることを追跡している。 生産的AIの経済価値の新たな見積もりと、労働市場効果の新たな証拠。 このレポートは、医学におけるAIと医学におけるAIに関するスタンドアローンの章を初めて取り上げている。
  論文  参考訳（メタデータ） (2026-04-14T02:22:23Z)
• Teaching Students to Question the Machine: An AI Literacy Intervention Improves Students' Regulation of LLM Use in a Science Task [0.0]
  学校における生成的人工知能の急速な採用は、学生のアウトプットへの非クリティカルな依存を懸念させる。 これらのスキルはまだ中学生で開発されており、学生は過信やAI出力の早期受け入れに弱くなっている。 本稿では,2時間のAIリテラシーワークショップが,学生のインタラクション戦略や最終回答の質を向上するかどうかを教室で調査した。
  論文  参考訳（メタデータ） (2026-04-02T12:19:43Z)
• Ensuring Computer Science Learning in the AI Era: Open Generative AI Policies and Assignment-Driven Written Quizzes [0.0]
  本稿では、家庭内プログラミングの課題に生成AIを使用できるアセスメントモデルを提案する。 真正学習を促進するために、クラス内のクローズドブックアセスメントは課題そのものよりも重み付けされている。 統計分析の結果,GenAI使用率と評価結果との間に有意な線形相関は認められなかった。
  論文  参考訳（メタデータ） (2026-01-16T17:02:44Z)
• The next question after Turing's question: Introducing the Grow-AI test [51.56484100374058]
  本研究は,GROW-AIと呼ばれる人工知能評価の枠組みを拡張することを目的としている。 GROW-AIは、チューリングテストの自然な後継者である"Can Machine grow up? この作品の独創性は、人間の世界から人工知能への「成長」過程の概念的な変換にある。
  論文  参考訳（メタデータ） (2025-08-22T10:19:42Z)
• Enhancing Selection of Climate Tech Startups with AI -- A Case Study on Integrating Human and AI Evaluations in the ClimaTech Great Global Innovation Challenge [41.94295877935867]
  ClimaTechのコンペティションは、トップクラスの気候テックスタートアップを見つけることを目的としている。 この手法には、初期AIレビュー、人間によって判断される準決勝、ハイブリッド重み付けを用いた決勝という3つのフェーズが含まれていた。 決勝では5人の審査員が参加し、重み付けは83.3%、AIは16.7%に移行した。
  論文  参考訳（メタデータ） (2025-05-27T02:23:03Z)
• Let people fail! Exploring the influence of explainable virtual and robotic agents in learning-by-doing tasks [45.23431596135002]
  本研究は,古典的対パートナー意識による説明が学習作業中の人間の行動とパフォーマンスに与える影響を比較検討した。 その結果, パートナー意識による説明は, 関係する人工エージェントの種類によって, 参加者に異なる影響を及ぼした。
  論文  参考訳（メタデータ） (2024-11-15T13:22:04Z)
• Watch-And-Help: A Challenge for Social Perception and Human-AI Collaboration [116.28433607265573]
  我々は、AIエージェントでソーシャルインテリジェンスをテストするための課題であるWatch-And-Help(WAH)を紹介する。 WAHでは、AIエージェントは、人間のようなエージェントが複雑な家庭用タスクを効率的に実行するのを助ける必要がある。 マルチエージェントの家庭環境であるVirtualHome-Socialを構築し、計画と学習ベースのベースラインを含むベンチマークを提供する。
  論文  参考訳（メタデータ） (2020-10-19T21:48:31Z)

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。