論文の概要: Making the Invisible Visible: A Framework for Reflective AI Use in Software Engineering Education
- arxiv url: http://arxiv.org/abs/2609.34997v1
- Date: Mon, 28 Sep 2026 12:04:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-02 17:57:02.942742
- Title: Making the Invisible Visible: A Framework for Reflective AI Use in Software Engineering Education
- Title（参考訳）: Invisible Visibleを作る: ソフトウェア工学教育におけるリフレクティブAIのためのフレームワーク
- Abstract要約: 本稿では,ソフトウェア工学教育における学生-AIインタラクションの可視化を目的としたリフレクションフレームワークであるAI Journalを紹介する。
このフレームワークは、プロンプト、アウトプット、インテント、インタラクションコンテキストを記録する実行追跡と、認知監査を組み合わせる。
これにより、成果に基づく評価だけでは観察不可能な学生学習の側面を可視化できるようになった。
- 参考スコア（独自算出の注目度）: 3.007949058551534
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative AI (GenAI) is increasingly embedded in software engineering education, supporting activities such as requirements development, design exploration, documentation, and prototyping. However, educators often have visibility only into final artefacts, with limited insight into how students evaluate, verify, and refine AI-generated outputs during the learning process. This creates challenges for assessing evaluative judgement and responsible AI-assisted practice. This paper introduces the AI Journal, a structured reflection framework designed to make student-GenAI interaction visible in first-year software engineering education. The framework combines execution tracking, which records prompts, outputs, intent, and interaction context, with cognitive auditing, which captures verification strategies, intervention decisions, confidence judgements, critical learning moments, and reflections on AI-supported work. Deployed in a first-semester software engineering course, the AI Journal enabled visibility into aspects of student learning not observable through artefact-based assessments alone. Preliminary observations suggested variation in verification practices, intervention strategies, and perceptions of AI-supported work. Critical learning moments frequently occurred when students evaluated contextual suitability, feasibility, and requirements alignment rather than identifying obvious errors. The AI Journal demonstrates a practical, lightweight, and model-agnostic approach for making AI-assisted learning processes visible. By foregrounding verification, intervention, and reflection, it shifts attention from product-focused assessment toward evaluative judgement and responsible AI-assisted practice.
- Abstract（参考訳）: Generative AI(GenAI)は、要件開発、設計調査、ドキュメント、プロトタイピングといった活動をサポートするソフトウェア工学教育にますます組み込まれている。
しかし、教育者は最終成果物にのみ可視性を持たせることが多く、学習プロセス中にAIが生成するアウトプットをどのように評価し、検証し、洗練するかについての知見は限られている。
これにより、評価的判断と責任あるAI支援プラクティスを評価する上での課題が生まれる。
本稿では,初年度のソフトウェア工学教育において,学生とGenAIのインタラクションを可視化するための構造化リフレクションフレームワークであるAI Journalを紹介する。
このフレームワークは、プロンプト、アウトプット、インテント、インタラクションコンテキストを記録する実行追跡と、検証戦略、介入決定、信頼判断、批判的学習モーメント、AI支援作業のリフレクションをキャプチャする認知監査を組み合わせる。
1学期目のソフトウェアエンジニアリングコースで展開されたAI Journalは、アーティファクトベースのアセスメントだけでは観察不可能な学生学習の側面を可視化可能にする。
予備的な観察では、検証プラクティス、介入戦略、AI支援作業の知覚のバリエーションが示唆された。
学生が明らかな誤りを特定するのではなく、文脈的適合性、実現可能性、要求整合性を評価すると、批判的な学習モーメントが頻繁に発生した。
AI Journalは、AI支援学習プロセスを可視化するための実用的で、軽量で、モデルに依存しないアプローチを実証している。
検証、介入、リフレクションを前もって行うことで、製品中心の評価から、評価的判断と責任あるAI支援の実践へと注意を移す。
関連論文リスト
- Beyond Simple Input-Output Assessment Tasks: Leveraging Automated Programming Assessment for Non-Trivial Courses [0.0]
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。
論文 参考訳（メタデータ） (2026-09-24T10:41:16Z) - Evaluation in the Age of AI: Output as Evidence of Learning [0.0]
人工知能(AI)の急速な普及は、高等教育における学習の実証と評価の方法を破壊している。
本稿では,AI時代における教育評価の倫理的課題を大学レベルで検討する。
論文 参考訳（メタデータ） (2026-08-23T23:40:30Z) - AI Misuse in Education Is a Measurement Problem: Toward a Learning Visibility Framework [2.3412211209700997]
本稿では、学習過程における可視性の喪失に起因した測定問題として、AIの教育における誤用を再考する。
このフレームワークは、監視を促進するのではなく、透明性を強調し、教室環境における倫理的AI統合の基礎として証拠を共有している。
論文 参考訳（メタデータ） (2026-03-08T22:35:09Z) - From Co-Design to Metacognitive Laziness: Evaluating Generative AI in Vocational Education [0.0]
本研究では,シンガポールの職業教育環境における講師を支援するために考案された,生成型AI概念実証(POC)の開発と展開について検討する。
POCは,授業内容の合理化,認知負荷の低減,授業内容のナビゲートに対する生徒の信頼感の向上を報告した。
教育プロセスの強化にもかかわらず、成績データは学生全体の評価結果に有意な改善は示さなかった。
この研究は、依存関係の最小化、メタ認知開発、さまざまな能力レベルにおけるサポートの校正のためにAIツールをどのように構築できるかという、一連の設計上の疑問を提起している。
論文 参考訳（メタデータ） (2025-12-13T12:26:25Z) - Deploying AI for Signal Processing education: Selected challenges and intriguing opportunities [44.18936398140735]
記事は、教育の促進と強化のためのAIツールの使用について考察している。
プライマーは、AIを教育環境で使用する際に生じるいくつかの技術的な問題について提供されている。
この記事は、AIのエンジニアリング教育における役割を前進させようとする研究者や教育者のためのリソースとして機能する。
論文 参考訳（メタデータ） (2025-09-10T19:19:26Z) - Explainable AI for Automated User-specific Feedback in Surgical Skill Acquisition [38.38538970682482]
人間-AIを用いた手術訓練における説明可能なAI(XAI)によるフィードバックの有効性について検討した。
我々は、従来のビデオベースのコーチングに対するXAI指導によるフィードバックが、タスク結果、認知的負荷、AI支援学習に対する訓練者の認識に与える影響を比較した。
論文 参考訳（メタデータ） (2025-08-04T16:48:44Z) - AI-Educational Development Loop (AI-EDL): A Conceptual Framework to Bridge AI Capabilities with Classical Educational Theories [8.500617875591633]
本研究では、古典的学習理論とAIを融合した理論駆動型フレームワークであるAI-Educational Development Loop(AI-EDL)を紹介する。
このフレームワークは透明性、自己統制型学習、教育的監視を強調している。
論文 参考訳（メタデータ） (2025-08-01T15:44:19Z) - Methodological Foundations for AI-Driven Survey Question Generation [41.94295877935867]
本稿では,ジェネレーティブAIを教育調査に活用するための方法論的枠組みを提案する。
大規模言語モデルが適応的でコンテキスト対応のサーベイ質問を生成する方法について検討する。
偏見、プライバシー、透明性などの倫理的問題を考察する。
論文 参考訳（メタデータ） (2025-05-02T09:50:34Z) - 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) - 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)
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。