論文の概要: Beyond Simple Input-Output Assessment Tasks: Leveraging Automated Programming Assessment for Non-Trivial Courses
- arxiv url: http://arxiv.org/abs/2609.29363v1
- Date: Thu, 24 Sep 2026 10:41:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.84577
- Title: Beyond Simple Input-Output Assessment Tasks: Leveraging Automated Programming Assessment for Non-Trivial Courses
- Title（参考訳）: 単純なインプット・アウトプット・アセスメント・タスクを超えて:非言語コースにおける自動プログラミングアセスメントを活用する
- Abstract要約: 人工知能(AI)の公的な可視性は、さまざまな分野の知識にまたがる応用のポジティブな影響によって急速に増大している。
この章では、現代社会におけるその役割と潜在能力を理解するために、AIと機械学習の基礎をカバーするコースが不可欠である。
理論と実践の密接な統合を通じて基本的な概念と基本的なアルゴリズムを理解することは、AIコースにおいて不可欠である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The public visibility of Artificial Intelligence (AI) is growing rapidly, driven by the positive impact of its applications across diverse fields of knowledge. In this new chapter, courses that cover the foundations of AI and machine learning become essential for understanding their role and potential in contemporary society. Therefore, understanding fundamental concepts and elementary algorithms through the close integration of theory with practice is essential in AI courses. In this essay, we report our experience designing machine learning exercises for automated assessment tools in programming. It is worth mentioning that we are not developing a novel form of automated grading system. Instead, we propose a perspective that frames machine learning problems as input-output assessment tasks. From this perspective, each exercise admits a unique and deterministic answer and enables automated programming assessment tools (e.g., VPL for Moodle, Codeforces, and MOJ) to effectively support AI education. We believe this essay can encourage instructors to foster educational innovation by adopting more dynamic and interactive approaches to AI courses that integrate theory and practice. Importantly, this essay does not introduce an innovation in the use of AI for education; rather, it introduces an innovative approach to improving the learning of AI, particularly, machine learning.
- Abstract（参考訳）: 人工知能(AI)の公的な可視性は、さまざまな分野の知識にまたがる応用のポジティブな影響によって急速に増大している。
この章では、現代社会におけるその役割と潜在能力を理解するために、AIと機械学習の基礎をカバーするコースが不可欠になっている。
したがって、AIコースでは、理論と実践の密接な統合を通じて基本概念と基本アルゴリズムを理解することが不可欠である。
本稿では,プログラミングにおける自動評価ツールのための機械学習演習を設計した経験を報告する。
自動階調システムという新しい形式は開発していません。
そこで本稿では,機械学習問題をインプット・アウトプット・アセスメントタスクとして扱う視点を提案する。
この観点から、各エクササイズはユニークで決定論的回答を認め、自動プログラミングアセスメントツール(例えば、Moodle、Codeforces、MOJのVPL)をAI教育を効果的にサポートできるようにします。
このエッセイは、理論と実践を統合するAIコースに、よりダイナミックでインタラクティブなアプローチを採用することで、インストラクターに教育イノベーションを育むよう促すことができると信じています。
重要な点として、このエッセイは、AIを教育に利用する際のイノベーションではなく、AI、特に機械学習の学習を改善するための革新的なアプローチを導入している。
関連論文リスト
- 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) - AI Literacy for Community Colleges: Instructors' Perspectives on Scenario-Based and Interactive Approaches to Teaching AI [0.500208619516796]
本研究は,非STEM学習者を対象とした対話型,非コード型AIリテラシーリソースについて,コミュニティ・カレッジ・インストラクターがどのように評価するかを検討する。
人工知能が日々のテクノロジーに統合されるにつれて、AIリテラシーは分野によって重要なスキルとして現れてきた。
AI Userはインタラクティブなオンラインカリキュラムで、実世界のコンテキストに設定されたシナリオベースのアクティビティを通じて、コアAI概念を紹介する。
論文 参考訳（メタデータ） (2025-11-07T15:51:53Z) - Comprehensive AI Assessment Framework: Enhancing Educational Evaluation with Ethical AI Integration [0.0]
本稿では、Perkins、Furze、Roe、MacVaughによるAIA(AIAS)の進化版である包括的AIアセスメントフレームワーク(CAIAF)について述べる。
CAIAFは厳格な倫理的ガイドラインを取り入れており、教育レベルと高度なAI能力に基づいて明確に区別されている。
このフレームワークは、より良い学習結果を保証するとともに、学術的完全性を維持し、AIの責任ある利用を促進する。
論文 参考訳（メタデータ） (2024-06-07T07:18:42Z) - Application-Driven Innovation in Machine Learning [56.85396167616353]
機械学習におけるアプリケーション駆動研究のパラダイムについて述べる。
このアプローチがメソッド駆動の作業と生産的に相乗効果を示す。
このようなメリットにもかかわらず、マシンラーニングにおけるレビュー、採用、教育のプラクティスが、アプリケーション主導のイノベーションを後押しすることが多いことに気付きます。
論文 参考訳（メタデータ） (2024-03-26T04:59:27Z) - Enhancing Instructional Quality: Leveraging Computer-Assisted Textual
Analysis to Generate In-Depth Insights from Educational Artifacts [13.617709093240231]
本研究では、人工知能(AI)と機械学習(ML)が教育内容、教師の談話、学生の反応を分析して教育改善を促進する方法について検討する。
私たちは、教師のコーチング、学生のサポート、コンテンツ開発など、AI/ML統合が大きな利点をもたらす重要な領域を特定します。
本稿では,AI/ML技術と教育的目標との整合性の重要性を強調し,その教育的可能性を実現する。
論文 参考訳（メタデータ） (2024-03-06T18:29:18Z) - Towards Automated Knowledge Integration From Human-Interpretable Representations [55.2480439325792]
我々は,情報メタ学習の原理を理論的に導入・動機付けし,自動的かつ制御可能な帰納バイアス選択を可能にする。
データ効率と一般化を改善するための情報メタラーニングのメリットと限界を実証的に示す。
論文 参考訳（メタデータ） (2024-02-25T15:08:37Z) - The Responsible Development of Automated Student Feedback with Generative AI [6.008616775722921]
AIの最近の進歩、特に大規模言語モデル(LLM)では、スケーラブルで反復可能でインスタントなフィードバックを提供する新たな機会が提示されている。
しかし、これらの技術の実装には、慎重に対処しなければならない多くの倫理的考察も導入されている。
AIシステムの中核となる利点の1つは、ルーチンや日常的なタスクを自動化する能力であり、人間の教育者を解放して、より微妙な仕事をさせる可能性がある。
しかし、自動化の容易さは、少数派や独特な学習者の多様なニーズが見過ごされる「多数派」の暴行を招きかねない。
論文 参考訳（メタデータ） (2023-08-29T14:29:57Z) - Brain-inspired Computational Intelligence via Predictive Coding [73.42407863671565]
予測符号化(PC)は、機械学習コミュニティにとって潜在的に価値のある、有望な特性を示している。
PCライクなアルゴリズムは、機械学習とAIの複数のサブフィールドに存在し始めている。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳（メタデータ） (2020-03-02T10:32:21Z)
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。